江苏7位数几位数中奖:江苏彩票七位数

江苏彩票七位数 www.der8k.cn 您的位置:江苏彩票七位数 > 课程列表 > CDA数据分析师周末集训营(6个月)

CDA数据分析师周末集训营(6个月)

CDA数据分析师周末集训营(6个月)

难度:


周期: 6个月

20800

提前10天报名优惠500元

立即报名 咨询老师

CDA数据分析师周末集训营(6个月)

 姓名:

 电话:

 邮箱:

   备注:

邀请码:

提交信息
  • WHAT 课程简介

    CDA数据分析师周末集训营针对周末时间充裕、在校生、期待系统提升数据分析技能或转行人员提供长达6个月的周末非脱产集训课程,毕业之后可以推荐相关工作。
    每期安排至少十位以上相关领域专家进行实战授课,以CDA数据分析师标准大纲体系为基础,课程内容涵盖数据库管理-统计学分析方法-数据分析软件应用(涵盖Excel、SQL、SPSS、Python、R等)-数据挖掘算法模型一整套数据分析流程进行系统讲解,最后结合四大热门行业电商、金融、电信、医药真实案例和业务出发,升华技术应用场景,使所学更符合就业要求, 达到企业用人标准,快速在大数据时代找准工作定位。学员毕业要求能够独立完成商业数据分析项目,能够掌握数据数据分析大多数岗位(包括数据分析师、可视化工程师、机器学习工程师、算法工程师等岗位等)技能。
  • WHY 学习目标

    熟练掌握Excel、SQL、R、Python等数据分析软件;
    学会简单的网络数据爬取技术
    熟练掌握数据探索和数据清洗技能,可以独立完成特征工程的工作
    精通数据可视化,掌握BI可视化工具
    掌握数理统计基本理论知识;
    熟悉分类、回归、聚类、降维等常用数据挖掘算法;
    掌握数据分析在各行业的实际应用场景;
    可以独立完成数据建模工作;
    可以独立完成数据报告撰写;
    学会团队协作,分工完成大型数据分析项目。
  • WHO 学习对象和基础

    产品、运营、市场和项目管理人士
    在校高年级学生、转行欲从业人士
    在职数据分析师
    对数据分析和挖掘感兴趣的业界人士
    学习前最好具备大学数学和概率统计基础

01Excel数据分析基础

01-01数据分析概述—数据分析流程、方法、在企业管理中的应用
01-02数据分析师职业介绍—基于猎聘网数据分析师报告
01-03数据分析工具Excel概述
01-04Excel基本数据类型操作
01-05Excel函数与公式功能
01-06Excel条件格式
01-07Excel数据透视表功能
01-08 Excel基本图表功能—柱形图、饼图、折线图、气泡图、雷达图等
01-09基本数据处理方法介绍

02Excel数据分析进阶-Power BI商业智能

01-01Power Query基本功能介绍
01-02Power Query进行数据导入
01-03Power Query横向合并与纵向合并数据
01-04Power Query M函数与数据预处理
01-05Power Pivot数据导入功能
01-06Power Pivot搭建多维数据集与多维数据透视
01-07Power Pivot创建层次结构及KPI
01-08Power Pivot综合应用案例:商机相关企业信息
01-09Power Map数据地图创建及应用方法
01-10Power View交互式仪表板创建方法
01-10实战项目:全国主要城市空气质量地图、餐饮业店铺销售状况仪表盘

03Mysql数据库管理

01-01数据库的概念与技术、创建数据库
01-02数据表操作、数据类型与约束条件
01-03数据表插入数据与导入外部数据方法
01-04检查与修改数据表
01-05SQL常用函数介绍
01-06SQL单表查询与多表查询
01-07查询操作符与子查询
01-08SQL实战:使用SQL语句处理及查询电商业务数据

04Tableau商业智能分析

01-01Tableau公司和产品介绍
01-02使用Tableau连接多源数据:本地和数据库
01-03Tableau可视化界面介绍
01-04Tabelau数据分析P1:排序、筛选、计算字段、分层结构
01-05Tableau数据分析P2:集和参数、趋势线、预测区间
01-06初级图表制作:条形图、折线图、饼图、文字云、散点图、地图、树形图、气泡图、图表组合
01-07高级图表制作:子弹图、环形图、瀑布图、Bump Chart、Table Formatting
01-08使用Tableau制作仪表板与故事
01-09实战案例1:某公司销售数据可视化
01-10实战案例2:航班运营状况分析

05商业智能BI可视化综合案例

01-01餐饮案例:使用Mysql+Excel制作业务关键指标实时分析监控
01-02销售管理案例:基于销售漏斗模型搭建销售管理分析仪
01-03财务案例:财务指标杜邦分析仪
01-04零售电商案例:零售电商地域钻取案例

06数据分析之统计学基础-Part1

01-01数据分析方法概述:数据分析过程、数据分析的商业驱动
01-02概率论基?。杭?、概率、随机变量、概率密度、公理化
01-03变换和期望:随机变量函数分布、矩、矩列唯一性
01-04常见统计分布:离散分布、连续分布、指数分布、中心极限定理、概率不等式
01-05多维随机变量:联合分布与边缘分布、多层模型与混合分布、二维变化、协方差与相关系数
01-06随机样本的性质:抽样、样本分布

07数据分析之统计学基础-Part2

01-01数据简化原理:似然函数、辅助函数
01-02参数估计:点估计、区间估计、矩估计、贝叶斯估计、EM算法
01-03假设检验:似然比检验、贝叶斯检验、最大功效检验、置信区间、P值、损失函数
01-04渐进评价:相合性、有效性、标准误差、稳健性、LTR的渐进分布、近似极大似然区间
01-05方差分析和回归分析:ANOVA假设、简单线性回归与最小二乘
01-06回归模型:变量有误差时的线性回归、Logistic回归、稳健回归

08SPSS数据分析技术-Part1

01-01数据分析全过程 - 综合绩效案例讲解
01-02SPSS软件综合特征 - 与同类软件对比
01-03SPSS软件介绍 - 数据视图与变量视图
01-04SPSS访问数据源 - 本地和数据库文件访问
01-05如何理解描述数据— 统计和描述性分析
01-06如何理解描述数据— 可视化图形探索
01-07线性回归模型的假设
01-08线性回归分析模型构建
01-09线性回归分析诊断与残差分析
01-10实战:企业员工综合绩效管理

09SPSS数据分析技术-Part2

01-01Logistic回归的相关关系分析
01-02Loigistic回归模型及实现
01-03最大熵模型与极大似然法估计
01-04分类模型评估方法介绍
01-05连续变量的维度规约:主成分分析
01-06聚类分析方法介绍:层次聚类与Kmeans聚类
01-07SPSS客户价值评分模型
01-08使用SPSS进行联合分析
01-09实战1:银行客户信用行为特征分类与违约预测
01-10实战2:降维在消费行为中的应用
01-11实战3:利用RFM模型对电商客户进行细分管理
01-11实战4:购买行为组合与预测

10Python编程基础知识

01-01成为Python高手之前必备基础知识
01-02数据分析的武器库与分析工具Python介绍
01-03Python的基本数据类型和数据结构
01-04Python的程序控制
01-05Python的函数与???
01-06Python日期和时间处理
01-07Python字符串处理与正则表达式
01-08Python异常处理和文件操作
01-09实战:基于Python的函数创建与商业实操文件操作

11Python进行数据整理和数据清洗

01-01Numpy中的数据类型--ndarray数组的创建
01-02Numpy数组基?。核饕?、切片、变形、分裂
01-03Numpy数组运算:通用函数
01-04Numpy数组变形、拼接
01-05Numpy数组计算:广播、聚合、比较和掩码、数组排序
01-06Pandas对象简介:Series、Dataframe、Index
01-07Pandas数据加载与存储
01-08Pandas数值运算方法:通用函数、聚合函数、遍历
01-09Panda层次化索引
01-10Pandas数据处理:数据类型转换、缺失值处理、字符串转换
01-11Pandas数据表的合并与连接
01-12Pandas数据的累计与分组
01-13高性能Pandas:query()、eval()实现高性能运算
01-14Pandas数据规整化:清理、转换、合并、重塑
01-15Pandas时间序列&金融数据处理
01-16实战案例1:泰坦尼克幸存者数据清洗
01-17实战案例2:USDA食品数据清洗

12Python进行网络爬虫

01-01网络爬虫基础知识
01-02网络请求及响应-Requests库
01-03HTML文档解析-BeautifulSoup库
01-04常见反爬虫机制及应对
01-05网络爬虫 VS 网络数据抓取
01-06实战1:新东方批量下载头像
01-07实战2:抓取豆瓣书籍简介
01-08实战3:模拟浏览器selenium抓取电商商品信息及评论

13Python数据清洗高级操作及案例实战

01-01如何成为一名优秀的数据分析师
01-02P供Python读取的数据:CSV文件、JSON数据、XML数据
01-03数据的获取与存储:数据的不平等性、真实性、可读性、清洁度等
01-04对获取到的数据进行探索:埃博拉病毒?;?、列车安全数据、童工数据
01-05数据清洗探索:找出要清洗的数据、数据格式化、找出离群值和不良数据、找出重复数据、模糊匹配、正则匹配等
01-06数据清洗探索:标准化和脚本化(数据归一化和标准化、找到适合项目的数据清洗方法、数据清洗脚本化、用新数据测试)
01-07数据探索和分析:数据探索(表函数探索、连接多个数据集、找出离群值、创建分组)
01-08数据探索与分析:分离和聚焦数据、描述结论、书写报告文档
01-09Pandas时间序列&金融数据处理
01-10数据清洗实战案例:泰坦尼克幸存者数据清洗&USDA食品数据清洗
01-11数据探索实例:为什么非洲童工雇佣的概率更高?腐败感和童工雇佣有什么关系?
01-12数据探索实例:国外电商用户购买信息的数据处理与探索:通过购物篮商品信息探索出客户来源、流失、留存率、消费水平及消费倾向。

14Python进行数据可视化技术-线上

01-01绘图思想的基本原理
01-02Python数据可视化包-Matplotlib介绍
01-03使用Matplotlib进行基本的图形绘制
01-04使用Python数据处理包Pandas做可视化
01-05Python数据可视化包-Seaborn介绍与图形绘制
01-06Python数据可视化包-Pyecharts介绍与图形绘制
01-07使用Python进行地图绘制-Pyecharts
01-08数据可视化技巧

15Python进行机器学习和sklearn实战-Part1

01-01机器学习入门介绍:机器学习基本思想、常用算法分类、算法库等
01-02Scikit-Learn入门介绍:特征矩阵、标签数组、评估器及常用函数
01-03Scikit-Learn特征工程:分类特征、文本特征、图像特征、特征衍生、缺失值填充、特征管道
01-04KNN-最近邻分类器、KD-Tree和KNN回归
01-05KNN算法示例:改进约会网站配对效果
01-06梯度下降算法:梯度下降、随机梯度下降和微批梯度下降
01-07原理补充:条件概率计算、全概率公式、K-S曲线、受试者特征曲线(ROC)等
01-08贝叶斯分类器:朴素贝叶斯、贝叶斯网络
01-09朴素贝叶斯算法示例:垃圾邮件过滤
01-10原理补充:梯度下降算法,包括梯度下降、随机梯度下降和微批梯度下降
01-11回归分析:线性回归、岭回归、LASSO和弹性网
01-12回归分析算法示例:预测海洋生物鲍鱼的年龄
01-13广义线性回归:Logistic回归和泊松回归
01-14Logistic回归算法示例:构建信用卡反欺诈模型

16Python进行机器学习和sklearn实战-Part2

01-01树模型:C4.5、C5.0和CART树
01-02树模型算法示例:红酒分类
01-03SVM支持向量机分类和支持向量机回归
01-04SVM算法示例:手写数字识别
01-05集成算法之Bagging类算法:Bagging、随机森林等
01-06集成算法之Boosting类算法:Boosting、GBDT梯度提升树、XgBoost等
01-07集成算法示例:泰坦尼克号幸存者预测
01-08神经网络算法:反向传播神经网路、卷积神经网络、LSTM等

17Python进行机器学习和sklearn实战-Part3

01-01聚类分析:K-means快速聚类、DBSCAN密度聚类、层次聚类等
01-02关联规则:Apriori、FP-Growth、PrefixSpan等
01-03无监督学习:LDA、LSI
01-04数据降维方法:PCA主成分分析和SVD奇异值分解
01-05Scikit-Learn常用功能介绍与使用:网格搜索、Pipline
01-06大型综合案例:利用Pipline选择模型构建机器学习流,并利用网格搜索完成模型调优

18电商行业大型案例

01-01营销:精准营销实现流量的增加
01-02产品:产品生命周期管理
01-03活动:KPI检测体系构建
01-04品牌:品类管理与多位能力模型构建
01-05案例:基于国外大型电商用户购买信息数据的客户购买预测模型构建流程
01-06step1:数据的读取及定位需要清洗的数据
01-07step2:模型有监督/无监督判断
01-08step3:非结构数据处理
01-09step4:空值、重复数据、离群点处理
01-10step5:数据量纲处理(归一化/标准化)
01-11step6:构建评分卡模型/反欺诈预测模型
01-12step7:模型的评估与选择
01-13step8:模型的优化与封装

19金融行业大型案例

01-01客户:客户细分与用户画像
01-02产品:产品生命周期与用户关系管理
01-03营销:精准营销、网络获客、客户维护与客户生命周期管理
01-04风险管理:中小微企业的贷款风险和偿债能力分析、信用卡评分
01-05基于大型金融公司的客户贷款信息,构建用户信用评分卡模型的建模步骤:
01-06step1:数据的读取及定位需要清洗的数据
01-07step2:模型有监督/无监督判断
01-08step3:非结构数据处理
01-09step4:空值、重复数据、离群点处理
01-10step5:数据量纲处理(归一化/标准化)
01-11step6:构建评分卡模型/反欺诈预测模型
01-12step7:模型的评估与选择
01-13step8:模型的优化与封装

20期末毕业答辩

01-01银行业之进件评分卡建置
01-02电信行业交叉销售案例分析
01-03零售行业忠诚客户价值预测
01-04航空业客户聚类与精准营销

来自业界的数据领袖团队

  • 傅老师

    金融数学博士/CDA数据分析研究院金牌讲师

    主要从事金融数学,金融数据分析等领域的研究,发表SCI,EI,CSSCI核心期刊论文多篇。在具体行业方面,傅教授先后担任过咨询公司、互联网金融机构、数据管理公司的高级数据分析顾问,先后参与过客户估值、反欺诈识别、舆情分析等数据分析项目,有着丰富的行业经验。
  • 李御玺

    国立台湾大学资讯工程博士

    铭传大学大数据研究中心主任,铭传大学资讯工程学教授,铭传大学大数据研究中心主任,中华资料采矿协会理事 其研究领域专注于数据仓库(Data Warehousing)、数据挖掘(Data Mining)、与文本挖掘。
  • 丁亚军

    南京上度咨询数据分析总监、经管之家论坛SAS、SPSS版版主,CDA数据分析研究院研究员和SAS、SPSS软件讲师。

    研究方向为“统计软件与数据分析”、“市场调查分析”、“数据挖掘咨询”。
  • 吴昊天

    CDA Level 2 大数据分析师考试命题组组长

    曾就职于电子科技大学大数据中心医疗卫生研究所,历任数据分析师、数据挖掘工程师、大数据架构师等职,多次参与并主导医保反欺诈领域和智慧诊疗相关算法设计、执行、优化等相关工作, 拥有丰富的算法研发经验与多项算法专利。拥有丰富的数据类项目管理经验。
  • 李奇

    中国电子表格应用大会主席

    曾在IBM中国担任销售管理团队数据分析项目组长及德勤北京所的数据分析高级咨询顾问。专精于企业数据分析、制定商业智能业务解决方案、软件开发及Excel培训等。
  • 赵仁乾

    北京邮电大学管理科学与工程硕士

    现就职于北京电信规划设计院,从事移动、联通集团及各省分公司市场\业务\财务规划、经济评价及运营咨询。重点研究方向包括离网用户挖掘、市场细分与精准营销、移动网络价值区域分析、潜在价值客户挖掘等。
  • 王小川

    博士

    近三年在人大经济论坛开办Python培训,参与承担CDA-1/CDA-2,就业班中Python教学任务,并开办Python量化投资课程。编写《MATLAB神经网络30案例分析》一书,该书的升级版《MATLAB神经网络43个案例分析》已出版,同时正在编写《Python与量化投资》一书。被评为“金牌讲师”。
  • 韩要宾

    杭州沐垚科技有限公司创始人兼COO,CDA数据分析研究院资深讲师

    5年电商从业经验,4年数据挖掘实战经验;专注于数据分析与挖掘、机器学习、深度学习,服务客户包括苏宁易购、迪卡侬、百草味、浙江师范大学等。
权威?经管之家CDA LEVEL Ⅲ数据科学家认证证书,行业顶尖人才认证,已获得IBM大数据大学,中国电信,苏宁,德勤,猎聘,CDMS等企业的认可。
专业?CDA认证是根据商业数据分析专业岗位设立的一套体系化、科学化、正规化的人才标准。全国统考、专家命题、评分公平、流程严格,更具含金量。
权益?持证人享有系列特殊权益。证书皆绑定考生真实身份,可在CDA官网查询,确保唯一性与防伪性。证书三年审核一次,保证持证人的实力与权益。

认证介绍:
CDA数据分析师认证”是一套专业化,科学化,国际化,系统化的人才考核标准,分为CDA LEVELⅠ ,LEVEL Ⅱ,LEVEL Ⅲ,涉及金融、电商、医疗、互联网、电信等行业大数据及数据分析从业者所需要具备的技能,符合当今全球大数据及数据分析技术潮流,为各界企业、机构提供数据分析人才参照标准。经管之家为中国区CDA数据分析师认证考试唯一主办机构,于每年6月与12月底在全国范围举办线下数据分析师考试,通过考试者可获得CDA数据分析师认证证书。
CDA持证人福利
1.可吸纳为CDA Institute、中国数据分析师(CDA)俱乐部会员,活动中具有优先报名参与权。
2.可优先获得CDA内部就业及职业发展推荐。
3.免费参与CDA举办的中国数据分析师行业峰会、大数据峰会、研讨会等各项活动,Level Ⅱ与Level III持证人享受特权位置。
4.可申请加入CDA数据分析项目组,参与项目合作(提供项目给持证人演练)。
5.CDA Level Ⅰ持证人免费享受Peixun.net会员服务6个月(价值588 RMB),Level Ⅱ与Level III持证人免费享受peixun.net会员服务1年 (价值998 RMB);
6.其他特权皆以各类活动公告为主。
进入考试报名系统
  • Q: 在这门课程中会学习到什么?

    A: 你将在课程中学习如何选择不同的数据分析方法来解决问题,同时学会使用当前数据科学最主流和收欢迎的数据分析工具-Python。深入学习数据清洗、探索性分析、可视化技术和机器学习技术。使用在大数据、金融、智能领域进行预测分析,成为数据分析技术精英,具备加入领先科技企业的能力!
  • Q:完成课程后,可以获得证书吗?

    A: 参加课程学员可自愿参加CDA LEVEL II建模分析师等级考试,考试合格获得由经管之家颁发《CDA数据分析师证书》。同时可自愿申请工信部《数据分析师证书》-高级。
  • Q: 为什么要学习这门课程?

    A: 投资于人工智能领域的资金不断上涨,数以千计的高价值创业公司已经进入该领域?;餮笆乔斯ぶ悄芰煊蛲黄菩苑⒄沟暮诵募际?。AlphaGo 战胜人类围棋冠军、人脸识别、大数据挖掘,都和机器学习密切相关。在这门课程中,你将掌握机器学习核心技术,把握人才缺口的黄金时代,在职业发展市场中脱颖而出,成为科技、互联网、金融等行业渴望的稀缺人才。
  • Q: 请问课程的学习周期和学习方式?

    A: 《CDA数据分析师周末集训营》为周末集训课程,学习周期为6个月。同时我们会布置案例作业供课后练习提交,保证大家高质量地完成课程。
  • Q: 在这门课程中会学习到什么?

    A: 你将在课程中学习如何选择不同的数据分析方法来解决问题,同时学会使用当前数据科学最主流和收欢迎的数据分析工具-Python。深入学习数据清洗、探索性分析、可视化技术和机器学习技术。使用在大数据、金融、智能领域进行预测分析,成为数据分析技术精英,具备加入领先科技企业的能力!
  • Q: 课程如果学不会怎么办?

    A: 首先,我们有一次免费学习的机会,如果还是学不会,授课老师会和学生面谈,发现问题所在,并让老师给出学习建议,查缺补漏,也可以再跟着免费学一期。

OK
832| 159| 88| 153| 727| 204| 591| 35| 375| 593|