課程簡(jiǎn)介
CDA大數(shù)據(jù)符合企業(yè)用人需求，從大數(shù)據(jù)編程——數(shù)據(jù)庫(kù)編程——大數(shù)據(jù)倉(cāng)庫(kù)——大數(shù)據(jù)分析方法——數(shù)據(jù)挖掘算法——大數(shù)據(jù)真實(shí)項(xiàng)目應(yīng)用——大數(shù)據(jù)解決方案等。
學(xué)習(xí)目標(biāo)
零基礎(chǔ)脫產(chǎn)學(xué)習(xí)，5個(gè)月學(xué)會(huì)大數(shù)據(jù)技術(shù)；計(jì)算機(jī)、統(tǒng)計(jì)、數(shù)學(xué)等專業(yè)學(xué)習(xí)更佳；包學(xué)會(huì)，成為大數(shù)據(jù)稀缺人才，高薪就業(yè)；CDA大數(shù)據(jù)就業(yè)幫，助你前程似錦。
學(xué)習(xí)對(duì)象
各行業(yè)數(shù)據(jù)分析、數(shù)據(jù)挖掘從業(yè)者；在校數(shù)學(xué)，計(jì)算機(jī)，統(tǒng)計(jì)等專業(yè)教師和學(xué)生；經(jīng)濟(jì)，醫(yī)學(xué)生物研究院科研人員；數(shù)據(jù)分析，數(shù)據(jù)挖掘興趣愛(ài)好者及轉(zhuǎn)行人士。
趨勢(shì)：大數(shù)據(jù)將補(bǔ)充而不是取代研究人員的工作。如今許多大數(shù)據(jù)平臺(tái)是如此先進(jìn)，以至于人們開(kāi)始期待不久之后可以取代人類的辛勤工作，這是可以理解的。倫敦城市大學(xué)高級(jí)講師、數(shù)據(jù)科學(xué)學(xué)位項(xiàng)目主管Aidan Slingsby博士認(rèn)為，這一結(jié)果不太可能實(shí)現(xiàn)，尤其是在使用大數(shù)據(jù)協(xié)助市場(chǎng)研究等應(yīng)用領(lǐng)域。數(shù)據(jù)科學(xué)有助于識(shí)別相關(guān)性。因此，數(shù)據(jù)科學(xué)家可以提供以前未曾知道的模式、網(wǎng)絡(luò)、依賴性。但是，要使數(shù)據(jù)科學(xué)真正增加附加值，就需要市場(chǎng)研究人員了解信息的場(chǎng)景，并解釋其原因。Ipsos MORI公司首席執(zhí)行官Ben Page回應(yīng)了這一觀點(diǎn)，他說(shuō)：“市場(chǎng)研究實(shí)際上是在理解人類的行為和動(dòng)機(jī)。數(shù)據(jù)科學(xué)無(wú)法獨(dú)立滲透?！崩?，Ipsos MORI公司在其全球團(tuán)隊(duì)中擁有1000多名數(shù)據(jù)科學(xué)家，但該公司還雇用了其他專業(yè)人員，包括民族專家和行為科學(xué)家。
| 學(xué)習(xí)章節(jié) | 學(xué)習(xí)具體內(nèi)容 |
|
業(yè)務(wù)分析基礎(chǔ)技能 |
數(shù)據(jù)分析概述;常用高階函數(shù);條件格式應(yīng)用;數(shù)據(jù)透視表高階應(yīng)用;圖表進(jìn)階;項(xiàng)目排期管理;案例背景介紹;動(dòng)態(tài)考勤表制作;每月考勤統(tǒng)計(jì);考勤匯總統(tǒng)計(jì);常用指標(biāo)概述;基礎(chǔ)指標(biāo)統(tǒng)計(jì);人力資源指標(biāo)體系概述;案例背景介紹;員工績(jī)效評(píng)定思路解析;實(shí)操績(jī)效統(tǒng)計(jì)及可視化;案例背景介紹;活動(dòng)評(píng)估報(bào)表思路解析等 |
|
數(shù)據(jù)庫(kù)應(yīng)用技能 |
數(shù)據(jù)庫(kù)簡(jiǎn)介;表結(jié)構(gòu)的特點(diǎn);數(shù)據(jù)庫(kù)分類;MySQL簡(jiǎn)介;數(shù)據(jù)庫(kù)基本結(jié)構(gòu);SQL語(yǔ)言分類;SQL書寫要求;創(chuàng)建、使用及刪除數(shù)據(jù)庫(kù);創(chuàng)建表;數(shù)據(jù)類型;約束條件;修改及刪除表;插入數(shù)據(jù);批量導(dǎo)入數(shù)據(jù);更新數(shù)據(jù);刪除數(shù)據(jù);查詢指定列;查詢不重復(fù)記錄;條件查詢等 |
|
商業(yè)智能分析技能 |
數(shù)據(jù)倉(cāng)庫(kù)結(jié)構(gòu)說(shuō)明；基于數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)處理方法；數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)處理進(jìn)階；數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用案例；創(chuàng)建多維數(shù)據(jù)模型；理解多維模型表連接規(guī)則；業(yè)務(wù)數(shù)據(jù)分析指標(biāo)介紹；業(yè)務(wù)數(shù)據(jù)匯總分析進(jìn)階；時(shí)間維度分析方法說(shuō)明；業(yè)務(wù)背景介紹；理解及加工處理數(shù)據(jù)；可視化界面創(chuàng)建方法介紹；制作零售業(yè)銷售情況分析儀；業(yè)務(wù)背景介紹；客戶價(jià)值模型說(shuō)明；數(shù)據(jù)加工處理；制作電商客戶行為分析儀；業(yè)務(wù)背景介紹；理解餐飲業(yè)關(guān)鍵運(yùn)營(yíng)指標(biāo)等 |
|
數(shù)據(jù)挖掘數(shù)學(xué)基礎(chǔ) |
函數(shù)；極限；微分及應(yīng)用；定積分；向量；線性方程組；線性變化與矩陣；矩陣乘法；行列式；矩陣的秩；逆矩陣；點(diǎn)乘與內(nèi)積；外積；特征值與特征向量；集中趨勢(shì)的度量；離散程度的度量；偏態(tài)與峰態(tài)的度量；統(tǒng)計(jì)量概念與常用統(tǒng)計(jì)量；抽樣分布等 |
|
Python數(shù)據(jù)清洗 |
NumPy基本介紹；NumPy基本數(shù)據(jù)結(jié)構(gòu): Ndarray；數(shù)組的索引與切片；數(shù)組其他常用函數(shù)與方法；Pandas基本數(shù)據(jù)結(jié)構(gòu): Series與DataFrame；索引、切片與過(guò)濾；排序與匯總；DataFrame簡(jiǎn)單處理缺失值方法；數(shù)據(jù)集的合并與連接；重復(fù)值的處理；數(shù)據(jù)集映射轉(zhuǎn)化方法；異常值查找與替換；排序和隨機(jī)抽樣；DataFrame字符串常用操作；DataFrame分組操作等 |
|
Python數(shù)據(jù)可視化 |
數(shù)據(jù)可視化入門；常用可視化第三方庫(kù)介紹: matplotlib、seaborn、PyEcharts；常用可視化圖形介紹，如餅圖、柱圖、條形圖、線圖散點(diǎn)圖等；圖形選擇；Pandas繪圖方法；圖例配置方法和常用參數(shù)；顏色條配置方法和常用參數(shù)；subplot多子圖繪制方法；文字與注釋、自定義坐標(biāo)軸方法；Seaborn入門介紹；Seaborn API介紹；Seaborn繪圖示例；Echarts介紹；PyEcharts API介紹；PyEcharts繪圖示例等 |
|
機(jī)器學(xué)習(xí)快速入門 |
機(jī)器學(xué)習(xí)入門介紹：機(jī)器學(xué)習(xí)基本思想、常用算法分類、算法庫(kù)等；Python機(jī)器學(xué)習(xí)算法庫(kù)Scikit-Learn入門介紹；超參數(shù)與模型驗(yàn)證：學(xué)習(xí)曲線、網(wǎng)格搜索；特征工程概念介紹；分類特征、文本特征；圖像特征、特征衍生；缺失值填充、特征管道；KNN基本原理；KNN函數(shù)詳解；KNN高級(jí)數(shù)據(jù)結(jié)構(gòu)實(shí)現(xiàn)；原理補(bǔ)充：歸一化方法、學(xué)習(xí)曲線、交叉驗(yàn)證；KNN-最近鄰分類器；KNN算法示例；無(wú)監(jiān)督學(xué)習(xí)與聚類算法；聚類分析概述與簇的概念；距離衡量方法；聚類目標(biāo)函數(shù)和質(zhì)心計(jì)算方法等 |
|
分布式集群架構(gòu) |
大數(shù)據(jù)概念介紹；Hadoop入門與分布式集群基本概念；Hadoop生態(tài)和及其技術(shù)棧；Linux生態(tài)介紹；常用虛擬化工具介紹；常用Linux操作系統(tǒng)；Vmware與VirtualBox；Ubuntu操作系統(tǒng)與CentOS；Ubuntu安裝與常用命令；JDK的安裝與使用；Hadoop安裝與使用；Hadoop單機(jī)運(yùn)行方法；Hadoop偽分布式運(yùn)行方法；利用多節(jié)點(diǎn)安裝Hadoop集群；Hadoop生態(tài)其他常用組件基本介紹等 |
|
Sqoop安裝與使用 |
Sqoop組件介紹與發(fā)展歷史；Sqoop組件特性及核心功能；ETL基本概念；Hadoop生態(tài)中的數(shù)據(jù)轉(zhuǎn)化方法；Linux中安裝Sqoop方法；Sqoop集成MySQL方法；Sqoop集成Hbase方法；Sqoop集成Hive方法；Sqoop功能測(cè)試；Sqoop導(dǎo)入功能介紹；Sqoop數(shù)據(jù)導(dǎo)入import命令基本格式；Sqoop數(shù)據(jù)導(dǎo)入import命令常用參數(shù)；利用Sqoop從MySQL中導(dǎo)入數(shù)據(jù)至HDFS；Sqoop生成相應(yīng)Java代碼方法codegen；利用Sqoop導(dǎo)入數(shù)據(jù)至Hive等 |
|
Hadoop基礎(chǔ) |
HDFS概念及設(shè)計(jì)原理；HDFS體系結(jié)構(gòu)和運(yùn)行機(jī)制；NameNode、DataNode、SecondaryNameNode配置文件及修改方法；HDFS備份機(jī)制和文件管理機(jī)制；NameNode、DataNode、SecondaryNameNode作用及運(yùn)行機(jī)制；HDFS的常用操作方法介紹；HDFS Java API介紹；HDFS Shell命令格式；HDFS創(chuàng)建文件目錄命令；HDFS文件復(fù)制、重命名命令；HDFS文件移動(dòng)、刪除命令；HDFS其他常用命令；YARN基本概念；YARN相關(guān)進(jìn)程介紹；YARN核心組件及其功能等 |
微軟Excel MVP
沐垚科技創(chuàng)始人
1、電子地圖如高德、百度、Google地圖出現(xiàn)后，其產(chǎn)生了大量的數(shù)據(jù)流數(shù)據(jù)，這些數(shù)據(jù)不同于傳統(tǒng)數(shù)據(jù)，傳統(tǒng)數(shù)據(jù)代表一個(gè)屬性或一個(gè)度量值，但是這些地圖產(chǎn)生的流數(shù)據(jù)代表著一種行為、一種習(xí)慣，這些流數(shù)據(jù)經(jīng)頻率分析后會(huì)產(chǎn)生巨大的商業(yè)價(jià)值?；诘貓D產(chǎn)生的數(shù)據(jù)流是一種新型的數(shù)據(jù)類型，在過(guò)去是不存在的。
2、進(jìn)入了社交網(wǎng)絡(luò)的年代后，互聯(lián)網(wǎng)行為主要由用戶參與創(chuàng)造，大量的互聯(lián)網(wǎng)用戶創(chuàng)造出海量的社交行為數(shù)據(jù)，這些數(shù)據(jù)是過(guò)去未曾出現(xiàn)的。其揭示了人們行為特點(diǎn)和生活習(xí)慣。
課程背景
長(zhǎng)沙大數(shù)據(jù)分析培訓(xùn)的背景是當(dāng)前社會(huì)數(shù)字化進(jìn)程加速、數(shù)據(jù)分析技術(shù)廣泛應(yīng)用。在這一背景下，大數(shù)據(jù)分析已成為了各行各業(yè)中的熱門技能。為了滿足市場(chǎng)需求，長(zhǎng)沙大數(shù)據(jù)分析培訓(xùn)機(jī)構(gòu)應(yīng)運(yùn)而生。
課程特色
1. 實(shí)踐教學(xué)：培訓(xùn)機(jī)構(gòu)注重實(shí)踐操作，通過(guò)大量實(shí)操訓(xùn)練，提高學(xué)員的實(shí)戰(zhàn)能力。
2. 精簡(jiǎn)課程：課程緊密結(jié)合企業(yè)實(shí)戰(zhàn)需求，精簡(jiǎn)掉不必要的理論講解，讓學(xué)員能夠更快速地上手使用分析工具。
3. 一對(duì)一輔導(dǎo)：采取一對(duì)一輔導(dǎo)模式，充分聽(tīng)取學(xué)員需求，量身定制課程，確保學(xué)員理解掌握重要技能。
課程目標(biāo)
1. 掌握利用國(guó)內(nèi)外主流的大數(shù)據(jù)分析工具和方法；
2. 熟練應(yīng)用對(duì)企業(yè)進(jìn)行業(yè)務(wù)數(shù)據(jù)分析研究和決策支持；
3. 具備較強(qiáng)的應(yīng)用分析能力，可以滿足企業(yè)求職和創(chuàng)業(yè)需求；
4. 實(shí)現(xiàn)提高職業(yè)領(lǐng)先競(jìng)爭(zhēng)力的職業(yè)發(fā)展和成長(zhǎng)。
學(xué)習(xí)對(duì)象
1. 對(duì)大數(shù)據(jù)分析感興趣的個(gè)人或團(tuán)隊(duì)；
2. 有志于從事大數(shù)據(jù)分析工作的新手；
3. 想要提高數(shù)據(jù)分析能力并且實(shí)現(xiàn)職場(chǎng)價(jià)值提升的現(xiàn)職人員。
課程內(nèi)容
1. 環(huán)境搭建和基礎(chǔ)工具
2. 數(shù)據(jù)采集與預(yù)處理
3. 數(shù)據(jù)統(tǒng)計(jì)與可視化分析
4. 探索性數(shù)據(jù)分析EDA與機(jī)器學(xué)習(xí)算法
5. 高級(jí)分析和應(yīng)用
6. 實(shí)戰(zhàn)案例分析
學(xué)習(xí)時(shí)長(zhǎng)
學(xué)員可以靈活安排時(shí)間，根據(jù)自身實(shí)際情況選擇1個(gè)月/2個(gè)月等學(xué)習(xí)時(shí)長(zhǎng)。
收費(fèi)范圍
學(xué)費(fèi)在2000元-8000元之間，根據(jù)課程時(shí)長(zhǎng)和內(nèi)容安排靈活定制。
學(xué)習(xí)收獲
1. 掌握大數(shù)據(jù)分析的核心技術(shù)和應(yīng)用；
2. 從數(shù)據(jù)角度解決問(wèn)題的能力得到進(jìn)一步提高；
3. 注重實(shí)踐操作，增強(qiáng)實(shí)戰(zhàn)能力；
4. 在知識(shí)體系和實(shí)踐能力上均能得到系統(tǒng)、完整的增強(qiáng)。
結(jié)語(yǔ)
以上信息僅供參考，實(shí)際情況以到校咨詢?yōu)闇?zhǔn)。可聯(lián)系在線客服，預(yù)約免費(fèi)體驗(yàn)課，了解更多。我們希望能夠幫助學(xué)員提高職業(yè)領(lǐng)先競(jìng)爭(zhēng)力，在職業(yè)發(fā)展和成長(zhǎng)上取得更多的收獲。
培訓(xùn)項(xiàng)目：大數(shù)據(jù)培訓(xùn)、人工智能培訓(xùn)、數(shù)據(jù)分析培訓(xùn)、運(yùn)營(yíng)
￥16800起11208人關(guān)注
￥22800起46737人關(guān)注
￥10800起3798人關(guān)注
￥231124650人關(guān)注
￥128001819人關(guān)注
￥2700起6414人關(guān)注
￥11800起7288人關(guān)注
￥22800起67529人關(guān)注
￥20800起1194人關(guān)注
￥138001724人關(guān)注
勤學(xué)教育網(wǎng)
