CDA数据科学研究院 CDA考试中心 CDA人工智能学院 企业服务
CDA社区
CDA竞赛 CDA技术答疑 CDA会员 职业咨询
关于CDA
全国热线4000-51-9191

cda

数字化人才认证
全国校区
北京 上海 广州 深圳 成都 西安 南京 长沙 宁波
数据分析师 就业班 题库 CDA认证
登录 注册
首    页
课程中心
名企实训营：
CDA全栈数据科学集训营(京东项目实战) 京东CDA数据分析师总裁班项目精选
就业学院：
CDA数据分析脱产就业班
职业技能：
CDA数据赋能 LEVEL Ⅰ CDA商业策略数据分析 LEVEL Ⅱ CDA Python机器学习 LEVEL Ⅲ
在线学院：
商业数据分析师 AI工程师 CDA大数据就业班
职业路径
直播公开课
认证考试认证考试
企业内训
CDA社区CDA社区
CDA竞赛 CDA技术答疑 CDA会员 scikit-learn中文社区 职业咨询
产    品CDA社区
大数据与人工智能实验室 好学AI(下一代智能学习产品) CDA人工智能学院 FMC专项认证 京东数据分析师证书查询
证书查询

您的位置：首页 > 课程列表 > CDA 数据分析师脱产就业班

CDA 数据分析师脱产就业班

CDA 数据分析师脱产就业班

难度系数:

课程系列：LEVEL I + LEVEL II

周期：3个月

课程信息：
相关等级报考推荐：
  • Level I¥1200元
  • Level II¥1700元
  • Level III¥2000元
立即报名 咨询老师
收藏
课程介绍 内容升级 服务升级 主讲老师 权威认证 课程问答

  • WHAT 课程简介

    CDA数据分析就业班针对时间充裕、零基础的专科、本科在校生，以及待业、期待从事数据分析的工作人员提供3个月全脱产集训，毕业推荐相关工作单位。 CDA数据分析就业班每期至少十位以上相关领域专家授课，以CDA数据分析师标准大纲要求，从数据库管理—统计理论方法—数据分析主要软件应用（如：Excel、SQL、Power BI、Python等）—数据挖掘算法模型，一整套数据分析流程技术进行系统讲解。还将从金融、医药、保险、电商、零售等行业需求出发，使用实际案例手把手将数据分析技术传授给学员，使CDA就业班课程更符合就业要求，达到企业用人标准，快速在大数据时代找准工作定位。学员毕业要求能够完成商业数据分析项目。

  • WHY 学习目标

    熟练掌握Excel、MySQL、Power BI、Python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，例如箱线图、动态图等；
    掌握数理统计基本理论知识；
    精通聚类、回归、因子分析等算法；
    熟悉各类数据挖掘算法；
    掌握数据分析在各行业的应用场景；
    可以独立完成数据建模；
    可以独立完成数据报告撰写；
    学会团队协作，分工完成大型项目。

  • WHO 学习对象和基础

    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



课程案例，项目特训

点击图片任何区域可放大

决策树保险行业应用案例

案例介绍 美国某保险公司，现在有一款新的医疗保险产品准备上市，主要是针对65岁以上的人群推出的医疗附加险，销售渠道是直邮。为保险公司产品做用户画像，找出最具有购买倾向的人群进行保险营销。
点击图片任何区域可放大

xgboost案例-酒店房型产品订购预测 ...

案例介绍 本案例企业每天会向上亿的会员提供全方位的旅行服务，海量的网站访问产生了海量的数据，从中挖掘潜在的数据对企业新一轮的爆发期提供数据支撑，是我们分析的主要目标。

01章业务分析基础技能

01-01数据分析概述
01-02常用高阶函数
01-03条件格式应用
01-04数据透视表高阶应用
01-05图表进阶
01-06项目排期管理
01-07案例背景介绍
01-08动态考勤表制作
01-09每月考勤统计
01-10考勤汇总统计
01-11常用指标概述
01-12基础指标统计
01-13人力资源指标体系概述
01-14案例背景介绍
01-15员工绩效评定思路解析
01-16实操绩效统计及可视化
01-17案例背景介绍
01-18活动评估报表思路解析
01-19实操活动评估指标统计
01-20指导撰写报表结论
01-21图表应用
01-22零碎需求分析方法论
01-23案例应用-核心产品分析
01-24案例应用-零售业商业智能看板
01-25RFM基础模型及拓展
01-26案例应用-用户画像
01-27树状结构分析方法论概述
01-28案例应用-汽车行业分析报告

02章数据库应用技能

02-01数据库简介
02-02表结构的特点
02-03数据库分类
02-04MySQL简介
02-05数据库基本结构
02-06SQL语言分类
02-07SQL书写要求
02-08创建、使用及删除数据库
02-09创建表
02-10数据类型
02-11约束条件
02-12修改及删除表
02-13插入数据
02-14批量导入数据
02-15更新数据
02-16删除数据
02-17查询指定列
02-18查询不重复记录
02-19条件查询
02-20常用运算符
02-21空值查询
02-22设置别名
02-23模糊查询
02-24查询结果排序
02-25限制查询
02-26聚合运算
02-27分组查询
02-28分组后筛选
02-29内连接
02-30左连接
02-31右连接
02-32合并查询
02-33标量子查询
02-34行子查询
02-35列子查询
02-36表子查询
02-37字符串函数
02-38数学函数
02-39日期和时间函数
02-40分组合并函数
02-41逻辑函数
02-42开窗函数
02-43进阶练习
02-44数据来源及业务背景
02-45表关系梳理
02-46数据导入及字段处理
02-47数据查询

03章商业智能分析技能

03-01数据仓库结构说明
03-02基于数据仓库的数据处理方法
03-03数据仓库数据处理进阶
03-04数据仓库应用案例
03-05创建多维数据模型
03-06理解多维模型表连接规则
03-07业务数据分析指标介绍
03-08业务数据汇总分析进阶
03-09时间维度分析方法说明
03-10业务背景介绍
03-11理解及加工处理数据
03-12可视化界面创建方法介绍
03-13制作零售业销售情况分析仪
03-14业务背景介绍
03-15客户价值模型说明
03-16数据加工处理
03-17制作电商客户行为分析仪
03-18业务背景介绍
03-19理解餐饮业关键运营指标
03-20数据加工处理
03-21制作餐饮业日销售情况监控仪
03-22电商业务背景介绍
03-23电商流量指标体系说明
03-24数据加工处理
03-25制作电商流量分析仪
03-26业务背景介绍
03-27进销存关键指标说明
03-28数据加工处理
03-29制作经销商经营情况分析仪
03-30业务背景介绍
03-31数据说明
03-32制作车企销售情况分析仪
03-33由讲师介绍业务背景
03-34由讲师提供数据
03-35由学员独立完成业务分析仪的制作过程
03-36由学员分组发表制作成果并由讲师点评

04章数据挖掘数学基础

04-01函数
04-02极限
04-03微分及应用
04-04定积分
04-05向量
04-06线性方程组
04-07线性变化与矩阵
04-08矩阵乘法
04-09行列式
04-10矩阵的秩
04-11逆矩阵
04-12点乘与内积
04-13外积
04-14特征值与特征向量
04-15集中趋势的度量
04-16离散程度的度量
04-17偏态与峰态的度量
04-18统计量概念与常用统计量
04-19抽样分布
04-20样本均值的分布与中心极限定理
04-21样本比例的抽样分布
04-22两个样本平均值之差的分布
04-23样本方差的分布
04-24假设检验的基本概念
04-25一个总体参数的检验
04-26两个总体参数的检验
04-27分类数据与X2统计量
04-28拟合优度检验
04-29列联分析：独立性检验
04-30线性关系的方向和强度
04-31协方差
04-32相关系数
04-33一元线性回归模型
04-34多元线性回归模型
04-35逻辑回归模型

05章Python编程基础

05-01Python简介
05-02Python安装环境介绍
05-03Python常用IDE及Jupyter介绍
05-04Python第三方库安装
05-05编码与标识符
05-06Python保留字
05-07注释和缩进
05-08输入和输出
05-09变量及赋值
05-10数值
05-11字符串
05-12布尔值
05-13列表
05-14元组
05-15集合
05-16字典
05-17条件语句: If
05-18循环语句For和While
05-19Break语句
05-20Continue语句
05-21Pass语句
05-22错误和异常捕捉语句
05-23异常和错误处理
05-24逻辑判断函数
05-25数值运算函数
05-26序列函数
05-27类型转换函数
05-28函数定义
05-29函数参数
05-30默认参数
05-31变量作用域
05-32全局变量和局部变量
05-33匿名函数
05-34列表生成式
05-35高级函数: map、Reduce、 filter等
05-36模块概念介绍
05-37import模块导入
05-38自定义模块
05-39文件读写
05-40利用Python操作文件和目录
05-41类的定义
05-42类对象
05-43类方法
05-44Python连接数据库方法
05-45利用Python操作数据库

06章Python数据清洗

06-01NumPy基本介绍
06-02NumPy基本数据结构: Ndarray
06-03数组的索引与切片
06-04数组其他常用函数与方法
06-05Pandas基本数据结构: Series与DataFrame
06-06索引、切片与过滤
06-07排序与汇总
06-08DataFrame简单处理缺失值方法
06-09数据集的合并与连接
06-10重复值的处理
06-11数据集映射转化方法
06-12异常值查找与替换
06-13排序和随机抽样
06-14DataFrame字符串常用操作
06-15DataFrame分组操作
06-16DataFrame聚合操作
06-17DataFrame透视表的创建方法
06-18数据的获取与存储
06-19数据探索
06-20数据清洗实战案例一
06-21数据清洗实战案例二

07章Python数据可视化

07-01数据可视化入门
07-02常用可视化第三方库介绍: matplotlib、seaborn、PyEcharts
07-03常用可视化图形介绍，如饼图、柱图、条形图、线图散点图等
07-04图形选择
07-05Pandas绘图方法
07-06图例配置方法和常用参数
07-07颜色条配置方法和常用参数
07-08subplot多子图绘制方法
07-09文字与注释、自定义坐标轴方法
07-10Seaborn入门介绍
07-11Seaborn API介绍
07-12Seaborn绘图示例
07-13Echarts介绍
07-14PyEcharts API介绍
07-15PyEcharts绘图示例

08章Python统计分析

08-01数据描述
08-02数据分布与统计信息
08-03数据角色定义
08-04大数据存储
08-05最小二乘估计
08-06线性回归与相关
08-07线性回归与方差分析
08-08数据分析流程
08-09多元线性回归的假设
08-10正态分布问题
08-11异方差问题与处理
08-12异常值问题与处理
08-13共线性问题与处理
08-14内生性问题与处理
08-15logistic回归与卡方
08-16最大似然估计
08-17logistic回归解析
08-18评分与预测
08-19分类比例平衡问题
08-20工具变量的使用
08-21哑变量处理
08-22变量筛选

09章机器学习快速入门

09-01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
09-02Python机器学习算法库Scikit-Learn入门介绍
09-03超参数与模型验证：学习曲线、网格搜索
09-04特征工程概念介绍
09-05分类特征、文本特征
09-06图像特征、特征衍生
09-07缺失值填充、特征管道
09-08KNN基本原理
09-09KNN函数详解
09-10KNN高级数据结构实现
09-11原理补充：归一化方法、学习曲线、交叉验证
09-12KNN-最近邻分类器
09-13KNN算法示例
09-14无监督学习与聚类算法
09-15聚类分析概述与簇的概念
09-16距离衡量方法
09-17聚类目标函数和质心计算方法
09-18Scikit-Learn实现K-Means及主要参数解
09-19决策树工作原理
09-20构建决策树（ID3算法构建决策树及局限性）
09-21C4.5与CART算法
09-22决策树的Scikit-Learn实现：八个参数、一个属性、四个接口解析
09-23分类模型的评估指标（混淆矩阵原理）
09-24实例：泰坦尼克号幸存者的预测
09-25过拟合与欠拟合
09-26决策树算法评价（优点与缺点）
09-27决策树在保险行业中的应用

10章机器学习进阶

10-01线性回归概述
10-02多元线性回归基本原理
10-03模型参数求解方法
10-04回归类模型评价标准:精准性、拟合度
10-05多重共线性与岭回归、Lasso
10-06非线性问题及其处理方法
10-07多项式回归
10-08MSE
10-09R^2
10-10最小二乘法
10-11梯度下降
10-12名为“回归"的分类器
10-13二元逻辑回归的损失函数
10-14逻辑回归的重要参数
10-15梯度下降求解逻辑回归最小损失函数
10-16概率分类器概述
10-17朴素贝叶斯概述
10-18不同分布下的朴素贝叶斯
10-19高斯贝叶斯下的拟合效果与运算速度
10-20多项式朴素贝叶斯及其优化
10-21AUC
10-22ROC
10-23关联规则概述:频繁项集的产生与
10-24关联发现
10-25Apriori算法原理:先验原理
10-26使用Apriori算法来发现频繁项集(生成候选项集(函数的构建与封装)、项集迭代函数)
10-27协同概率概述
10-28协同过滤算法分类
10-29基于商品的协同过滤
10-30基于协同过滤的商品个性化推荐
10-31集成算法概述Bagging Vs Boosting、集成算法的认识
10-32随机森林分类器的实现:重要参数、重要属性和接口
10-33随机森林回归器的实现:重要参数、属性与接口
10-34机器学习中调参的基本思想(泛化误差)
10-35调参应用:随机森林在乳腺癌数据上的调参
10-36MSE
10-37R^2
10-38最小二乘法
10-39梯度下降
10-40数据处理概述
10-41数据量纲处理:归一化、标准化
10-42缺失值处理
10-43分类型数据处理:数据编码与哑变量
10-44连续性数据处理:二值化与分箱
10-45特征选择:过滤法、嵌入法、包装法
10-46SVM概述: SVM工作原理
10-47SVM模型构建
10-48线性SVM:线性SVM的损失函数、函数间隔有几何间隔、SVM决策边界
10-49非线性SVM: SVC模型概述、重要参数、核函数、SVC重要参数(C、class weight)
10-50感知机
10-51多层感知机
10-52初识神经网络
10-53梯度提升树概述
10-54XGBoost选择若分类器
10-55求解目标函数
10-56参数化决策树
10-57建立目标函数与树结构的直接关系
10-58贪婪算法与求解最优树
10-59XGBoost的剪枝参数:减轻过拟合
10-60XGBoost分类中的样本不均衡问题处
10-61基于XGboost的航空预测

11章评分卡案例

11-01评分卡业务逻辑介绍
11-02案例业务背景介绍
11-03基本分析工具与环境准备
11-04数据准备
11-05数据预处理
11-06数据比例调节：过度抽样
11-07构造训练集和测试集
11-08变量相关性分析
11-09数据的缺失值与异常值
11-10变量数据类型重编码
11-11Logistic模型原理回顾
11-12Logistic建模
11-13利用Logistic模型进行变量筛选
11-14分类模型评估指标回顾
11-15过度抽样调整
11-16收益矩阵
11-17模型转化评分卡
11-18Python模型部署方法
11-19构建机器学习流
11-20模型效果监测与更新

12章电商零售

12-01项目商业问题简述
12-02项目策略与方法
12-03项目推荐计划
12-04项目时间规划
12-05购买倾向模型
12-06方法原理介绍
12-07目标以及数据介绍
12-08Python算法实现（Gradient Boosting）
12-09建模结果解读
12-10购买倾向模型
12-11目标以及数据介绍
12-12Python算法实现
12-13建模结果解读
12-14活动设计
12-15结果评价

13章Python网络爬虫（录播）

13-01网络爬虫定义
13-02网络爬虫用途
13-03通用搜索引擎工作的原理和局限性
13-04爬虫基本原理与流程
13-05常见网络爬虫分类
13-06基于IP地址搜索策略
13-07广度优先搜索策略
13-08深度优先搜索策略
13-09最佳优先搜索策略
13-10http基本原理介绍
13-11http请求过程
13-12网页组成
13-13HTML：超文本标记语言
13-14CSS：层叠样式表
13-15网页样式
13-16JavaScript(JS)
13-17网页的结构
13-18爬虫基本流程
13-19抓取数据的数据类型解析
13-20JavaScript渲染页面
13-21cookies介绍
13-22爬虫代理
13-23Robots协议介绍
13-24爬虫攻防入门

14章Tableau数据分析（录播）

14-01Tableau产品介绍
14-02Tableau操作界面介绍
14-03Tableau常用功能介绍
14-04Tableau连接数据源方法
14-05层级与下钻
14-06排序和分组
14-07创建和使用集
14-08筛选方法：筛选栏和筛选器
14-09数据处理常用参数
14-10参考线与趋势线
14-11常用预测方法
14-12可视化基本方法论
14-13初级图表绘制方法：条形图、折线图、饼图、文字云、散点图、地图、树形图、气泡图等
14-14高级图表：子弹图、环形图、瀑布图、Bump Chart、Table Formatting
14-15使用Tableau制作仪表板
14-16逻辑运算
14-17数值运算
14-18字符串处理函数
14-19日期函数
14-20聚合函数
14-21数据背景和需求分析
14-22数据读取与预处理
14-23Top N客户汇总分析
14-24Top N客户销售额分析

硬核服务

  • 朝九晚九全程跟班答疑

    助教线上服务时间由原先的上课期间答疑调整为课程持续期间答疑，包括中途休息时间；同时，每日答疑时间由原先的“朝九晚六”调整为“朝九晚九”，全面覆盖同学晚自习时间。

  • 一对一督学

    每个班级、每位同学、每月都会进行至少一次一对一辅导，询问同学学习状态、解决学员学习问题；同时，针对每个模块测试结果后10%的学员进行额外辅导，以确保学员能够跟上学习进度。

  • 定期直播串讲

    对于重难点知识和同学普遍反应的问题，助教将进行每周1-2次的晚自习串讲，串讲时常为2小时左右，且相关内容需要重新制作、有别于课程内容，帮助同学攻克重难点知识。

  • 五分钟内有问必答

    助教线上服务要求5分钟内有问必答，并能真正做到解决所有课程中遇到的问题。在原先每个班一个助教+一个班主任的配置下，调整为每个班2名助教+项目服务团队的模式，以确保快速、高质量的解决线上提问。

  • 出勤率和进度监督

    在课程持续期间，助教还需实时统计学员出勤情况，监督课堂纪律，跟进学习进度。除正常答疑外，服务团队会与班级同学保持沟通、给予正确指引，从而营造积极学习氛围。

  • 作业与测试

    在远程授课期间，每个课程会安排相关课后作业，确保同学课下能够进行适当练习，提升同学实时参与感、保证当日学习效果。除了作业，服务团队还会组织学员进行阶段性测试，以考试性质为主，主要考察学员对本阶段知识掌握程度。

来自业界的数据领袖团队

  • 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”，IBM SPSS-China/SAS-Taiwan 顾问

  • 张志绮

    德勤高级咨询顾问/创业公司数据科学家 经验涉及快消、通信、互联网餐饮、银行等多个领域的咨询项目； 涉及短视频、电商、数据平台等多个领域的投资尽调项目； 涉及快消、品牌商领域的数据建模项目，如智能定价、精准推荐、选品等。 专精于企业业务数据分析、数据可视化、制定及实施商业智能业务解决方案。

  • 唐绍祖

    CDA数据科学研究院教学总监 长期处于CDA数据分析教学第一线，熟练使用Excel、Power BI、SPSS、Python等工具进行数据清洗和数据分析工作，专注MySQL数据库和Python课程的教学授课工作，对SPSS和SAS等数据分析工具有所研究。

  • 李奇

    奇意咨询创始人，微软Excel MVP（Excel最有价值专家），电子表格应用大会主席，经管之家资深签约讲师，拥有丰富的企业咨询服务及数据分析线上及线下培训经验， 曾任IBM销售管理团队数据分析项目组长及德勤数据分析团队高级咨询顾问，主持过多个大型企业数据分析及管理咨询项目，助力多家企业提高业务决策力及数据生产力。线下、线上培训经验超800次、培训人数超30万人

几乎所有行业

都稀缺独当一面的CDA数据分析师®人才

在招聘市场上，越来越多的企业要求持CDA数据分析师®证书

GROWN

开启数据科学家成长之路

考核通过后，可获得CDA数据分析师中英文双证书，其中中文证书由教育部中国成人教育协会认可，英文证书由CDA INSTITUTE认证。
“CDA数据分析师认证”是一套科学化，专业化，国际化的人才考核标准，共分为CDA LEVELⅠ ，LEVEL Ⅱ，LEVEL Ⅲ三个等级，涉及行业包括互联网、金融、咨询、电信、零售、医疗、旅游等，涉及岗位包括大数据、数据分析、市场、产品、运营、咨询、投资等。该标准符合当今全球数据科学技术潮流，可以为各行业企业和机构提供数据人才参照标准。

  • CDA LEVEL I

    人人皆需的职场数据思维与通用数据技能 数字化赋能 · 业务数据分析师

    面向范围

    • 零基础就业转行者、应届毕业生
    • 产品、运营、营销等业务岗与研发、技术岗在职者
    • 企业创始人、经理人、管理咨询类岗位从业者

    岗位去向

    商业（业务）分析师初级数据分析师
    （数据）产品运营（数字）市场营销
    数据专员...

    考试大纲

    考试报名

  • CDA LEVEL II

    商业人才必备的数据分析流程与技能 中高级商业数据分析师

    面向范围

    • 产品、运营、营销等业务部门与研发、中台、技术类部门数据分析相关岗位在职者
    • 数字化转型企业创始人与数字化流程中相关负责人

    岗位去向

    数据分析师（数据）产品运营经理
    （数字）营销经理风控建模分析师
    量化策略分析师数据治理（质量）...

    考试大纲

    考试报名

  • CDA LEVEL III

    数字化人才必备机器学习算法与高级数据科学应用 算法工程师 · 数据挖掘岗

    面向范围

    • 业务岗与技术岗从事数据分析、数据挖掘、机器学习等技术在职提升者
    • 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

    岗位去向

    高级数据分析师机器学习工程师
    算法工程师数据科学家
    首席数据官...

    考试大纲

    考试报名

EXAM

CDA认证报考开放化

CDA认证LEVELⅠ 对于考生的学历、专业、技能等没有限制性报考条件，在与全球计算机化考试服务商Pearson VUE达成深度合作后LEVELⅠ更是随报随考机制。
查看CDA认证报考流程 

VALUE

CDA证书的价值

  • 权威性AUTHORITY
    CDA数据分析师人才行业标准获得中成协的认可，由国际范围内数据科学领域行业专家、学者及知名企业共同制定并于每年修订更新，保证标准的公立性、权威性、专业性、前沿性，CDA证书已获得如中国银行、招商银行、中国烟草、IBM大数据大学，中国电信，国家电网，苏宁易购，德勤，猎聘，CDMS等企业机构的认可。
  • 专业性speciality
    CDA认证是根据数据科学专业岗位设立的科学化，专业化，国际化的人才考核标准。考试与国际知名考试服务机构Pearson VUE合作，随报随考、专家命题、评分公平、流程严格，更具含金量。
  • 权益性rights
    CDA持证人自动纳入为CDA会员并享有系列特殊权益。证书皆绑定考生真实身份，可在CDA认证考试中心查询，证书确保唯一性与防伪性，持证人还可获得电子徽章，加入到Linkedin个人档案中。证书三年审核一次，保证持证人的实力与权益。

RIGHTS

CDA持证人的权益

  • 会员资格

    吸纳为CDA Institute、CDA数据分析师俱乐部会员，活动中具有优先报名参与权

  • 职业发展

    可优先获得CDA内部就业及职业发展推荐

  • 免费CDA活动

    免费参与CDAS行业峰会等各项活动，CDA持证人享受特权位置

  • 兼职机会

    有机会加入CDA数据分析教学、研发等项目

  • 黄金会员

    免费享有AIU人工智能学院1个月黄金会员，内含国外前沿数据科学学习等海量资源

  • 免费资源

    经管之家论坛学习资源、优秀文献资料免费下载权

  • Q:上课形式是怎么样的？

    A:受疫情影响，CDA数据分析就业班采取远程直播授课的形式，足不出户即可学习到优质课程。线上直播 + 录播视频 + 线上答疑，充分保障同学们的学习效果。

  • Q:学员课下如何与老师进行互动？

    A:CDA课程每期都会建立QQ群和微信群，工作日有老师和助教负责答疑，早九晚九；同时学员可以在讨论区以帖子的形式向老师提问，老师会在工作日的48小时内回复。

  • Q:远程班是录播还是直播？

    A:远程班采取直播平台+ 线上答疑，同步现场班上课时间，错过直播学员可以观看视频。

  • Q: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，可以再跟着免费学一期。目前咱们还没有出现过这样的情况，对于学员来讲都是想尽快掌握技术能够运用到工作中。

  • Q:培训后负责就业吗？

    A:我们课程设计就是以就业为导向。安排专职就业老师，从就业指导、面试模拟、毕业答辩会等全方面的就业服务和就业推荐。

  • Q:上课时间是怎么安排的？

    A:每天上课时间：9:30-12:00,13:30-17:00，晚自习时间：18:30-20:30，每周上课5天左右。
数据分析师 新媒体账号商城 AIU人工智能学院 Peixun.net CDA协会官网 金多多教育 精英学院 A+学院

CDA教育闭环

常见问题

关于我们

CDA数据分析师公众号

  • CDA数据分析师公众号

CDA考试中心服务号

  • CDA考试中心服务号
友情链接(合作QQ:1643607533)： 餐饮招商 成都房产 苏州房产 在职研究生 大数据发展规划 陕西人事考试网 CG教育 河南人事考试网 驾驶员考试 论文网 app制作 八爪鱼采集器 服务器租用 软件自学 香港服务器 山西人事考试网 惊呼网考研辅导 上海教育培训
Copyright © 2015-2021, www.cda.cn All Rights Reserved. CDA数据分析师(北京国富如荷网络科技有限公司) 版权所有 京ICP备11001960号-9 京公网安备 11010802034615号 经营许可证编号：京B2-20210330
公司地址：北京市海淀区高粱桥斜街59号中坤大厦1305 联系电话：010-62719935

OK