热线电话:4000-51-9191

就学培训网

登录
首页系统课数据成才一对一,教官督学手把手
数据成才一对一,教官督学手把手
数据成才一对一,教官督学手把手
  • 北京面授 随报随学

相关等级报考推荐

  1. Level I
    ¥ 1200
  2. Level II
    ¥ 1700
  3. Level III
    ¥ 2000

课程简介

数据成才一对一,教官督学手把手:

课程优势


+ 汇聚全球数据精英:数据行业佼佼者,精通数据能力;一对一指定学习方案:因材施教,1位学生一套专属学习方法
+ 随时随地预约体验:随时随地想学就学,时间地点随你定;辅导过程精彩回顾:学习内容时刻记录,回顾课堂重点知识
+ 海量千万级学习题库:分难度梯度式练习,巩固基础数据能力
+ 真人在线or现场教学,轻松解决学生困扰,在家就能学数据分析技能

培养职场数据素养,直通企业就业


+对数据科学岗位认知程度比较浅的学员,可在CDA职业规划团队老师的帮助下选择适合学员职业发展路线。

数智赋能,技术精进


+在这里,你可以学到前沿且实用的技术,挖掘数据的魅力。
+聚焦策略分析技术及企业常用的分类、NLP、深度学习、特征工程等数据算法,只教实用干货,以专精技术能力提升业务效果与效率。

七大工具应用


+七大数据分析工具Excel、Power BI、Python、SQL数据库、Hive SQL、Linux系统、Tableau等,并根据输出的结果分析业务需求,为进行合理、有效的策略优化提供数据支撑。

案例实战


+课程涉及大量企业项目案例:精准营销预测、营销策略优化、客户行为分析、风险管理、客户管理、智能推荐、情感分析、反欺诈等,加持实战经验,为你进入名企做项目背书。

学习目标

熟练掌握Excel、MySQL、Power BI等数据分析软件
熟练掌握数据清洗,可以完成缺失值填补、异常值处理等
精通数据可视化,制作可视化分析报表
可以独立撰写业务分析报告
SQL数据库应用基础
大型数据分析综合项目现场实战
掌握数据分析在各行业的应用场景
掌握业务数据分析模型与分析方法
熟练掌握数据挖掘全流程的Python实操,包括数据清洗算法、特征工程、数据建模、数据治理、数据可视化等
熟练掌握Python数据挖掘算法与实践,包括统计分析、统计模型、机器学习算法、深度学习算法、文本挖掘算法
灵活使用数据挖掘算法解决各行业的业务问题,通过策略优化和精准预测来解决运营、产品、营销方面的问题

学习对象和基础

零基础学生、转行人士,低门槛无忧就业
基础薄弱数据类岗位从业者,系统提升专业技能
产品、运营、营销、财务等业务部门在职者,提升数字化工作效率
研发、中台、技术类部门在职者,数字化赋能支持业务发展
企业创始人、经理人、管理咨询类岗位从业者,把握数字化转型方案及流程
有一定数学或统计、计算机基础与数据分析业务经验,希望脱产学习后转岗到数据挖掘岗者
希望提升数据挖掘技术的在职提升者
从事算法科学、深度学习等工作的科研人员、分析师与工程师等
产品、运营、营销、管理、咨询相关岗位从业者,希望增加数据分析技能与思维
参加CDA等级认证考试LEVEL Ⅰ、 LEVELII和 LEVEL Ⅲ 考生

1预科学习

1-1Excel预习
1-2数据库预习
1-3Power BI预习
1-4统计学预习

2数据分析概述

2-1数据分析分类
2-2数据分析目的及意义
2-3数据分析方法与流程
2-4数据分析角色与职责
2-5数据分析师职业道德与行为准则

3业务分析方法与业务分析报告

3-1表格结构数据特征
3-2表格结构数据获取方法
3-3表格结构数据引用、查询与计算方法
3-4数据驱动型业务管理(数据埋点、数据治理、数据应用等)
3-5指标的应用 - 搭建营销运营指标体系
3-6财务指标的分析与应用
3-7业务场景指标 - 多场景业务场景指标应用精讲(运营、客户、商品、活动等)
3-8指标的设计 - 多场景指标设计、使用及分析案例(绩效、运营、销售等)
3-9业务指标综合分析案例 - 互联网运营业务指标综合分析案例
3-10可视化分析方法
3-11业务分析方法应用 - 杜邦分析法、帕累托分析法、四象限分析法
3-12业务模型应用 - 价值模型、帕累托模型、漏斗模型、RFM模型
3-13撰写业务分析报告方法
3-14电商、互联网、零售行业的数据分析场景介绍
3-15客户分析 - 电商客户维度综合分析案例(用户生命周期、用户特征、用户行为分析)
3-16产品分析 - 电商产品维度综合分析案例(商品画像、商品标签、商品定位策略分析)
3-17运营分析 - 互联网运营业务综合分析案例(运营效果分析、电商漏斗模型分析应用)
3-18行为效果分析 - 电商运营活动效果评估分析案例(A/B测试、行为效果评估)
3-19市场分析 - 汽车行业市场分析案例(市场分析报告撰写方法)
3-20财务分析 - 地产行业资产负债情况分析报告(偿债能力及营运能力分析评估)

4统计分析基础

4-1统计学概述
4-2数据的概括性度量
4-3统计分布
4-4参数估计
4-5假设检验
4-6相关分析

5多维数据分析与可视化分析

5-1表结构数据特征
5-2表结构数据获取
5-3表结构数据加工与使用
5-4ETL及数据仓库应用
5-5多表透视分析逻辑
5-6多维数据模型
5-7透视分析方法
5-8多表透视分析应用案例 -- 多维透视分析应用案例
5-9客户分析 - 电商客户运营分析仪表板(潜在客户挖掘、电商运营效果监控、运营指标分析应用)
5-10产品分析 - 产品进销存追踪监控看板(进销存业务流程分析与监控)
5-11运营分析 - 电商运营分析驾驶舱(电商获客分析、营销漏斗模型监控分析)
5-12销售分析 - 服装行业销售情况分析(销售情况监控看板制作方法)
5-13财务分析 - 地产企业盈利分析(企业利润结构构成及盈利能力分析看板)
5-14综合实战案例 - 电商综合运营分析仪表板(流量、转化、客单相关指标分析监控)

6SQL数据库应用基础数据库基本概念

6-1数据定义语言
6-2DML数据操作语言
6-3单表查询
6-4多表查询
6-5函数

7SQL大厂面试直通车

7-1SQL大厂面试题突击训练
7-2查询应用案例1 -- 电商多表查询案例
7-3查询应用案例2 -- 零售业多表查询案例

8大型数据分析综合项目现场实战

8-1跨国企业完整数据分析实战案例
8-2学生现场探索性实操
8-3项目现场专家评审与1V1指导

9Python编程基础

9-1Python基础知识
9-2Python标准数据类型
9-3控制流语句
9-4自定义函数

10Python数据清洗与可视化

10-1Numpy数组分析
10-2Pandas数表分析
10-3Pandas数据清洗与可视化
10-4Python数据可视化包-Matplotlib介绍
10-5Python数据可视化包-Seaborn介绍与图形绘制

11Python数据分析案例

11-1斯德哥尔摩气候可视化分析
11-2餐饮订单数据清洗与分析
11-3文本数据分析之QQ聊天信息可视化分析

12Python统计分析

12-1回归分析
12-2模型的诊断与调优
12-3用户行为显著影响因素分析案例
12-4用户复购预测分析案例

13数据分析师职业规划课

13-1职业规划
13-2职场沟通力
13-3团队协作力培养

14面试技巧一对一辅导

14-11V1面试技巧指导与简历修改

15预习课(录播)——数据库

15-1数据库基本概念
15-2DDL数据定义语言
15-3DML数据操作语言
15-4单表查询
15-5多表查询
15-6Python连接SQL

16预习课(录播)——Python编程基础

16-1Python标准数据类型
16-2控制流语句
16-3自定义函数
16-4异常和错误
16-5类与面向对象编程
16-6Numpy数组操作

17预习课(录播)——数学与统计学基础

17-1线性代数
17-2微积分
17-3描述性统计
17-4参数估计
17-5假设检验
17-6相关分析
17-7卡方分析
17-8一元线性回归理论推导
17-9多元线性回归理论推导

18数据策略分析第1周

18-1用Python做数据分析,必会的库Pandas
18-2用Pandas做数据清洗与数据探索
18-3Python数据可视化库(Matplotlib,Seaborn)
18-4教育行业分析-学校学科教育可视化案例
18-5分析基础-数据分析的概念、过程、能力
18-6统计分析可视化
18-7企业经营分析-指标体系

19数据策略分析第2周

19-1数据库MySQL实战应用
19-2Python连接SQL数据库
19-3零售电商多表分析案例
19-4统计分析(相关分析,方差分析)
19-5线性回归(建立模型和模型检验)
19-6经营问题识别-用户行为影响因素分析案例
19-7旅游行业分析-旅游线路之黄金周分析案例

20数据策略分析第3周

20-1逻辑回归(模型的建立与估计,模型评估)
20-2分类与回归的结合
20-3信息压缩-主成分分析与因子分析(数据降维)
20-4用户流失分析-员工流失预警案例
20-5特征分析-区域经济因子分析
20-6客群分析-标签体系与与用户画像
20-7应用用户画像-美国某企业用户画像实战案例

21数据策略分析第4周

21-1时间序列分析(ARIMA算法)
21-2带滞后项的线性回归
21-3销售额预测-线上平台销售额预测实战案例
21-4数据采集处理方法(数据采集,数据录入,数据预处理)
21-5数据管理(数据分类,数据建模,数据仓库和ETL)
21-6产品目标人群分析-市场数据的应用案例

22数据策略分析第5周

22-1层次聚类
22-2Kmeans聚类
22-3聚类分析评价方法-决策树应用
22-4用户分群-零售行业运营案例
22-5数字化工作方法
22-6运筹优化方法(线性规划与二次优化,基于业务流程的优化)
22-7数字化运营综合案例-某机构营销响应概率预测与风险预测案例

23数据策略分析第6周

23-1数据接入(接入策略,调度工具,实时数据接入方法)(附加内容)
23-2大数据平台技术架构与应用(分布式存储与计算,支持数据分析,大数据架构)(附加内容)
23-3数据挖掘导论
23-4KNN
23-5贝叶斯

24机器学习进阶第7周

24-1带正则项的回归分析
24-2支持向量机(SVM)
24-3决策树(ID3, C4.5, CART)
24-4决策树的模型调优
24-5生存分析-病马死亡预测案例
24-6用户分类-保险行业用户分类分析

25机器学习进阶第8周

25-1集成与提升方法(AdaBoost, 随机森林, GBDT, XGBoost, LightGBM)
25-2聚类分析进阶(密度聚类,谱聚类)
25-3异常识别(孤立森林,局部异常因子)
25-4交易反欺诈-异常交易识别案例

26机器学习进阶第9周

26-1关联规则(关联规则的概念,评估指标,Apriori算法)
26-2协同过滤
26-3产品组合策略-电信公司产品捆绑销售策略分析案例
26-4数据处理的前沿方法:特征工程概要
26-5特征工程(特征的建构、选择、转换、学习)
26-6深度神经网络(BP神经网络概述,架构)
26-7感知机及感知机的极限

27机器学习进阶第10周

27-1文本分析(分词与词性标注,文本特征处理,关键词抽取、文本分类与聚类方法)
27-2文本与用户情绪分析-新闻文本分析案例

28机器学习进阶第11周

28-1径向基网络
28-2卷积神经网络
28-3循环神经网络
28-4图像分析-手写数字自动识别
28-5自然语言处理-用户情绪自动识别
28-6实战项目-金融行业反欺诈

29机器学习进阶第12周

29-1实战项目-行业文本分析
29-2实战项目-信用评分卡

30毕业周

30-1毕业答辩

31选修课

31-1互联网数字化运营【18课时】
31-2何为数据产品经理?【1课时】
31-3Python爬虫【15课时】
31-4Python办公自动化【10课时】
31-5人工智能(深度学习)实战之图像识别【6课时】
31-6采销、物流与供应链数据分析应用实战【10课时】 (需额外付费)