課程詳情
年齡20-32周歲，大專及以上學歷，不限專業/經驗/性別，應/往屆生均可
周一到周五9：00—17：30
10—30人小班教學，滾動開班
直播和錄播授課模式，全日制就業培訓課程
從零基礎開始，學習數據分析pyhton，接口，可視化等內容，并通過理論＋實踐學習，達到從0基礎到數據分析師就業的轉變
| 課程大綱 | 課題名稱 | 課程內容 |
| 前導基礎 | 數據分析入門 |
1、數據分析入門 2、數據分析的意義 3、數據分析的流程控制 4、數據分析的思路與方法 |
| 邏輯為先—XMIND |
1、xmind簡介與基本使用 2、學習方法課堂案例 3、滴答拼車實戰演練 4、其他思維導圖介紹 |
|
| 專業展現—PPT |
1、專業展現——PPT 2、基本簡介 3、幾個不得不說的真相 4、經驗分享 5、實戰動畫 |
|
| 數據分析工具安裝與環璄配置 |
1、Excel工具的安裝、配置與環璄測試 2、Power BI工具的安裝、配置與環璄測試 3、Tableau工具的安裝、配置與環璄測試 4、MySQL數據庫的安裝、配置與環璄測試 5、SPSS數據挖掘工具安裝、配置與環璄測試 6、SAS數據挖掘工具安裝、配置與環璄測試 7、Python開發工具的安裝、配置與開發環璄測試 |
|
| Linux基礎應用之大數據必知必會 |
1、虛擬機的安裝配置 2、虛擬機網絡配置 3、安裝Linux 4、利用SSH連結Linux 5、Linux基礎命令 6、Linux系統管理 |
|
| 數據分析的Python語言基礎 |
1、python課程的目的 2、使用JupyterLab 3、python數據類型 4、元組、列表、字典 5、python分支結構 6、python字符串處理+隨機函數 7、pthon循環結構 8、python面向過程函數操作 9、python面向對象 |
|
| 問題定義與數據獲取 | 數據分析項目流程 |
1、問題界定 2、問題拆分 3、指標確定 4、數據收集 5、報告方案 6、趨勢預測 7、數據分析 8、趨勢預測 9、報告方案 |
| 問題的定義 |
1、邊界：明確問題的邊界 2、邏輯：確定業務的關鍵指標和邏輯 3、定性分析與定量分析 |
|
| 分析問題的模型 |
基于經典的模型 1、5W2H 2、SWORT 3、4P管理模型 4、CATWOE 5、STAR原則、波士頓5力模型 基于業務的模型 1、用戶畫像 2、 銷售影響因素 3、市場變化因素 4、AARRR流量模型 5、金定塔思考方法 |
|
| 數據清洗與處理 |
1、數據科學過程 2、數據清洗定義 3、數據清洗任務 4、數據清洗流程 5、數據清洗環境 6、數據清洗實例說明 7、數據標準化 8、數據格式與編碼 9、數據清洗常用工具 10、數據清洗基本技術方法 11、數據抽取 12、數據轉換與加載 |
|
| 內部數據的獲取 |
1、產品數據 2、用戶數據 3、行為數據 4、訂單數據 |
|
| 外部公開數據 |
1、開放網站 2、政務公開數據 3、數據科學競賽 4、數據交易平臺 5、行業報告 6、指數平臺 |
|
| Web網站數據抓取 |
1、財經數據抓取 2、投資數據抓取 3、房產數據抓取 4、輿情數據抓取 5、娛樂數據抓取 6、新媒體數據抓取 |
|
| 數據查詢與提取 | SQL基礎操作 |
1、建庫 2、建表 3、建約束 4、創建索引 5、添加、刪除、修改數據 |
| 利用SQL完成數據的預處理 |
1、缺失值處理：對缺失數據行進行刪除或填充 2、重復值處理：重復值的判斷與刪除 3、異常值處理：清除不必要的空格和異常數據 |
|
| 利用SQL進行業務數據查詢 |
1、利用SQL進行簡單的業務數據查詢 2、利用SQL完成復雜條件查詢 3、利用多表關聯完成復雜業務查詢 4、利用嵌套子查詢完成復雜業務數據分析 |
|
| 高級SQL分析 |
1、聚合、分組、排序 2、函數 3、行列轉換 4、視圖與存儲過程 |
|
| 業務指標統計分析 |
1、業務數據表關聯查詢及查詢 2、結果縱向融合 3、?常業務需求數據寬表構建 4、應??查詢處理復雜業務 |
|
| 數理統計基礎 | 數據分析的數學基礎 |
1、計算和連續函數的性質 2、導數/微分的概念和運算法則 3、積分的概念和運算法則 4、冪級數、泰勒級數、傅里葉級數、傅里葉變換 5、向量的概念和運算 6、矩陣的轉置、乘法、逆矩陣、正交矩陣、SVD奇異值分解、特征值 7、行列式的計算和性質 8、凸優化 |
| Python數據分析 | 基于Numpy庫的Python數據科學計算 |
1、創建數組 2、切片索引 3、數組操作 4、字符串函數 5、數學函數 6、統計函數 |
| 基于Pandas庫的Python數據處理與分析 |
1、直方圖：探索變量的分布規律 2、條形圖：展示數值變量的集中趨勢 3、散點圖：表示整體數據的分布規律 4、箱線圖：表示數據分散性，中位數 5、提琴圖：分位數的位置及數據密度 6、回歸圖：尋找數據之間的線性關系 7、熱力圖：表未數值的大小或者相關性的高低 |
|
| 大數據分析 | HIVE大數據查詢平臺搭建 |
1、大數據概述 2、?數據集群 Hadoop 架構 3、Hive開發環璄搭建 |
| HIVE與MySQL進行數據交換 |
1、從MySQL中導入數據到Hive 2、從Hive導出數據到MySQL |
|
| HQL海量業務數據需求查詢 |
1、Hive數倉 2、HQL 數據查詢基礎語法 |
|
| HQL海量業務數據需求查詢 |
1、從MySQL中導入數據到Hive 2、從Hive導出數據到MySQL |
|
| HQL業務數據指標統計分析 |
1、分區表 2、分桶表 3、關聯表 4、數據查詢 |
|
| HQL海量數據查詢優化 |
1、常?內置函數及開窗函數 2、特殊類型數組查詢?式 3、HQL 查詢語句優化技巧 |
|
| 建模與數據挖掘 | 數據挖掘與分析算法 |
1、描述統計 2、相關分析 3、判別分析 4、方差分析 5、時間序列分析 6、主成分分析 7、信度分析 8、因子分析 9、回歸分析 10、對應分析 11、列聯表分析 12、聚類分析 |
| 數據挖掘工具SPSS |
1、從MySQL中導入數據到Hive 2、從Hive導出數據到MySQL |
|
| HQL海量業務數據需求查詢 |
1、課程規劃與簡介 2、數據挖掘項目生命周期 3、簡單的統計學基礎 4、用Modeler試手挖掘流程 5、數據挖掘的知識類型 6、商業分析基礎簡介 7、信度分析 8、因子分析 9、回歸分析 10、對應分析 11、列聯表分析 12、聚類分析 |
|
| 數據挖掘工具SAS |
1、SAS概述：SAS簡介與教育版安裝 2、SAS概述：教育版基本使用 3、SAS編程基礎 4、SAS編程基礎7-循環 5、SAS數據集操作1-合并 6、SAS數據集操作2-排序與對比 7、SAS數據集操作3-查重與篩選 8、練習-斐波那契數列 9、練習-百元百雞問題 |
|
| 人工智能預測算法 | 人工智能實戰十大預測數據算法 |
1、機器學習入門 2、sk-learn機器學習庫 3、十大預測算法原理與使用場景 4、算法調用、參數設置 5、特征選擇、特征工程 6、回歸預測模型實戰 7. 分類預測試模型實戰 8. 聚類模型實戰 9、集成學習 10、模型優化 |
| 可視化商業報告撰寫 | 商業智能與可視化分析實戰 |
案例-1：BI電商數據市場分析項目實戰 案例-2：BI電商數據客戶分析項目實戰 案例-3：BI可視化關于公司運營情況的相關分析 案例-4：基于Tableau的客戶主題對客戶進行合理分群 案例-5：基于Tableau的營銷主題分析如何衡量媒體的營銷價值 案例-6：基于Tableau的保公司索賠情況分析 |
| 數據可視化報告撰寫 |
1、數據可視化的概念 2、 數據可視化的意義 3、 數據可視化的對比 4、 數據可視化的分類 5、數據可視化圖表舉例 6、 數據可視化應用領域 7、數據可視化步驟 8、 數據可視化工具梯度 9、圖表呈現流程 10、數據報告撰寫 |
|
| 實戰：O2O電商平臺功能優化效果評估及可視化數據分析報告撰寫 |
1、了解電商業務背景 2、以客戶分析為應用場景，對數據進行加載、清洗、分析及模型建立 3、以貨品分析為應用場景，針對品類銷售及商品銷售進行分析 4、以流量分析為應用場景，針對流量渠道及關鍵詞做有效分析 5、根據業務實際背景做輿情分析 6、將分析結果及建議制成報告進行發布 |
|
| 商業分析項目實戰 | 五大商業項目實戰 |
商業項目實戰01：電商數據分析——分析方式之漏斗模型及數據量化 商業項目實戰02：電商用戶行為與營銷模型實戰 商業項目實戰03：金融風控模型的構建與分析實戰 商業項目實戰04：展會電話邀約項目數據分析實戰 商業項目實戰05：零售行業數據分析 |
-
??
十年教學經驗十年以上教學老師領銜授課 -
??
就業有入班簽訂終身就業推薦，就業有 -
??
師資有優勢講師＋班主任，多對一協作授課 -
??
課程內容豐富豐富理論＋實戰課程，全方位掌握就業技能
博為峰所獲榮譽
