CDA数据分析研究院 CDA考试中心 CDA人工智能学院 企业服务 关于CDA

cda

全国校区

您的位置:首页 > CDA发布 > 毕业后月薪上万的人都在做什么工作?

毕业后月薪上万的人都在做什么工作?

2017-10-17

金融行业,就是跟钱打交道的行业,如今金融行业发展的势头特别的好,但凡是学金融出身的学生,毕业之后到银行去工作,很快工资都能上万。
 
如今的互联网发展非常的迅速,而且国家也支持这些层面的发展,所以他们的效益是非常好的,当然发的工资也高了。
 
在这些成熟的行业,尤其数据分析师岗位占据重要地位,数据分析职位需求呈现「井喷式」增长!根据拉勾招聘统计,2015年开始,数据分析师薪酬逐年走高,岗位的薪酬和经验正相关,越老越值钱!


一、人生苦短,我用Python
数据分析职场新人,精通一门语言至关重要。写个web服务,可以用python、写个服务器脚本,可以用python数据清洗网络爬虫,可以用python、做机器学习数据挖掘,可以用python等等,所以说人生苦短,我用Python
 
二、举个栗子
数据可视化最重要的好处是它能够帮助人们更快地理解数据,你可以在一个图表让人们快速地发现关键点。python可视化发展很快,Python中实现画图的包还是很多的,从基础的matplotlib到出图非常漂亮的seaborn,渲染速度快的bokeh,以及可以实现互交式的plotly,以下就是用seasorn画的一个图,可以直观的看出数据的集中趋势、离散程度、偏态、峰态等等。


三、课程目标
1.数据分析工作中遇到的典型数据分析和挖掘案例进行深刻地分析

2.初学者快速掌握Python 数据分析和数据挖掘(含机器学习)的思想和方法

3.形成科学有效的知识和能力结构体系框架,为今后数据分析工作打下良好的基础
 
四、课程特色
1.全程没有艰深的公式,几乎全部以实际案例带动启发理解,以通俗易懂的语言讲清楚深刻的数据分析和挖掘思想,随时互动、答疑解惑

2.注重学以致用、注重应用场景再现。把工作中常见的数据分析模型和案例加以剖析,使得学员在实际工作中很快能上手进行实际问题的解决

3.注重实际工作经验分享,让学员在工作学习中少走弯路,以培养兴趣为引导、以阐明基本原理思想为基础,让学员在数据分析中有应万变的能力
 
五、授课老师
覃老师,早年毕业于中国人民大学统计学院,近20 年来一直进行着数据分析的理论和实践,熟悉数据分析与建模,擅长使用Python、R语言、SAS和Spark解决大数据建模及算法优化难题,积累了大量实践案例,经验丰富;善于用逻辑贯穿数据分析过程,把深奥的思想和方法用通俗易懂的语言讲述清楚透彻,善于用数据分析计算机程序实现从数据到结论到预测的落地过程。2010 年至今培养了上万名(包括首批)使用R语言、SAS和Python等工具实现数据分析和挖掘的专业人士,帮助他们在数据挖掘领域提升工作技能或实现就业。

覃老师曾在某世界500强金融业公司工作期间曾带队负责开发国内首款基于数据分析建模、随机模拟和最优化精确计算的金融年金产品,该产品销售额持续领跑同业市场多年,获得金融产品创新大奖。

覃老师培训或完成过数据分析和挖掘项目的企业有中国人寿、陆金所、中国建设银行、汇丰银行、北京银行、渤海银行、宁波银行、吴江农商行、中国移动等。
 
六、课程大纲
第一阶段: Python 基础精要,零基础也能学会
1. 语法初步
2. 列表、字符串和元组
3. 集合与字典
4. 条件和循环语句
5. 若干重要内置函数应用
6. 文件操作
7. 函数及其应用
8. 正则表达式
9. 数据库和 Python
10.排序算法、 动态规划算法、递归算法等算法
 
第二阶段:numpypandas等进行数据清洗和整理,充分统计分析数据
1. 整理数据(切片、产生随机数、复制、广播、排序等)
2. 数据索引和选择的各种方法
3. 数据的分组、分割、合并、变形
4. 缺失值和空值的数据处理
5. 时间序列数据处理、建模和预测(ARIMA)
6. 含中文数据的处理
7. 数据去重、去离群值
8. R语言和Python(pandas)数据整理和建模的比较
9. 描述统计和推论统计分析
 
第三阶段:Python机器学习算法和数据挖掘案例实战
1. 文本挖掘原理和案例(Logistic 回归模型对文本的分类)
2. 预测分析核心算法(图片的K-means聚类分析)
3. 机器学习经典算法(图片的识别和分类:PCA建模)
4. 概率统计(二维手写数字识别 KNN方法)
5. 数据可视化推荐系统精准营销 最近邻方法、协同过滤
6. 金融建模分析(数据可视化的各种情形)
7. 客户画像和精准营销(新闻的文本分类TF-IDF准则、旅游新闻个性化推荐)
8. 算法和模型的优化(手写识别)
9. 模型精度评估和提升(朴素贝叶斯决策)
10.特征选取的方法(酒的品质分类预测)
11.最佳K-means分类数(机器学习的格点搜索和参数寻优)
12.交叉验证(惩罚线性回归分类器)
13.不平衡数据处理(使用支持向量机识别和分类)
14.XGBoost 使用案例    (金融时间序列预测)
15.贝叶斯分析(机器集成学习算法)
16.逼近和最优化(随机模拟)
17.自然语言概率图模型(用户流失预警)
18 马尔科夫&蒙特卡罗(量化投资实战)
 
七、课程安排
上课时间:2017年12月8-10日
上课地点:湖南省长沙市岳麓区长沙软件园
现场费用:2400/1800元(学生价格1800元仅限全日制本科生及硕士研究生)
直播费用:1800元/人(同步上课时间课程内容)
每天授课:上午9:00-12:00;下午13:30-16:30;16:30-17:00答疑
 
PS:限时优惠
10月31日之前报名缴费立减300元,报名从速
 
八、在线咨询
张老师
手机:13718534278(微信)
QQ:28819897122881989712  
邮箱:zhangwei@pinggu.org

完 谢谢观看

分享
收藏

OK