cda

您的位置:首页 > 课程列表 > CDA数据分析周末集训班-python方向

CDA数据分析周末集训班-python方向

CDA数据分析周末集训班-python方向

难度:


周期: 3个月

9900

  原价:¥9900
  

立即报名 体验课程

CDA数据分析周末集训班-python方向

 姓名:

 电话:

 邮箱:

   备注:

邀请码:

提交信息
  • WHAT 课程简介

    数据是信息时代的“新能源”。从金融到零售,从电商到体育,数据科学都成为成功决策的基础,广泛应用在营销优化、风险控制、客户关系等商业领域。 【CDA数据分析周末集训班-python方向】以CDA数据分析师标准等级大纲要求出发,从数据获取(Python爬虫、Mysql数据库)—统计学理论方法—数据分析与软件应用(Python)—数据挖掘和机器学习(Python)—数据可视化(Matplotlib,Seaborn等)整套数据分析流程技术系统讲解,还将结合量化投资、金融、银行、电信等行业真实需求出发全部用实际案例教学来使所学项目课程更能符合企业要求。
  • WHY 学习目标

    使用Python爬虫获取网络数据,使用Mysql进行数据的存储和查询
    掌握数据分析基础理论和常用分析法,使用统计分析方法进行验证
    结合机器学习方法进行预测并清晰传达你的洞察
    使用可视化方法Matplotlib,Seaborn,Pyecharts等发现数据中的模式规律
    掌握使用Python进行数据分析全流程
  • WHO 学习对象和基础

    学生、转行欲从业人士
    在职数据分析师
    对Python数据分析和挖掘感兴趣的业界人士
    学习前有统计基础最佳



课程案例,项目特训

点击图片任何区域可放大

外呼营销预测案例

案例介绍 线性回归是利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法,运用十分广泛。线性回归的目的是评估预测变量在解释反应变量的变异或表现时的显著性,在给定一个或多个预测变量值的情况下预测反应变量值。 技能涉及 想要使用线性回归建模,你需要掌握相关分析、变量筛选、正则化方法、最小二乘法、极大似然估计、回归诊断、残差分析、强影响点分析等知识点。
点击图片任何区域可放大

各省市GDP数据地图展示

案例介绍 pyecharts 是一个用于生成 Echarts 图表的类库。Echarts 是百度开源的一个数据可视化 JS 库。用 Echarts 生成的图可视化效果非常棒,pyecharts 是为了与 Python 进行对接,方便在 Python 中直接使用数据生成图。 技能涉及 掌握Pyechart,你可以自由绘制基础的条形图、饼图、散点图、漏斗图、仪表盘、雷达图,也可以绘制高级的地图、关系图、词云图、用户自定义图形等。

01Python编程基础与Pandas数据分析

01-01数据分析的武器库
01-02数据分析工具Python介绍
01-03Python的基本数据类型
01-04Python的基本数据结构
01-05Python的程序控制
01-06Python的函数与模块
01-07使用Pandas读取结构化数据
01-08描述性统计与探索型数据分析
01-09Pandas高级:分组汇总及交叉表
01-10使用Python绘制统计图形
01-11数据整合:行列操作、条件查询、横向合并、纵向合并、排序分组、拆分堆叠列
01-12数据清洗:错误值、重复值、缺失值、噪声值、分箱方法

02Mysql数据库基础

01-01Mysql数据库知识介绍
01-02Mysql数据库的基本操作
01-03Mysql数据表的基本操作
01-04Mysql数据类型和约束条件
01-05数据的CRUD操作之增加、删除、修改数据表
01-06SQL数据库单表查询和联合查询
01-07SQL操作符和函数
01-08SQL综合案例:彩票数据核对练习
01-09SQL综合案例:电商数据查询练习

03数据分析之统计学基础

01-01数据分析行业与知识简介
01-02概率论基础知识
01-03描述性统计分析
01-04统计量与抽样分布
01-05参数估计:点估计和区间估计
01-06假设检验方法
01-07方差分析的基本原理和操作

04使用Python进行网络爬虫

01-01网络爬虫基础知识
01-02网络请求及响应-requests库
01-03HTML文档解析-BeautifulSoup库
01-04常见反爬虫机制及应对
01-05网络爬虫 VS 网络数据抓取
01-06实战1:批量下载头像
01-07实战2:抓取豆瓣书籍简介
01-08实战3:模拟浏览器selenium抓取电商商品信息及评论

05Python进行统计与回归分析

01-01统计学基本概念回顾
01-02Python实操 - 假设检验与单样本T检验
01-03Python实操 - 双样本T检验
01-04Python实操 - 方差分析
01-05Python实操 - 相关分析
01-06Python实操 - 卡方检验
01-07简单线性回归与多元线性回归
01-08多元线性回归的变量筛选
01-08线性回归诊断方法- 残差分析、强影响点分析、多重共线性分析
01-09正则化方法 - 岭回归和LASSO回归
01-10Logistic回归的相关关系分析
01-11Logistic回归模型及实现
01-12Logistic回归的极大似然估计
01-13Logistic回归模型评估方法 - ROC曲线
01-14案例:银行业 - 月均信用卡支出数据集
01-15案例:汽车业 - 汽车贷款违约数据集

06Python进行降维与其他分析方法

01-01多元统计基础与变量约减的思路
01-02主成分分析方法
01-03因子分析模型与算法
01-04独立成分分析ICA
01-05市场分析其他方法:对应分析( Correspondence Analysis )
01-06市场分析其他方法:多维尺度分析( Multi-Dimensional Scaling,简称MDS )
01-07案例1:城市经济发展水平数据集
01-08案例2:电商购物信息数据集

07Python进行时间序列和综合案例分析

01-01时间序列分析简介
01-02时间序列模型介绍-AR和MA
01-03平稳的时间序列模型-ARMA
01-04非平稳的时间序列模型-ARIMA
01-05ARIMA平稳性检验与预测的评价指标
01-06BOX-JENKINS建模流程
01-07寻找最优模型
01-08干预分析模型-ARMAX
01-09企业案例1:电信公司网络咨询电话呼入人数预测
01-10企业案例2:Google Index–关键字之Python 趋势预测

08Python数据可视化

01-01绘图思想的基本原理
01-02Python数据可视化包-Matplotlib介绍
01-03使用Matplotlib进行基本的图形绘制
01-04使用Python数据处理包Pandas做可视化
01-05Python数据可视化包-Seaborn介绍与图形绘制
01-06Python数据可视化包-Pyecharts介绍与图形绘制
01-07使用Python进行地图绘制-Pyecharts

09期中项目作业

01-01课题1:电商客户价值预测
01-02课题2:网站流量数据分析
01-03课题3:信用卡客户流失预警
01-04课题4:银行电话营销响应分析
01-05以上课题仅供参考

10Python数据挖掘与预测型数据挖掘模型Part1

01-01数据挖掘概要
01-02数据挖掘的方法和原理
01-03数据挖掘基础和进阶技术概述
01-04数据预处理技术:字段选择-数据清洗-字段扩充-数据编码
01-05人工特征工程:特征构造 - 特征抽取 - 特征选择
01-06决策树建模思路
01-07Quinlan系列决策树(ID3、C4.5、C8.0)建模原理
01-08CART建模原理
01-09决策树模型修剪
01-10决策树模型效果评估
01-11案例:使用决策树进行初始信用评级

11Python预测型数据挖掘模型Part2

01-01了解神经网络的基本概念
01-02明确人工神经网络结构
01-03神经元模型
01-04掌握BP神经网络学习算法
01-05多层感知器的scikit-learn代码实现
01-06贝叶斯公式与分类原理
01-07朴素贝叶斯的参数估计
01-08在Python中实现朴素贝叶斯
01-09KNN算法原理与Python代码实现
01-10线性可分与线性不可分
01-11线性可分的支持向量机
01-12线性支持向量机与软间隔最大化
01-13非线性支持向量机与核函数
01-14集成学习方法:Bagging、Boosting、随机森林

12Python进行描述性数据挖掘模型

01-01聚类算法的概述
01-02聚类算法基本概念
01-03聚类模型的评估
01-04层次聚类原理与R实现
01-05基于划分的聚类K-means的原理及应用
01-06详谈基于密度的聚类方法与Python实现
01-07案例:通信客户业务使用偏好聚类
01-08关联规则的一些基本概念
01-09关联规则Ariori算法的原理与Python实现
01-10关联规则FP-growth算法
01-11序列模式的简介与概念
01-12序列模式AprioriAll算法与Python实现
01-13基于用户和商品的的协同过滤算法

13期末项目作业与答辩

01-01课题1:银行客户聚类分析
01-02课题2:房贷客户进件违约风险预测
01-03课题3:零售业客户忠诚预测
01-04课题4:电信业营销响应预测模型
01-05以上课题仅供参考

来自业界的数据领袖团队

  • 吴昊天

    CDA数据分析研究院技术负责人兼高级讲师/CDA LEVEL II大数据分析师等级考试命题组组长

    曾就职于电子科技大学大数据中心,从事医疗大数据分析相关工作,拥有丰富的海量数据分析经验、算法研发经验、省级数据平台搭建经验,拥有算法专利若干,主要研究方向为机器学习和深度学习。
  • 赵仁乾

    CDA数据分析研究院讲师/北京邮电大学管理科学与工程硕士

    现就职于北京电信规划设计院,从事移动、联通集团及各省分公司市场、业务、财务规划、经济评价及运营咨询。重点研究方向包括离网用户挖掘、市场细分与精准营销、移动网络价值区域分析、潜在价值客户挖掘等。
  • 李武卿

    美库尔主管高级分析师

    具备多年Python,R, SAS语言数据挖掘与机器学习经验。负责过戴尔(美国地区)潜在客户挖掘项目; 美国某银行信用卡违约预测项目;宜家(中国地区)潜在有价值的商品购买组合发掘;也长年负责美库尔公司内部PYTHON数据挖掘员工培训。

向优秀学姐学长们学习

  • 王同学

    量化数据分析师

    课程比较实用实用,对工作有帮助,确实得到了提升,王老师的课程风趣幽默,常老师的课程仔细认真,讲解比较细致,网络助学也有帮助,还有学员互动很不错。
  • 郑同学

    数据分析师

    最感兴趣的是对数据分析整体工作的理解。对于老师们扩展的相关行业比较实际的应用,我觉得挺好的。希望讲一点深度学习的内容
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:请问3个月课程时间怎么安排的?

    A:CDA数据分析师周末集训班-Python专题课程采用7周面授+3周线上+期中和期末小组答辩形式,完备课程体系+理论和实操并重,同时赠送全套录播视频可以反复观看,学习中的疑问也有内部交流群。
  • Q:学员课下如何与老师进行互动?

    A: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;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和实践中。

OK