京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2018 年贵阳数博会 CDA 数据分析师现场赠书活动
CDA 数据分析研究院积极参与 2018 年数博会,活动期间为大数据爱好者,免费提供 CDA 系列书籍,名额有限,欢迎来数博会现场3 号馆 3507 展位咨询活动详情。无论你是初入数据分析行业,还是研究深度学习。10多本不同书籍带你从小数据分析到人工智能,总能在下面的书单里找到一本自己想要的书。
一、BI商业智能
《Excel BI 之道:从零开始学Power工具应用》
零一 著
本书一半的篇幅介绍基础功能,另外一半的篇幅是实操案例,解决多表格文件合并、多表关联建模、抓取互联网数据等实务问题,读者不用担心学完不知道如何运用。
《从Excel到Power BI:商业智能数据分析》
马世权 著
深入讲解Power BI与DAX语言精髓
用20%的时间做80%的工作,摆脱数据搬运工,成为数据分析师
跟上时代趋势,学习一门黑科技,让你站在Excel的肩膀上
颠覆传统工具,数据处理量更大、速度更快;数据分析功能更强大;可视化效果更精美
二、数据分析的统计基础
《从零进阶!数据分析的统计基础(第2版)》
经管之家 主编 曹正凤 编者
经管之家主编,写给专业数据分析师的丛书,畅销书升级版
本书使用简单的语言介绍了这些数据分析基本方法的核心思想和涉及的统计学、概率论等方面的理论内容,并使用图示的方法详细介绍了使用Excel 2013 进行简单的描述性统计分析和使用SPSS 进行相关的数据分析的过程与结果分析。
《人人都会数据分析:从生活实例学统计》
谢运恩 李安富 著
深入浅出的统计理论基
63个鲜活的生活实例
帮助读者建立统计理论知识框架,形成数据分析思维逻辑,学会数据分析方法
三、数据分析与挖掘
《Python数据分析入门——从数据获取到可视化》
沈祥壮 著
这是一本务实之作,充分体现数据分析流程的各项环节,包含数据的采集、清洗和探索性分析,并通过大家耳熟能说的Python工具加以实操.
《Python 3爬虫、数据清洗与可视化实战》
零一 韩要宾 黄园园 著
Python爬虫技术的入门读物,通过实战引导初学者学习如何爬取数据、清洗和组织数据并进行分析和可视化
本书内容来自笔者在高校授课的内容,主要介绍如何运用 Python 工具获取电商平台的页面数据,并对数据进行清洗和存储。本书简化了 Python 基础部分,保证有足够的篇幅来介绍爬虫和数据清洗的内容。
经管之家 主编 常国珍 曾珂 朱江 编著
CDA数据分析师系列丛书,商业案例解读,配套课件赠送
本书是一本面向商业数据分析初学者的教材,从具体的商业数据分析案例入手,使读者掌握数据挖掘的目的、理念、思路与分析步骤。
四、机器学习
《机器学习:Python实践》
魏贞原 著
实践、实践、实践
本书通过不同的例子展示机器学习在具体项目中的应用和实践经验
使用 scikit-learn 作为编程框架,强调简单、快速地建立模型
谢梁 鲁颖 劳虹岚 著
俞栋、张察博士亲笔作序力荐,谷歌、微软、Twitter、Facebook、Airbnb等公司多位资深数据科学家倾情力荐
实际应用为导向,强调概念的认知和实用性,对理论的介绍深入浅出,对读者的数学水平要求较低,读者在学习完毕后能使用案例程序举一反三地应用到其具体场景中。
五、数据产品
《数据产品设计》
艾达 著
这是一本数据产品经理入门级的学习指南,市面上的产品经理相关书籍有很多,而针对数据产品经理这个更为狭窄的领域的书籍则比较少。本书定位为数据产品经理入门级的学习资料,适合初级学员阅读,对于在职的数据产品经理作为补充性学习资料。
六、参与方式
2018年数博会现场赠送活动,地点是展览馆3号馆3507展位(如下图),详情可以咨询现场工作人员。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16