cda

您的位置:首页 > 课程列表 > CDA全栈数据科学集训营(七个半月)

CDA全栈数据科学集训营(七个半月)

CDA全栈数据科学集训营(七个半月)

难度:


周期: 7个半月

26800

1.21~2.03 报课早鸟价优惠1000元

立即报名 咨询老师

CDA全栈数据科学集训营(七个半月)

 姓名:

 电话:

 邮箱:

   备注:

邀请码:

提交信息
  • WHAT 课程简介

    CDA全栈数据科学集训营包含了 LEVEL I业务数据分析师课程和LEVEL 2机器学习工程师课程和深度学习内容。其中LEVEL I包含BI商业智能与数据可视化实战与数据分析师-非编程方向课程内容,帮助学员全面掌握EXCEL、Mysql、PowerBI、Tableau商业智能、数据分析、可视化技能;包含业务数据分析师-非编程课程包含数据库管理(Mysql)、统计理论方法、数据分析软件应用(SPSS)、SPSS建模在内的内容。两个模块课程的结合使学员能够在有一定统计学基础的基础上,掌握两个比较主流的数据分析工具以及两个高级可视化工具,使学员全面发展,能够独立完成项目分析、项目展示,并具备发掘数据背后逻辑的能力和一定的决策能力。LEVEL 2 Python机器学习实战课程涉及到Python基础、数据清洗、Python爬虫、数据可视化(Matplotlib、Seaborn、Pyecharts)和python机器学习算法等内容,并结合互联网金融、电信、银行、医疗、交通等行业实际案例来帮助学员建立整套的数据分析思路,使学员更符合企业要求。深度学习部分属于数据科学的高级课程,涉及到人工智能的数学基础、深度学习的常用工具介绍(Tensorflow、Keras、Caffe、PyTorch)、深度学习在各个领域的应用、深度学习高级算法等内容。
  • WHY 学习目标

    以数据化、商业智能、数据分析思维指导业务工作
    掌握Excel和Power View高级数据可视化技能
    掌握开发自动化交互式报表能力
    掌握使用Mysql进行增删改查操作数据库能力
    熟练使用EXCEL、SQL、BI、SPSS、python等工具
    掌握SPSS的数据分析的方法和制图技巧
    学会构建机器学习算法进行分类、预测和聚类模型
    善用机器学习解决用户画像、精准营销、风险管理等商业问题
    使用机器学习实操电商、金融、电信、医药行业真实项目案例
    学会团队协作,分工完成大型数据分析项目
  • WHO 学习对象和基础

    零基础欲系统提升学员
    在校高年级学生、转行欲从业人士
    待业、期待转行从事数据分析工作人员
    对数据分析和挖掘感兴趣的业界人士
    可借助数据分析提高工作效率的产品、运营、市场岗位人员

01Excel数据分析基础

01-01数据分析概述—数据分析流程、方法、在企业管理中的应用
01-02数据分析师职业介绍—基于猎聘网数据分析师报告
01-03数据分析工具Excel概述
01-04Excel基本数据类型操作
01-05Excel函数与公式功能
01-06Excel条件格式
01-07Excel数据透视表功能
01-08 Excel基本图表功能—柱形图、饼图、折线图、气泡图、雷达图等
01-09基本数据处理方法介绍

02Excel数据分析进阶-Power BI商业智能

01-01Power Query基本功能介绍
01-02Power Query进行数据导入
01-03Power Query横向合并与纵向合并数据
01-04Power Query M函数与数据预处理
01-05Power Pivot数据导入功能
01-06Power Pivot搭建多维数据集与多维数据透视
01-07Power Pivot创建层次结构及KPI
01-08Power Pivot综合应用案例:商机相关企业信息
01-09Power Map数据地图创建及应用方法
01-10Power View交互式仪表板创建方法
01-10实战项目:全国主要城市空气质量地图、餐饮业店铺销售状况仪表盘

03Mysql数据库管理

01-01数据库的概念与技术、创建数据库
01-02数据表操作、数据类型与约束条件
01-03数据表插入数据与导入外部数据方法
01-04检查与修改数据表
01-05SQL常用函数介绍
01-06SQL单表查询与多表查询
01-07查询操作符与子查询
01-08SQL实战:使用SQL语句处理及查询电商业务数据

04Tableau商业智能分析

01-01Tableau公司和产品介绍
01-02使用Tableau连接多源数据:本地和数据库
01-03Tableau可视化界面介绍
01-04Tabelau数据分析P1:排序、筛选、计算字段、分层结构
01-05Tableau数据分析P2:集和参数、趋势线、预测区间
01-06初级图表制作:条形图、折线图、饼图、文字云、散点图、地图、树形图、气泡图、图表组合
01-07高级图表制作:子弹图、环形图、瀑布图、Bump Chart、Table Formatting
01-08使用Tableau制作仪表板与故事
01-09实战案例1:某公司销售数据可视化
01-10实战案例2:航班运营状况分析

05商业智能BI可视化综合案例

01-01餐饮案例:使用Mysql+Excel制作业务关键指标实时分析监控
01-02销售管理案例:基于销售漏斗模型搭建销售管理分析仪
01-03财务案例:财务指标杜邦分析仪
01-04零售电商案例:零售电商地域钻取案例

06数据分析之统计学基础-Part1

01-01数据分析方法概述:数据分析过程、数据分析的商业驱动
01-02概率论基础:集合、概率、随机变量、概率密度、公理化
01-03变换和期望:随机变量函数分布、矩、矩列唯一性
01-04常见统计分布:离散分布、连续分布、指数分布、中心极限定理、概率不等式
01-05多维随机变量:联合分布与边缘分布、多层模型与混合分布、二维变化、协方差与相关系数
01-06随机样本的性质:抽样、样本分布

07数据分析之统计学基础-Part2

01-01数据简化原理:似然函数、辅助函数
01-02参数估计:点估计、区间估计、矩估计、贝叶斯估计、EM算法
01-03假设检验:似然比检验、贝叶斯检验、最大功效检验、置信区间、P值、损失函数
01-04渐进评价:相合性、有效性、标准误差、稳健性、LTR的渐进分布、近似极大似然区间
01-05方差分析和回归分析:ANOVA假设、简单线性回归与最小二乘
01-06回归模型:变量有误差时的线性回归、Logistic回归、稳健回归

08SPSS数据分析技术-Part1

01-01数据分析全过程 - 综合绩效案例讲解
01-02SPSS软件综合特征 - 与同类软件对比
01-03SPSS软件介绍 - 数据视图与变量视图
01-04SPSS访问数据源 - 本地和数据库文件访问
01-05如何理解描述数据— 统计和描述性分析
01-06如何理解描述数据— 可视化图形探索
01-07线性回归模型的假设
01-08线性回归分析模型构建
01-09线性回归分析诊断与残差分析
01-10实战:企业员工综合绩效管理

09SPSS数据分析技术-Part2

01-01Logistic回归的相关关系分析
01-02Loigistic回归模型及实现
01-03最大熵模型与极大似然法估计
01-04分类模型评估方法介绍
01-05连续变量的维度规约:主成分分析
01-06聚类分析方法介绍:层次聚类与Kmeans聚类
01-07SPSS客户价值评分模型
01-08使用SPSS进行联合分析
01-09实战1:银行客户信用行为特征分类与违约预测
01-10实战2:降维在消费行为中的应用
01-11实战3:利用RFM模型对电商客户进行细分管理
01-11实战4:购买行为组合与预测

10Python编程基础知识

01-01成为Python高手之前必备基础知识
01-02数据分析的武器库与分析工具Python介绍
01-03Python的基本数据类型和数据结构
01-04Python的程序控制
01-05Python的函数与模块
01-06Python日期和时间处理
01-07Python字符串处理与正则表达式
01-08Python异常处理和文件操作
01-09实战:基于Python的函数创建与商业实操文件操作

11 Python进行数据整理和数据清洗

01-01Numpy中的数据类型--ndarray数组的创建
01-02Numpy数组基础:索引、切片、变形、分裂
01-03Numpy数组运算:通用函数
01-04Numpy数组变形、拼接
01-05Numpy数组计算:广播、聚合、比较和掩码、数组排序
01-06Pandas对象简介:Series、Dataframe、Index
01-07Pandas数据加载与存储
01-08Pandas数值运算方法:通用函数、聚合函数、遍历
01-09Panda层次化索引
01-10Pandas数据处理:数据类型转换、缺失值处理、字符串转换
01-11Pandas数据表的合并与连接
01-12Pandas数据的累计与分组
01-13高性能Pandas:query()、eval()实现高性能运算
01-14Pandas数据规整化:清理、转换、合并、重塑
01-15Pandas时间序列&金融数据处理
01-16实战案例1:泰坦尼克幸存者数据清洗
01-17实战案例2:USDA食品数据清洗

12Python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:新东方批量下载头像
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

13Python进行数据可视化技术

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
01-08数据可视化技巧

14Python进行机器学习和sklearn实战

01-01机器学习和Scikit-Learn简介
01-02机器学习之超参数与模型验证:学习曲线、网格搜索
01-03机器学习之特征工程:分类特征、文本特征、图像特征、特征衍生、缺失值填充、特征管道
01-04KNN-最近邻分类器(实战:改进约会网站配对效果)
01-05朴素贝叶斯分类算法(实战:垃圾邮件过滤)
01-06决策树与随机森林(实战:红酒分类)
01-07线性回归分析(实战:预测鲍鱼的年龄)
01-08Logistic回归分析(实战:构建信用卡反欺诈模型)
01-09支持向量机算法(实战:手写数字识别)
01-10利用AdaBoost元算法提高分类性能(实战:泰坦尼克幸存者预测)
01-11树回归--CART树与Xgboost
01-12无监督学习:K-means聚类
01-13无监督学习:Apriori进行关联分析
01-14无监督学习:FP-growth进行频繁项挖掘
01-15无监督学习:LDA、LSI
01-16简化数据与降维:PCA与SVD

15人工智能的数学基础

01-01高等数学基础:导数与偏导、梯度向量、极值定理、泰勒展开、拉格朗日乘法
01-02线性代数:矩阵与张量、矩阵的正定性、可逆矩阵、雅克比行列式、子空间、范数、哈希空间
01-03降维:PCA/SVD方法
01-04概率论与统计学:常见分布、期望、方差、协方差、熵
01-05优化问题:凸集、凸函数、凸优化、对偶、无约束梯度分析、无约束迭代法、线性回归求解
01-06SVN建模、求解、拓展
01-07EM统计建模
01-08GMM统计建模与实践

16人工智能工具库及其应用

02-01TensorFlow工具简介
02-02张量与图计算
02-03TensorFlow API的构建
02-04TensorFlow 简单API进行多层感知器建模
02-05TensorFlow 简单API进行CNN/LSTM建模
02-06TensorFlow DataSet与数据高效读写
02-07TensorFlow 复杂API的高效特征工程处理
02-08Keras工具简介
02-09Keras序贯模型与函数模型的使用
02-10Keras多层感知器
02-11Keras卷积神经网络
02-12Caffe工具简介、架构与设计
02-13使用Caffe训练神经网络模型
02-14使用Caffe实现数据集的图像分类
02-15使用Caffe提取图像特征
02-16PyTorch工具简介
02-17张量、梯度与自动求导
02-18基于PyTorch的基础模型搭建
02-19基于PyTorch的多层感知器搭建
02-20基于PyTorch的神经网络搭建

17深度学习的应用

03-01使用TensorFlow基于矩阵分解构建电商推荐系统
03-02使用TensorFlow完成复杂电商推荐系统
03-03使用TensorFlow构建LR、FM完成广告到达率预测
03-04使用Keras构建深度学习模型解决新零售销量预估问题
03-05NNLM模型介绍
03-06使用Keras完成词向量的训练
03-07基于卷积神将网络的文本分类模型
03-08基于RNN/LSTM实现新闻文本分类
03-09基于神经网络实构建唐诗生成器
03-10使用LSTM构建时间序列的预测模型
03-11实战:实现网站流量预估
03-12实战:对PM2.5的值进行预测
03-13图像处理:图像识别
03-14图像处理:基于内容的图像检测
03-15图像处理:物体检测与图像分割
03-16fine-tuning解决方案
03-17使用RNN进行评论情感分析

18对抗生成网络与强化学习

04-01生成对抗网络与图像生成
04-02生成对抗网络的应用:pix2pix图像翻译
04-03生成对抗网络的应用:汉子艺术字生成
04-04强化学习简介及其与监督/无监督的对比
04-05马尔可夫决策过程
04-06强化学习:Deep Q Network
04-07强化学习:DDPG

19电商行业大型案例

01-01流量:用户画像与精细化营销
01-02产品:产品生命周期管理
01-03活动:KPI检测体系构建
01-04品牌:品类管理与多位能力模型构建

20金融行业大型案例

01-01客户:客户细分与用户画像
01-02产品:产品生命周期与用户关系管理
01-03营销:精准营销、网络获客、客户维护与客户生命周期管理
01-04风险管理:中小微企业的贷款风险和偿债能力分析、信用卡评分

21电信行业大型案例

01-01用户离网预警分析
01-02客户价值评估模型
01-03用户细分
01-04电信反欺诈模型的构建

22医疗行业大型案例

01-01致病因素分析
01-02数据挖掘、用户行为分析与临床诊断
01-03图像处理与医学影像诊断
01-04病例自动化管理
01-05药物副作用与临床试验反应预测
01-06门诊客流量实施预测

来自业界的数据领袖团队

  • 李御玺

    国立台湾大学资讯工程博士

    铭传大学大数据研究中心主任,铭传大学资讯工程学教授,铭传大学大数据研究中心主任,中华资料采矿协会理事 其研究领域专注于数据仓库(Data Warehousing)、数据挖掘(Data Mining)、与文本挖掘。
  • 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”。
  • 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。
  • 傅老师

    金融数学博士/CDA数据分析研究院金牌讲师

    主要从事金融数学,金融数据分析等领域的研究,发表SCI,EI,CSSCI核心期刊论文多篇。在具体行业方面,傅教授先后担任过咨询公司、互联网金融机构、数据管理公司的高级数据分析顾问,先后参与过客户估值、反欺诈识别、舆情分析等数据分析项目,有着丰富的行业经验。
  • 吴昊天

    CDA Level 2 大数据分析师考试命题组组长

    曾就职于电子科技大学大数据中心医疗卫生研究所,历任数据分析师、数据挖掘工程师、大数据架构师等职,多次参与并主导医保反欺诈领域和智慧诊疗相关算法设计、执行、优化等相关工作, 拥有丰富的算法研发经验与多项算法专利。拥有丰富的数据类项目管理经验。
  • 王小川

    博士

    近三年在人大经济论坛开办Python培训,参与承担CDA-1/CDA-2,就业班中Python教学任务,并开办Python量化投资课程。编写《MATLAB神经网络30案例分析》一书,该书的升级版《MATLAB神经网络43个案例分析》已出版,同时正在编写《Python与量化投资》一书。被评为“金牌讲师”。
  • 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。
  • 赵仁乾

    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。
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:学员课下如何与老师进行互动?

    A:CDA数据分析员课程每期都会建立QQ群和微信群,工作日有老师和助教负责答疑;同时学员单独给老师发邮件或者在论坛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:学员课下如何与老师进行互动?

    A:CDA数据分析员课程每期都会建立QQ群和微信群,工作日有老师和助教负责答疑;同时学员单独给老师发邮件或者在论坛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。

OK