cda

全國校區

您的位置:首頁 > 課程列表 > CDA數據分析師周末集訓營(6個月)

CDA數據分析師周末集訓營(6個月)

CDA數據分析師周末集訓營(6個月)

難度系數:

課程系列:Level 1+Level 2


周期: 6個月

20800

立即報名 咨詢老師

CDA數據分析師周末集訓營(6個月)

 姓名:

 電話:

 郵箱:

   備注:

邀請碼:

提交信息
  • WHAT 課程簡介

    CDA數據分析師周末集訓營針對周末時間充裕、在校生、期待系統提升數據分析技能或轉行人員提供長達6個月的周末非脫產集訓課程,畢業之后可以推薦相關工作。
    每期安排至少十位以上相關領域專家進行實戰授課,以CDA數據分析師標準大綱體系為基礎,課程內容涵蓋數據庫管理-統計學分析方法-數據分析軟件應用(涵蓋Excel、SQL、Tableau、SPSS、Python等)-數據挖掘算法模型一整套數據分析流程進行系統講解,最后結合熱門行業電商、金融、電信、等真實案例和業務出發,升華技術應用場景,使所學更符合就業要求, 達到企業用人標準,快速在大數據時代找準工作定位。學員畢業要求能夠獨立完成商業數據分析項目,能夠掌握數據數據分析大多數崗位(包括數據分析師、可視化工程師、機器學習工程師、算法工程師等崗位等)技能。
  • WHY 學習目標

    熟練掌握Excel、SQL、Tableau、Python等數據分析軟件;
    學會簡單的網絡數據爬取技術
    熟練掌握數據探索和數據清洗技能,可以獨立完成特征工程的工作
    精通數據可視化,掌握BI可視化工具
    掌握數理統計基本理論知識;
    熟悉分類、回歸、聚類、降維等常用數據挖掘算法;
    掌握數據分析在各行業的實際應用場景;
    可以獨立完成數據建模工作;
    可以獨立完成數據報告撰寫;
    學會團隊協作,分工完成大型數據分析項目。
  • WHO 學習對象和基礎

    產品、運營、市場和項目管理人士
    在校高年級學生、轉行欲從業人士
    在職數據分析師
    對數據分析和挖掘感興趣的業界人士
    學習前最好具備大學數學和概率統計基礎

01Excel數據分析基礎

01-01數據分析概述—數據分析流程、方法、在企業管理中的應用
01-02數據分析師職業介紹—基于獵聘網數據分析師報告
01-03數據分析工具Excel概述
01-04Excel基本數據類型操作
01-05Excel函數與公式功能
01-06Excel條件格式
01-07Excel數據透視表功能
01-08 Excel基本圖表功能—柱形圖、餅圖、折線圖、氣泡圖、雷達圖等
01-09基本數據處理方法介紹

02Excel數據分析進階-Power BI商業智能

01-01Power Query基本功能介紹
01-02Power Query進行數據導入
01-03Power Query橫向合并與縱向合并數據
01-04Power Query M函數與數據預處理
01-05Power Pivot數據導入功能
01-06Power Pivot搭建多維數據集與多維數據透視
01-07Power Pivot創建層次結構及KPI
01-08Power Pivot綜合應用案例:商機相關企業信息
01-09Power Map數據地圖創建及應用方法
01-10Power View交互式儀表板創建方法
01-10實戰項目:全國主要城市空氣質量地圖、餐飲業店鋪銷售狀況儀表盤

03Mysql數據庫管理

01-01數據庫的概念與技術、創建數據庫
01-02數據表操作、數據類型與約束條件
01-03數據表插入數據與導入外部數據方法
01-04檢查與修改數據表
01-05SQL常用函數介紹
01-06SQL單表查詢與多表查詢
01-07查詢操作符與子查詢
01-08SQL實戰:使用SQL語句處理及查詢電商業務數據

04Tableau商業智能分析基礎

01-01Tableau公司和產品介紹
01-02使用Tableau連接多源數據:本地和數據庫
01-03Tableau可視化界面介紹
01-04Tabelau數據分析P1:排序、篩選、計算字段、分層結構
01-05Tableau數據分析P2:集和參數、趨勢線、預測區間
01-06初級圖表制作:條形圖、折線圖、餅圖、文字云、散點圖、地圖、樹形圖、氣泡圖、圖表組合
01-07高級圖表制作:子彈圖、環形圖、瀑布圖、Bump Chart、Table Formatting
01-08使用Tableau制作儀表板與故事
01-09實戰案例1:某公司銷售數據可視化
01-10實戰案例2:航班運營狀況分析

05Excel BI可視化綜合案例

01-01餐飲案例:使用Mysql+Excel制作業務關鍵指標實時分析監控
01-02銷售管理案例:基于銷售漏斗模型搭建銷售管理分析儀
01-03財務案例:財務指標杜邦分析儀
01-04零售電商案例:零售電商地域鉆取案例

06Tableau商業智能綜合案例

01-01金融案例:如何進行靠譜的投資分析?
01-02電影案例:優秀電影的制作工藝
01-03旅游案例:暢想世界的旅行
01-04供應分析案例:國內二級倉庫供應分析

07數據分析之統計學基礎-Part1

01-01數據分析方法概述:數據分析過程、數據分析的商業驅動
01-02概率論基礎:集合、概率、隨機變量、概率密度、公理化
01-03變換和期望:隨機變量函數分布、矩、矩列唯一性
01-04常見統計分布:離散分布、連續分布、指數分布、中心極限定理、概率不等式
01-05多維隨機變量:聯合分布與邊緣分布、多層模型與混合分布、二維變化、協方差與相關系數
01-06隨機樣本的性質:抽樣、樣本分布

08數據分析之統計學基礎-Part2

01-01數據簡化原理:似然函數、輔助函數
01-02參數估計:點估計、區間估計、矩估計、貝葉斯估計、EM算法
01-03假設檢驗:似然比檢驗、貝葉斯檢驗、最大功效檢驗、置信區間、P值、損失函數
01-04漸進評價:相合性、有效性、標準誤差、穩健性、LTR的漸進分布、近似極大似然區間
01-05方差分析和回歸分析:ANOVA假設、簡單線性回歸與最小二乘
01-06回歸模型:變量有誤差時的線性回歸、Logistic回歸、穩健回歸

09SPSS數據分析技術-Part1

01-01數據分析全過程 - 綜合績效案例講解
01-02SPSS軟件綜合特征 - 與同類軟件對比
01-03SPSS軟件介紹 - 數據視圖與變量視圖
01-04SPSS訪問數據源 - 本地和數據庫文件訪問
01-05如何理解描述數據— 統計和描述性分析
01-06如何理解描述數據— 可視化圖形探索
01-07線性回歸模型的假設
01-08線性回歸分析模型構建
01-09線性回歸分析診斷與殘差分析
01-10實戰:企業員工綜合績效管理

10SPSS數據分析技術-Part2

01-01Logistic回歸的相關關系分析
01-02Loigistic回歸模型及實現
01-03最大熵模型與極大似然法估計
01-04分類模型評估方法介紹
01-05連續變量的維度規約:主成分分析
01-06聚類分析方法介紹:層次聚類與Kmeans聚類
01-07SPSS客戶價值評分模型
01-08使用SPSS進行聯合分析
01-09時間序列原理介紹:AR模型、MA模型、ARIMA模型
01-10時間序列數據的預處理
01-11時間序列的建模和預測
01-12實戰1:銀行客戶信用行為特征分類與違約預測
01-13實戰2:降維在消費行為中的應用
01-14實戰3:利用RFM模型對電商客戶進行細分管理
01-15實戰4:購買行為組合與預測
01-16實戰5:不同市場訂戶信息的序列預測

11Python編程基礎知識

01-01成為Python高手之前必備基礎知識
01-02數據分析的武器庫與分析工具Python介紹
01-03Python的基本數據類型和數據結構
01-04Python的程序控制
01-05Python的函數與模塊
01-06Python日期和時間處理
01-07Python字符串處理與正則表達式
01-08Python異常處理和文件操作
01-09實戰:基于Python的函數創建與商業實操文件操作

12Python進行數據整理和數據清洗

01-01Numpy中的數據類型--ndarray數組的創建
01-02Numpy數組基礎:索引、切片、變形、分裂
01-03Numpy數組運算:通用函數
01-04Numpy數組變形、拼接
01-05Numpy數組計算:廣播、聚合、比較和掩碼、數組排序
01-06Pandas對象簡介:Series、Dataframe、Index
01-07Pandas數據加載與存儲
01-08Pandas數值運算方法:通用函數、聚合函數、遍歷
01-09Panda層次化索引
01-10Pandas數據處理:數據類型轉換、缺失值處理、字符串轉換
01-11Pandas數據表的合并與連接
01-12Pandas數據的累計與分組
01-13高性能Pandas:query()、eval()實現高性能運算
01-14Pandas數據規整化:清理、轉換、合并、重塑
01-15Pandas時間序列&金融數據處理
01-16實戰案例1:泰坦尼克幸存者數據清洗
01-17實戰案例2:USDA食品數據清洗

13Python進行數據可視化技術-線上

01-01繪圖思想的基本原理
01-02Python數據可視化包-Matplotlib介紹
01-03使用Matplotlib進行基本的圖形繪制
01-04使用Python數據處理包Pandas做可視化
01-05Python數據可視化包-Seaborn介紹與圖形繪制
01-06Python數據可視化包-Pyecharts介紹與圖形繪制
01-07使用Python進行地圖繪制-Pyecharts
01-08數據可視化技巧

14Python進行網絡爬蟲

01-01網絡爬蟲基礎知識
01-02網絡請求及響應-Requests庫
01-03HTML文檔解析-BeautifulSoup庫
01-04常見反爬蟲機制及應對
01-05網絡爬蟲 VS 網絡數據抓取
01-06實戰1:新東方批量下載頭像
01-07實戰2:抓取豆瓣書籍簡介
01-08實戰3:模擬瀏覽器selenium抓取電商商品信息及評論

15Python數據清洗高級操作及案例實戰

01-01如何成為一名優秀的數據分析師
01-02P供Python讀取的數據:CSV文件、JSON數據、XML數據
01-03數據的獲取與存儲:數據的不平等性、真實性、可讀性、清潔度等
01-04對獲取到的數據進行探索:埃博拉病毒危機、列車安全數據、童工數據
01-05數據清洗探索:找出要清洗的數據、數據格式化、找出離群值和不良數據、找出重復數據、模糊匹配、正則匹配等
01-06數據清洗探索:標準化和腳本化(數據歸一化和標準化、找到適合項目的數據清洗方法、數據清洗腳本化、用新數據測試)
01-07數據探索和分析:數據探索(表函數探索、連接多個數據集、找出離群值、創建分組)
01-08數據探索與分析:分離和聚焦數據、描述結論、書寫報告文檔
01-09Pandas時間序列&金融數據處理
01-10數據清洗實戰案例:泰坦尼克幸存者數據清洗&USDA食品數據清洗
01-11數據探索實例:為什么非洲童工雇傭的概率更高?腐敗感和童工雇傭有什么關系?
01-12數據探索實例:國外電商用戶購買信息的數據處理與探索:通過購物籃商品信息探索出客戶來源、流失、留存率、消費水平及消費傾向。

16機器學習和數據挖掘概述-線上

01-01數據挖掘概念
01-02數據挖掘算法分類
01-03數理統計vs機器學習一般流程
01-04有監督學習算法
01-05無監督學習算法
01-06機器學習學習路線圖和推薦書籍

17Python進行機器學習和sklearn實戰-Part1

01-01機器學習入門介紹:機器學習基本思想、常用算法分類、算法庫等
01-02Scikit-Learn入門介紹:特征矩陣、標簽數組、評估器及常用函數
01-03Scikit-Learn特征工程:分類特征、文本特征、圖像特征、特征衍生、缺失值填充、特征管道
01-04KNN-最近鄰分類器、KD-Tree和KNN回歸
01-05KNN算法示例:改進約會網站配對效果
01-06梯度下降算法:梯度下降、隨機梯度下降和微批梯度下降
01-07原理補充:條件概率計算、全概率公式、K-S曲線、受試者特征曲線(ROC)等
01-08貝葉斯分類器:樸素貝葉斯、貝葉斯網絡
01-09樸素貝葉斯算法示例:垃圾郵件過濾
01-10原理補充:梯度下降算法,包括梯度下降、隨機梯度下降和微批梯度下降
01-11回歸分析:線性回歸、嶺回歸、LASSO和彈性網
01-12回歸分析算法示例:預測海洋生物鮑魚的年齡
01-13廣義線性回歸:Logistic回歸和泊松回歸
01-14Logistic回歸算法示例:構建信用卡反欺詐模型

18Python進行機器學習和sklearn實戰-Part2

01-01樹模型:C4.5、C5.0和CART樹
01-02樹模型算法示例:紅酒分類
01-03SVM支持向量機分類和支持向量機回歸
01-04SVM算法示例:手寫數字識別
01-05集成算法之Bagging類算法:Bagging、隨機森林等
01-06集成算法之Boosting類算法:Boosting、GBDT梯度提升樹、XgBoost等
01-07集成算法示例:泰坦尼克號幸存者預測
01-08神經網絡算法:反向傳播神經網路、卷積神經網絡、LSTM等

19Python進行機器學習和sklearn實戰-Part3

01-01聚類分析:K-means快速聚類、DBSCAN密度聚類、層次聚類等
01-02關聯規則:Apriori、FP-Growth、PrefixSpan等
01-03無監督學習:LDA、LSI
01-04數據降維方法:PCA主成分分析和SVD奇異值分解
01-05Scikit-Learn常用功能介紹與使用:網格搜索、Pipline
01-06大型綜合案例:利用Pipline選擇模型構建機器學習流,并利用網格搜索完成模型調優

20電商行業綜合案例

01-01電商行業和算法應用場景介紹
01-02案例1:基于電商銷售數據的營銷分析
01-03step1:數據的讀取及數據清洗
01-04step2:數據整并和字段擴充、數據編碼工作
01-05step3:聚類分析模型建置
01-06step4:模型的應用:精準營銷和推薦
01-07案例2:基于關聯規則的電商推薦案例
01-08案例3:基于物品的協同過濾的推薦
01-09案例4:基于用戶的協同過濾的推薦

21金融行業綜合案例

01-01金融行業和算法應用場景概述
01-02信用評分卡的設計流程
01-03案例:使用Python進行申請信用評分卡建置
01-04step1:數據讀取和數據分析相關庫加載
01-05step2:數據的預處理
01-06step3:數據探索:描述性分析和可視化
01-07step4:數據轉換-WOE(Weight Of Evidence)轉換
01-08step5:使用邏輯回歸進行建模
01-09step6:模型評估和評分卡輸出
01-10神經網絡基礎和案例
01-11機器學習調參方法
01-12非對稱樣本處理問題
01-13特征選擇概述方法

22期末畢業答辯

01-01銀行業之進件評分卡建置
01-02電信行業交叉銷售案例分析
01-03零售行業忠誠客戶價值預測
01-04航空業客戶聚類與精準營銷

來自業界的數據領袖團隊

  • 李奇

    中國電子表格應用大會主席

    曾在IBM中國擔任銷售管理團隊數據分析項目組長及德勤北京所的數據分析高級咨詢顧問。專精于企業數據分析、制定商業智能業務解決方案、軟件開發及Excel培訓等。
  • 吳昊天

    CDA Level 2 大數據分析師考試命題組組長

    曾就職于電子科技大學大數據中心醫療衛生研究所,歷任數據分析師、數據挖掘工程師、大數據架構師等職,多次參與并主導醫保反欺詐領域和智慧診療相關算法設計、執行、優化等相關工作, 擁有豐富的算法研發經驗與多項算法專利。擁有豐富的數據類項目管理經驗。
  • 傅老師

    金融數學博士/CDA數據分析研究院金牌講師

    主要從事金融數學,金融數據分析等領域的研究,發表SCI,EI,CSSCI核心期刊論文多篇。在具體行業方面,傅教授先后擔任過咨詢公司、互聯網金融機構、數據管理公司的高級數據分析顧問,先后參與過客戶估值、反欺詐識別、輿情分析等數據分析項目,有著豐富的行業經驗。
  • 丁亞軍

    南京上度咨詢數據分析總監、經管之家論壇SAS、SPSS版版主,CDA數據分析研究院研究員和SAS、SPSS軟件講師。

    研究方向為“統計軟件與數據分析”、“市場調查分析”、“數據挖掘咨詢”。
  • 李御璽

    國立臺灣大學資訊工程博士

    銘傳大學大數據研究中心主任,銘傳大學資訊工程學教授,銘傳大學大數據研究中心主任,中華資料采礦協會理事 其研究領域專注于數據倉庫(Data Warehousing)、數據挖掘(Data Mining)、與文本挖掘。
  • 韓要賓

    杭州沐垚科技有限公司創始人兼COO,CDA數據分析研究院資深講師

    5年電商從業經驗,4年數據挖掘實戰經驗;專注于數據分析與挖掘、機器學習、深度學習,服務客戶包括蘇寧易購、迪卡儂、百草味、浙江師范大學等。
  • 王小川

    博士

    近三年在人大經濟論壇開辦Python培訓,參與承擔CDA-1/CDA-2,就業班中Python教學任務,并開辦Python量化投資課程。編寫《MATLAB神經網絡30案例分析》一書,該書的升級版《MATLAB神經網絡43個案例分析》已出版,同時正在編寫《Python與量化投資》一書。被評為“金牌講師”。
  • 趙仁乾

    北京郵電大學管理科學與工程碩士

    現就職于北京電信規劃設計院,從事移動、聯通集團及各省分公司市場\業務\財務規劃、經濟評價及運營咨詢。重點研究方向包括離網用戶挖掘、市場細分與精準營銷、移動網絡價值區域分析、潛在價值客戶挖掘等。
權威?經管之家CDA LEVEL Ⅲ數據科學家認證證書,行業頂尖人才認證,已獲得IBM大數據大學,中國電信,蘇寧,德勤,獵聘,CDMS等企業的認可。
專業?CDA認證是根據商業數據分析專業崗位設立的一套體系化、科學化、正規化的人才標準。全國統考、專家命題、評分公平、流程嚴格,更具含金量。
權益?持證人享有系列特殊權益。證書皆綁定考生真實身份,可在CDA官網查詢,確保唯一性與防偽性。證書三年審核一次,保證持證人的實力與權益。

認證介紹:
CDA數據分析師認證”是一套專業化,科學化,國際化,系統化的人才考核標準,分為CDA LEVELⅠ ,LEVEL Ⅱ,LEVEL Ⅲ,涉及金融、電商、醫療、互聯網、電信等行業大數據及數據分析從業者所需要具備的技能,符合當今全球大數據及數據分析技術潮流,為各界企業、機構提供數據分析人才參照標準。經管之家為中國區CDA數據分析師認證考試唯一主辦機構,于每年6月與12月底在全國范圍舉辦線下數據分析師考試,通過考試者可獲得CDA數據分析師認證證書。
CDA持證人福利
1.可吸納為CDA Institute、中國數據分析師(CDA)俱樂部會員,活動中具有優先報名參與權。
2.可優先獲得CDA內部就業及職業發展推薦。
3.免費參與CDA舉辦的中國數據分析師行業峰會、大數據峰會、研討會等各項活動,Level Ⅱ與Level III持證人享受特權位置。
4.可申請加入CDA數據分析項目組,參與項目合作(提供項目給持證人演練)。
5.CDA Level Ⅰ持證人免費享受Peixun.net會員服務6個月(價值588 RMB),Level Ⅱ與Level III持證人免費享受peixun.net會員服務1年 (價值998 RMB);
6.其他特權皆以各類活動公告為主。
進入考試報名系統
  • Q: 在這門課程中會學習到什么?

    A: 你將在課程中學習如何選擇不同的數據分析方法來解決問題,同時學會使用當前數據科學最主流和收歡迎的數據分析工具-Python。深入學習數據清洗、探索性分析、可視化技術和機器學習技術。使用在大數據、金融、智能領域進行預測分析,成為數據分析技術精英,具備加入領先科技企業的能力!
  • Q:完成課程后,可以獲得證書嗎?

    A: 參加課程學員可自愿參加CDA LEVEL II建模分析師等級考試,考試合格獲得由經管之家頒發《CDA數據分析師證書》。同時可自愿申請工信部《數據分析師證書》-高級。
  • Q: 為什么要學習這門課程?

    A: 投資于人工智能領域的資金不斷上漲,數以千計的高價值創業公司已經進入該領域。機器學習是驅動人工智能領域突破性發展的核心技術。AlphaGo 戰勝人類圍棋冠軍、人臉識別、大數據挖掘,都和機器學習密切相關。在這門課程中,你將掌握機器學習核心技術,把握人才缺口的黃金時代,在職業發展市場中脫穎而出,成為科技、互聯網、金融等行業渴望的稀缺人才。
  • Q: 請問課程的學習周期和學習方式?

    A: 《CDA數據分析師周末集訓營》為周末集訓課程,學習周期為6個月。同時我們會布置案例作業供課后練習提交,保證大家高質量地完成課程。
  • Q: 在這門課程中會學習到什么?

    A: 你將在課程中學習如何選擇不同的數據分析方法來解決問題,同時學會使用當前數據科學最主流和收歡迎的數據分析工具-Python。深入學習數據清洗、探索性分析、可視化技術和機器學習技術。使用在大數據、金融、智能領域進行預測分析,成為數據分析技術精英,具備加入領先科技企業的能力!
  • Q: 課程如果學不會怎么辦?

    A: 首先,我們有一次免費學習的機會,如果還是學不會,授課老師會和學生面談,發現問題所在,并讓老師給出學習建議,查缺補漏,也可以再跟著免費學一期。

OK
今天的湖北十一选五开奖号码