CDA数据科学研究院 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 > 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

21800

立即报名 咨询老师

CDA 数据分析师脱产就业班

 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

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。
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。

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

  • 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

  • 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。
  • 唐绍祖

    CDA数据分析研究院资深讲师

    CDA数据分析研究院Python系列课程资深讲师,CDA数据分析研究院课程研发成员,经管之家SPSS栏目撰稿人,参与编写《SPSS Modeler+Weak数据挖掘从入门到实战》。
  • 安晓飞

    中国农业大学 博士

    副教授,CDA数据分析研究院讲师,具有深厚的数理统计与应用专业背景,近十年的数据挖掘与人工智能算法实践经验,承担或参与完成多项数据挖掘分析相关项目。
  • 丁亚军

    南京上度咨询数据分析总监

    现任职于南京上度市场咨询有限公司,人大经济论坛数据处理中心数据分析顾问,SAS、SPSS 软件讲师、中国学习路径图国际中心技术顾问。曾参与2012 国家宏观经济预测、中国城镇居民家庭投资调查、泸州老窖目标管理与绩效考核、中国卫生状况调查、江苏广电 CRM 数据挖掘等大型数据处理项目。
  • 倪向洋

    CDA数据分析研究院资深讲师

    CDA数据科学研究院大数据、python课程讲师,CDA命题委员会成员。曾经就职于IBM,有丰富的运维工作和大数据平台搭建经验。目前担任CDA大数据课程以及数据分析课程讲师,主要负责大数据平台搭建,利用机器学习对数据做清洗与分析的工作。擅长将机器学习,自动化运维与分析技术。
  • 朱江

    CDA数据分析师讲师/挪威科技大学工学硕士

    现为CDA数据分析研究院课程开发副总监,精通R语言数据挖掘。从事电商与互联网数据分析的教学工作,CDA数据挖掘竞赛的评委。研究方向为电商推荐系统开发,数据可视化,客户特征提取和客户行为模式发现。
  • 何勇

    CDA数据分析师讲师/复旦大学统计学博士

    从事数据科学与大数据技术相关课程的教学与CDA数据分析师的教学。研究方向为金融大数据分析与建模,社交网络数据建模以及医疗大数据分析。独立或作为项目负责人完成国家、省部级大数据分析科研项目。
  • 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: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。

OK