 京公网安备 11010802034615号
			经营许可证编号:京B2-20210330
 京公网安备 11010802034615号
			经营许可证编号:京B2-20210330
		
 
	
来自CDA考试中心的通知!
亲爱的考生:
诚挚地向您通告,我们即将在 2023 年 10 月 31 日实施 CDA 认证考试的重大更新。这是为保持认证考试的内容与实际行业需求、最新技术及其发展同步而进行的必要步骤, 使 CDA 认证更具有前瞻性、实用性以及严谨性。
这次更新将涉及考试大纲的修改以及考试题目的全新设计,新的题目将更加强调对于应用能力的测试,更加注重考查各位考生在实际工作中所能应用的技能。
我们建议所有的考生尽早开始准备新的考试大纲,这将有助于你们在考试中取得更好的成绩。
Level I 考纲主要更新内容如下:
 1. 增加趋势分析法的相关内容
       2. 增加指标体系的相关内容,主要关注指标的设计和应用
       3. 增加数据管理的相关内容,主要关注数据标准和数据质量的管理
       4. 降低了数据结构和业务数据分析的考察占比
       5. 调高了数据安全和数据立法等内容的考察占比
       6. 业务分析方法做了部分更新,并更名为数据分析方法 
Level II 考纲主要更新内容如下:
  1. 增加数据治理的内容
        2. 增加指标体系的内容
        3. 调整各部分的得分占比
        4. 标签体系与用户画像的内容调整到和教材一致
        5. 更新数据分析模型的部分内容
        6. 更新统计分析的部分内容
       本次更新后,Level II 考试内容将与教材内容一一对应,推荐各位考生以教材为核心复习资料。 
Level III 考纲主要更新内容如下:
 1. 增加 LightGBM 等集成算法内容
       2. 增加 Pipeline 内容
       3. 增加随机参数搜索和贝叶斯搜索等调参内容
       4. 增加深度学习的优化算法,正则化,自编码器与表示学习等内容
       5. 增加 Transformer 架构的内容
       6. 增加大语言模型的架构,使用,微调,Agent 等内容
       7. 降低了概论,数据处理与特征工程,文本分析,机器学习基础算法等内容的占比
       8. 删除了朴素贝叶斯等过时算法,删除了自动机器学习的部分内容
       9. 部分文本分析,特征转换,SVM,序列模式等内容的考察要求降为领会
       本次 Level III 更新将在2023年10月1日正式实施,新的考纲和新的题目将会同时启用。 
请各位考生注意,从那时起参加的所有考试将根据新的大纲进行,并使用新的题目。为了帮助大家适应这次的更新,CDA 将提供一系列的备考资源,包括新考试大纲的详细介绍、新题目类型的模拟题,以及一些实用的学习资源。我们建议所有的考生尽早开始准备新的考试大纲,这将有助于考生在考试中取得更好的成绩。
       感谢大家的理解和配合,希望这次的更新能帮助大家更好地提升自己的数据分析技能,并在自己的技术道路上更进一步。
祝各位考试顺利! 
通知和新大纲详见:
https://www.cdaglobal.com/article/356.html
为此,CDA北京授权中心准备了一系列直播对此次大纲升级做详细解读,大家可以点击下放预约卡片预约直播,关注视频号获取后续更多更新。
 
CDA1级教材根据CDA考试大纲内容编写。既适合CDA LEVEL I考生,也适合业务及数据分析岗位从业人员,教材全面、体系化地讲解了业务数据分析全流程技能,揭秘数据分析的深层逻辑。具有以下特点:
1. 系统性:从基础知识、技能提升、实践应用等方面展开,形成了一个完整的学习闭环。
2. 实用性:注重理论与实践相结合,通过大量案例分析、实操练习,帮助你更好地理解和应用所学知识。
3. 前沿性:介绍了最新的数据分析工具、技术和方法,使你能够紧跟时代步伐,不断提升自己的竞争力。
通过认真学习教材,你将掌握数据分析的基本概念、方法和技术,具备解决实际问题的能力,为通过考试奠定坚实基础。
		
	
 
                  数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23