CDA数据科学研究院 CDA考试中心 企业服务 关于CDA

cda

全国校区

您的位置:首页 > 课程列表 > CDA 数据分析师脱产就业班

  • 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

05Python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

06Python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

07Python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

08Python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

13Python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

14Tableau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

来自业界的数据领袖团队

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

OK