- 章节1： 数据挖掘那些事儿
- 课时1：课程使用说明 15:38
- 课时2：数据挖掘那些事儿 17:29
- 章节2： 数据挖掘之利器：SPSS Modeler
- 课时3：SPSSModeler的基本概述 14:38
- 课时4：SPSSModeler的下载与安装 08:14
- 课时5：SPSSModeler的基本使用 28:22
- 课时6：SPSSModeler实用技巧 22:06
- 章节3： 巧妇难为无米之炊：数据，数据！
- 课时7：数据读取综述 22:31
- 课时8：数据的身份 11:04
- 课时9：数据的集成 12:26
- 章节4： 一点都不简单的描述性统计分析
- 课时10：一点都不简单的描述性统计分析 29:03
- 课时11：真的很简单的数据审核节点 13:48
- 章节5： 何为足够大的差异：常用的统计检验
- 课时12：假设检验的基本原理 29:40
- 课时13：相关分析 13:27
- 课时14：t检验 11:58
- 课时15：卡方检验 12:25
- 章节6： 从身高和体重的关系谈起，回归分析
- 课时16：一元线性回归 22:03
- 课时17：多元线性回归 29:43
- 课时18：逐步回归 12:40
- 章节7： 回归岂止这么简单，回归模型的进一步扩展
- 课时19：曲线回归 13:40
- 课时20：Logistic回归 25:37
- 章节8： 模型评估那些事儿：过拟合与欠拟合
- 课时21：过拟合与欠拟合 14:54
- 课时22：留出法与交叉验证 12:10
- 章节9： 从看电影的思考到决策树的生成
- 课时23：决策树概述 18:02
- 课时24：决策树算法 37:46
- 课时25：信息熵的通俗理解 09:22
- 课时26：决策树建模实践 24:49
- 章节10： 人工神经网络，从人脑神经元开始
- 课时27：从人脑神经元到人工神经网络 12:02
- 课时28：感知机 17:34
- 课时29：bp神经网络 16:44
- 课时30：神经网络实践 13:12
- 章节11： 物以类聚，人以群分的聚类分析
- 课时31：聚类方法的基本原理 14:31
- 课时32：聚类的注意问题 20:51
- 课时33：聚类的实践 12:15
- 章节12： 第12课：啤酒+尿布=关联分析？
- 课时34：关联规则要点 24:05
- 课时35：关联规则实践 09:19
- 章节13： 三个臭皮匠，赛过诸葛亮：集成学习算法
- 课时36：集成学习算法原理 29:40
- 课时37：集成学习算法实践 30:36
- 章节14： 补充课时
- 课时38：如何建模以及利用新数据预测 10:37
