北京CDA數據分析師的數字化人工智能培訓班面向基礎薄弱數據類崗位從業者，系統提升專業技能的學員，課程因材施教，1位學生一套專屬學習方法，海量千萬級學習題庫：分難度梯度式練習，鞏固基礎數據能力，現在火熱報名中。
基礎薄弱數據類崗位從業者，系統提升專業技能的學員
產品、運營、營銷、財務等業務部門在職者，提升數字化工作效率的學員
研發、中臺、技術類部門在職者，數字化賦能支持業務發展的學員
企業創始人、經理人、管理咨詢類崗位從業者，把握數字化轉型方案及流程的學員
有一定數學或統計、計算機基礎與數據分析業務經驗，希望脫產學習后轉崗到數據挖掘崗者
希望提升數據挖掘技術的在職提升者
從事算法科學、深度學習等工作的科研人員、分析師與工程師等
產品、運營、營銷、管理、咨詢相關崗位從業者，希望增加數據分析技能與思維
參加CDA等級認證考試LEVELⅠ、LEVELII和LEVELⅢ考生
1-1Excel預習
1-2數據庫預習
1-3Power BI預習
1-4統計學預習
2章數據分析概述
2-1數據分析分類
2-2數據分析目的及意義
2-3數據分析方法與流程
2-4數據分析角色與職責
2-5數據分析師職業道德與行為準則
3章業務分析方法與業務分析報告
3-1表格結構數據特征
3-2表格結構數據獲取方法
3-3表格結構數據引用、查詢與計算方法
3-4數據驅動型業務管理（數據埋點、數據治理、數據應用等）
3-5指標的應用-搭建營銷運營指標體系
3-6財務指標的分析與應用
3-7業務場景指標-多場景業務場景指標應用精講（運營、客戶、商品、活動等）
3-8指標的設計-多場景指標設計、使用及分析案例（績效、運營、銷售等）
3-9業務指標綜合分析案例-互聯網運營業務指標綜合分析案例
3-10可視化分析方法
3-11業務分析方法應用-杜邦分析法、帕累托分析法、四象限分析法
3-12業務模型應用-價值模型、帕累托模型、漏斗模型、RFM模型
3-13撰寫業務分析報告方法
3-14電商、互聯網、零售行業的數據分析場景介紹
3-15客戶分析-電商客戶維度綜合分析案例（用戶生命周期、用戶特征、用戶行為分析）
3-16產品分析-電商產品維度綜合分析案例（商品畫像、商品標簽、商品定位策略分析）
3-17運營分析-互聯網運營業務綜合分析案例（運營效果分析、電商漏斗模型分析應用）
3-18行為效果分析-電商運營活動效果評估分析案例（A/B測試、行為效果評估）
3-19市場分析-汽車行業市場分析案例（市場分析報告撰寫方法）
3-20財務分析-地產行業資產負債情況分析報告（償債能力及營運能力分析評估）
4章統計分析基礎
4-1統計學概述
4-2數據的概括性度量
4-3統計分布
4-4參數估計
4-5假設檢驗
4-6相關分析
5章多維數據分析與可視化分析
5-1表結構數據特征
5-2表結構數據獲取
5-3表結構數據加工與使用
5-4ETL及數據倉庫應用
5-5多表透視分析邏輯
5-6多維數據模型
5-7透視分析方法
5-8多表透視分析應用案例--多維透視分析應用案例
5-9客戶分析-電商客戶運營分析儀表板（潛在客戶挖掘、電商運營效果監控、運營指標分析應用）
5-10產品分析-產品進銷存追蹤監控看板（進銷存業務流程分析與監控）
5-11運營分析-電商運營分析駕駛艙（電商獲客分析、營銷漏斗模型監控分析）
5-12銷售分析-服裝行業銷售情況分析（銷售情況監控看板制作方法）
5-13財務分析-地產企業盈利分析（企業利潤結構構成及盈利能力分析看板）
5-14綜合實戰案例-電商綜合運營分析儀表板（流量、轉化、客單相關指標分析監控）
6章SQL數據庫應用基礎數據庫基本概念
6-1數據定義語言
6-2DML數據操作語言
6-3單表查詢
6-4多表查詢
6-5函數
7章SQL大廠面試直通車
7-1SQL大廠面試題突擊訓練
7-2查詢應用案例1--電商多表查詢案例
7-3查詢應用案例2--零售業多表查詢案例
8章大型數據分析綜合項目現場實戰
8-1跨國企業完整數據分析實戰案例
8-2學生現場探索性實操
8-3項目現場專家評審與1V1指導
9章Python編程基礎
9-1Python基礎知識
9-2Python標準數據類型
9-3控制流語句
9-4自定義函數
10章Python數據清洗與可視化
10-1Numpy數組分析
10-2Pandas數表分析
10-3Pandas數據清洗與可視化
10-4Python數據可視化包-Matplotlib介紹
10-5Python數據可視化包-Seaborn介紹與圖形繪制
11章Python數據分析案例
11-1斯德哥爾摩氣候可視化分析
11-2餐飲訂單數據清洗與分析
11-3文本數據分析之QQ聊天信息可視化分析
12章Python統計分析
12-1回歸分析
12-2模型的診斷與調優
12-3用戶行為顯著影響因素分析案例
12-4用戶復購預測分析案例
13章數據分析師職業規劃課
13-1職業規劃
13-2職場溝通力
13-3團隊協作力培養
14章面試技巧一對一輔導
14-11V1面試技巧指導與簡歷修改
15章預習課（錄播）——數據庫
15-1數據庫基本概念
15-2DDL數據定義語言
15-3DML數據操作語言
15-4單表查詢
15-5多表查詢
15-6Python連接SQL
16章預習課（錄播）——Python編程基礎
16-1Python標準數據類型
16-2控制流語句
16-3自定義函數
16-4異常和錯誤
16-5類與面向對象編程
16-6Numpy數組操作
17章預習課（錄播）——數學與統計學基礎
17-1線性代數
17-2微積分
17-3描述性統計
17-4參數估計
17-5假設檢驗
17-6相關分析
17-7卡方分析
17-8一元線性回歸理論推導
17-9多元線性回歸理論推導
18章數據策略分析第1周
18-1用Python做數據分析，必會的庫Pandas
18-2用Pandas做數據清洗與數據探索
18-3Python數據可視化庫（Matplotlib，Seaborn）
18-4教育行業分析-學校學科教育可視化案例
18-5分析基礎-數據分析的概念、過程、能力
18-6統計分析可視化
18-7企業經營分析-指標體系
19章數據策略分析第2周
19-1數據庫MySQL實戰應用
19-2Python連接SQL數據庫
19-3零售電商多表分析案例
19-4統計分析（相關分析，方差分析）
19-5線性回歸（建立模型和模型檢驗）
19-6經營問題識別-用戶行為影響因素分析案例
19-7旅游行業分析-旅游線路之黃金周分析案例
20章數據策略分析第3周
20-1邏輯回歸（模型的建立與估計，模型評估）
20-2分類與回歸的結合
20-3信息壓縮-主成分分析與因子分析（數據降維）
20-4用戶流失分析-員工流失預警案例
20-5特征分析-區域經濟因子分析
20-6客群分析-標簽體系與與用戶畫像
20-7應用用戶畫像-美國某企業用戶畫像實戰案例
21章數據策略分析第4周
21-1時間序列分析（ARIMA算法）
21-2帶滯后項的線性回歸
21-3銷售額預測-線上平臺銷售額預測實戰案例
21-4數據采集處理方法（數據采集，數據錄入，數據預處理）
21-5數據管理（數據分類，數據建模，數據倉庫和ETL）
21-6產品目標人群分析-市場數據的應用案例
22章數據策略分析第5周
22-1層次聚類
22-2Kmeans聚類
22-3聚類分析評價方法-決策樹應用
22-4用戶分群-零售行業運營案例
22-5數字化工作方法
22-6運籌優化方法（線性規劃與二次優化，基于業務流程的優化）
22-7數字化運營綜合案例-某機構營銷響應概率預測與風險預測案例
23章數據策略分析第6周
23-1數據接入（接入策略，調度工具，實時數據接入方法）（附加內容）
23-2大數據平臺技術架構與應用（分布式存儲與計算，支持數據分析，大數據架構）（附加內容）
23-3數據挖掘導論
23-4KNN
23-5貝葉斯
24章機器學習進階第7周
24-1帶正則項的回歸分析
24-2支持向量機(SVM)
24-3決策樹（ID3,C4.5,CART）
24-4決策樹的模型調優
24-5生存分析-病馬死亡預測案例
24-6用戶分類-保險行業用戶分類分析
25章機器學習進階第8周
25-1集成與提升方法（AdaBoost,隨機森林,GBDT,XGBoost,LightGBM）
25-2聚類分析進階（密度聚類，譜聚類）
25-3異常識別（孤立森林，局部異常因子）
25-4交易反欺詐-異常交易識別案例
26章機器學習進階第9周
26-1關聯規則（關聯規則的概念，評估指標，Apriori算法）
26-2協同過濾
26-3產品組合策略-電信公司產品捆綁銷售策略分析案例
26-4數據處理的前沿方法：特征工程概要
26-5特征工程（特征的建構、選擇、轉換、學習）
26-6深度神經網絡（BP神經網絡概述，架構）
26-7感知機及感知機的極限
27章機器學習進階第10周
27-1文本分析（分詞與詞性標注，文本特征處理，關鍵詞抽取、文本分類與聚類方法）
27-2文本與用戶情緒分析-新聞文本分析案例
28章機器學習進階第11周
28-1徑向基網絡
28-2卷積神經網絡
28-3循環神經網絡
28-4圖像分析-手寫數字自動識別
28-5自然語言處理-用戶情緒自動識別
28-6實戰項目-金融行業反欺詐
29章機器學習進階第12周
29-1實戰項目-行業文本分析
29-2實戰項目-信用評分卡
30章畢業周
30-1畢業答辯
31章選修課
31-1互聯網數字化運營【18課時】
31-2何為數據產品經理？【1課時】
31-3Python爬蟲【15課時】
31-4Python辦公自動化【10課時】
31-5人工智能(深度學習)實戰之圖像識別【6課時】
31-6采銷、物流與供應鏈數據分析應用實戰【10課時】(需額外付費）
熟練掌握數據清洗，可以完成缺失值填補、異常值處理等
精通數據可視化，制作可視化分析報表
可以獨立撰寫業務分析報告
SQL數據庫應用基礎
大型數據分析綜合項目現場實戰
掌握數據分析在各行業的應用場景
掌握業務數據分析模型與分析方法
熟練掌握數據挖掘全流程的Python實操，包括數據清洗算法、特征工程、數據建模、數據治理、數據可視化等
熟練掌握Python數據挖掘算法與實踐，包括統計分析、統計模型、機器學習算法、深度學習算法、文本挖掘算法
靈活使用數據挖掘算法解決各行業的業務問題，通過策略優化和精準預測來解決運營、產品、營銷方面的問題
海量千萬級學習題庫：分難度梯度式練習，鞏固基礎數據能力
真人在線or現場教學，輕松解決學生困擾，在家就能學數據分析技能
