初識(shí)Python語(yǔ)言
第一周
主要內(nèi)容
Python語(yǔ)言概述和環(huán)境安裝丨變量、數(shù)據(jù)類型和進(jìn)制丨運(yùn)算符和分支結(jié)構(gòu)丨循環(huán)結(jié)構(gòu)入門丨循環(huán)結(jié)構(gòu)的應(yīng)用
可解決問題
了解Python，搭建Python開發(fā)環(huán)境，編寫簡(jiǎn)單的Python代碼
可掌握的核心能力
| Python開發(fā)環(huán)境的安裝（3.6+） | Pycharm的安裝和使用 | Markdown軟件的安裝和使用 |
| 分支結(jié)構(gòu)的應(yīng)用場(chǎng)景 | for循環(huán)和while循環(huán)應(yīng)用場(chǎng)景區(qū)分 | break和continue關(guān)鍵字的使用 |
| 窮舉法（暴力破解法）的應(yīng)用 |
常用數(shù)據(jù)結(jié)構(gòu)和函數(shù)
第二周
主要內(nèi)容
字符串丨列表的應(yīng)用丨元組和集合丨字典類型的應(yīng)用丨函數(shù)使用入門
可解決問題
掌握Python中常用數(shù)據(jù)類型，實(shí)現(xiàn)常用的業(yè)務(wù)邏輯
可掌握的核心能力
| 列表的運(yùn)算 | 創(chuàng)建列表的生成式（推導(dǎo)式） | 元組的應(yīng)用場(chǎng)景（打包解包、變量值交換） |
| 集合類型的特點(diǎn)（無(wú)序性、互異性、確定性） | 集合的運(yùn)算 | 字典中鍵和值的特點(diǎn) |
| 字典的索引運(yùn)算和循環(huán)遍歷 | 函數(shù)的定義和調(diào)用 |
函數(shù)和面向?qū)ο缶幊?/div>
第三周
主要內(nèi)容
包和模塊丨函數(shù)的高級(jí)用法丨裝飾器和生成器丨面向?qū)ο缶幊袒A(chǔ)丨面向?qū)ο缶幊踢M(jìn)階
可解決問題
掌握Python中模塊的使用，導(dǎo)入三方模塊，數(shù)據(jù)作用域，了解Python高級(jí)特性，面向過程，面向?qū)ο蟮木幊趟季S
可掌握的核心能力
| 包和模塊的概念 | Python標(biāo)準(zhǔn)庫(kù)中的常用模塊 | 安裝和使用第三方模塊（pip命令詳解） |
| Python中的作用域（LEGB、閉包） | Python內(nèi)置函數(shù)中的高階函數(shù) | 裝飾器函數(shù)的工作原理 |
| 普通函數(shù)到生成器的轉(zhuǎn)變 | 面向?qū)ο蟮暮诵母拍睿惡蛯?duì)象） | 常用的魔法方法 |
| 多重繼承和MRO問題 |
Python網(wǎng)絡(luò)數(shù)據(jù)采集
第四周
主要內(nèi)容
爬蟲概述和頁(yè)面抓取丨解析頁(yè)面的方式丨爬取數(shù)據(jù)的持久化和商業(yè)IP代理丨獲取頁(yè)面動(dòng)態(tài)內(nèi)容-1丨獲取頁(yè)面動(dòng)態(tài)內(nèi)容-2
可解決問題
掌握爬蟲技能，主流的數(shù)據(jù)抓取，自動(dòng)化瀏覽器操作，競(jìng)品研究。
可掌握的核心能力
| 爬蟲的作用和分類 | 爬蟲合法性的探討 | 三方庫(kù)requests的安裝和使用 |
| 三方庫(kù)beautifulsoup4的安裝和使用 | 通過瀏覽器開發(fā)者工具獲得元素的選擇器 | 使用XPath語(yǔ)法實(shí)現(xiàn)頁(yè)面解析 |
| 將爬取到的數(shù)據(jù)寫入CSV文件 | 將爬取到的數(shù)據(jù)寫入Excel文件 | 修改請(qǐng)求頭Cookie信息 |
| 破解目標(biāo)網(wǎng)站封禁IP的方法 | Ajax技術(shù)和頁(yè)面動(dòng)態(tài)內(nèi)容 | 抓包工具的介紹和使用 |
| 通過數(shù)據(jù)接口獲取JSON數(shù)據(jù) | 使用打碼平臺(tái)破解文字驗(yàn)證碼 |
數(shù)據(jù)分析概述和Excel的應(yīng)用
第五周
主要內(nèi)容
數(shù)據(jù)分析和數(shù)據(jù)分析師概述丨指標(biāo)和指標(biāo)體系建設(shè)丨Excel的安裝和快速上手丨Excel中的函數(shù)和公式計(jì)算丨Excel透視表和、透視圖和商業(yè)數(shù)據(jù)看板
可解決問題
數(shù)據(jù)分析崗位認(rèn)知，入門受眾面最廣的數(shù)據(jù)分析工具Excel
可掌握的核心能力
| 數(shù)據(jù)分析在各行各業(yè)的應(yīng)用 | 互聯(lián)網(wǎng)產(chǎn)品的定義和商業(yè)模式認(rèn)知 | 互聯(lián)網(wǎng)產(chǎn)品類型和盈利模式分析 |
| 互聯(lián)產(chǎn)品的指標(biāo)分類和常見指標(biāo) | 如何為企業(yè)搭建指標(biāo)體系 | 數(shù)據(jù)采集的埋點(diǎn)設(shè)計(jì)和規(guī)范 |
| Excel中函數(shù)的應(yīng)用場(chǎng)景和分類 | 透視表的本質(zhì)和應(yīng)用場(chǎng)景 | 添加和定制切片器 |
| 制作商業(yè)數(shù)據(jù)看板 |
關(guān)系型數(shù)據(jù)庫(kù)和SQL
第六周
主要內(nèi)容
數(shù)據(jù)庫(kù)概述和MySQL的安裝使用丨表關(guān)系和SQL的應(yīng)用丨SQL數(shù)據(jù)查詢?cè)斀庳翱诤瘮?shù)和JSON類型丨Python程序接入MySQL數(shù)據(jù)庫(kù)
可解決問題
掌握數(shù)據(jù)庫(kù)的核心內(nèi)容，掌握SQL的使用，掌握使用SQL進(jìn)行數(shù)據(jù)分析
可掌握的核心能力
| 關(guān)系型數(shù)據(jù)庫(kù)的特點(diǎn) | 關(guān)系型數(shù)據(jù)庫(kù)產(chǎn)品介紹 | MySQL圖形化工具Workbench的使用 |
| 投影、別名和運(yùn)算 | 數(shù)據(jù)篩選和空值處理（where子句） | 分組和聚合函數(shù)（group?by子句和having子句） |
| 嵌套查詢（子查詢） | 連接查詢（內(nèi)連接、左外連接、右外連接） | 使用窗口函數(shù)解決排名和TopN查詢問題 |
| 使用數(shù)據(jù)庫(kù)持久化網(wǎng)絡(luò)爬蟲采集的數(shù)據(jù) |
商業(yè)智能（BI）工具
第七周
主要內(nèi)容
MySQL其他相關(guān)知識(shí)丨從Excel到Power?BI丨Power?BI中的數(shù)據(jù)清洗和建模丨Power?BI中的數(shù)據(jù)可視化和報(bào)表制作丨認(rèn)識(shí)和使用Tableau
可解決問題
掌握主流BI工具PowerBI，Tableau等工具的使用
可掌握的核心能力
| 從Excel升級(jí)到Power?BI的理由 | Power?Query編輯器的使用 | 事實(shí)表和維度表 |
| DAX函數(shù) | 高階視覺對(duì)象的應(yīng)用 | 數(shù)據(jù)的鉆取 |
| Tableau?Desktop功能區(qū)介紹 | 基礎(chǔ)可視化圖表的應(yīng)用 | 餅圖、折線圖、樹狀圖、堆積柱狀圖、直方圖、散點(diǎn)圖、氣泡圖 |
商業(yè)智能（BI）工具
第八周
主要內(nèi)容
深入探索Tableau丨Tableau數(shù)據(jù)分析項(xiàng)目實(shí)戰(zhàn)丨認(rèn)識(shí)和使用fineBI丨數(shù)據(jù)思維和分析模型-1丨數(shù)據(jù)思維和分析模型-2
可解決問題
掌握主流數(shù)據(jù)分析思維，使用模型對(duì)項(xiàng)目進(jìn)行分析。
可掌握的核心能力
| 數(shù)據(jù)分箱和數(shù)據(jù)桶 | 相關(guān)分析和回歸分析 | LOD表達(dá)式的應(yīng)用場(chǎng)景 |
| 儀表板的布局和樣式 | RFM模型 | AIPL模型 |
| AARRR模型（海盜模型） | RARRA增長(zhǎng)模型 | 渠道和運(yùn)營(yíng)分析 |
| A/B測(cè)試的應(yīng)用閉環(huán) | 產(chǎn)品生命周期和迭代流程 | 用戶生命周期和運(yùn)營(yíng)策略 |
| 數(shù)據(jù)分析報(bào)告撰寫原則 | 數(shù)據(jù)分析報(bào)告撰寫要素 | 優(yōu)質(zhì)數(shù)據(jù)分析報(bào)告解讀 |
Python數(shù)據(jù)分析
第九周
主要內(nèi)容
Python數(shù)據(jù)分析工具介紹丨使用NumPy實(shí)現(xiàn)批量數(shù)據(jù)處理丨使用Pandas進(jìn)行數(shù)據(jù)分析-1丨使用Pandas進(jìn)行數(shù)據(jù)分析-2丨使用Pandas進(jìn)行數(shù)據(jù)分析-3
可解決問題
掌握使用Python進(jìn)行數(shù)據(jù)分析，掌握Python數(shù)據(jù)分析三劍客。
可掌握的核心能力
| 新建和使用Notebook | ndarray對(duì)象的索引和切片 | 廣播機(jī)制 |
| 讀取CSV和Excel文件創(chuàng)建DataFrame | DataFrame對(duì)象的數(shù)據(jù)篩選 | DataFrame對(duì)象的數(shù)據(jù)拼接和合并 |
| 數(shù)據(jù)清洗的概念 | 數(shù)據(jù)的分箱（離散化） | DataFrame對(duì)象的數(shù)據(jù)分組聚合操作 |
| 生成透視表和交叉表 | 計(jì)算協(xié)方差和相關(guān)系數(shù) |
Python數(shù)據(jù)分析
第十周
主要內(nèi)容
使用Matplotlib繪制統(tǒng)計(jì)圖表丨Seaborn和Pyecharts的使用丨電商項(xiàng)目相關(guān)業(yè)務(wù)知識(shí)介紹丨項(xiàng)目實(shí)操
可解決問題
掌握數(shù)據(jù)可視化的多種庫(kù)，結(jié)合項(xiàng)目進(jìn)行可視化，進(jìn)行數(shù)據(jù)分析
可掌握的核心能力
| Matplotlib的配置參數(shù) | 定制坐標(biāo)系 | 柱狀圖和堆疊柱狀圖 |
| 餅圖和環(huán)狀餅圖 | 加載Seaborn自帶的數(shù)據(jù)集 | Pyecharts常用圖表舉例 |
| 電商產(chǎn)品的生命周期 | 電商用戶的生命周期 | 電商產(chǎn)品核心指標(biāo)和指標(biāo)體系解析 |
| 電商產(chǎn)品運(yùn)營(yíng)活動(dòng)概述 | FAST模型和KISS復(fù)盤 | 用戶畫像和用戶標(biāo)簽 |
| 電商產(chǎn)品用戶購(gòu)買預(yù)測(cè) | 電商產(chǎn)品用戶評(píng)論情感預(yù)測(cè) |
統(tǒng)計(jì)思維和機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)
第十一周
主要內(nèi)容
線性代數(shù)丨微積分丨概率論丨統(tǒng)計(jì)學(xué)丨信息論
可解決問題
掌握統(tǒng)計(jì)思維，為機(jī)器學(xué)習(xí)做準(zhǔn)備
可掌握的核心能力
| 矩陣和行列式 | 特征值和特征向量 | 導(dǎo)數(shù)的概念和意義 |
| 空間函數(shù)和偏導(dǎo)數(shù) | 貝葉斯定理 | 正態(tài)分布詳解 |
| 假設(shè)檢驗(yàn) | 主成分分析 | 聯(lián)合熵和條件熵 |
機(jī)器學(xué)習(xí)算法
第十二周
主要內(nèi)容
機(jī)器學(xué)習(xí)概述和kNN算法丨回歸算法丨邏輯回歸丨樸素貝葉斯丨決策樹
可解決問題
掌握機(jī)器學(xué)習(xí)的主流算法，掌握分類，回歸，樹模型
可掌握的核心能力
| 機(jī)器學(xué)習(xí)三大要素：模型、策略、算法 | 模型評(píng)估方法概述 | 機(jī)器學(xué)習(xí)中的概念解析 |
| 一元線性回歸和多元線性回歸 | 線性回歸算法原理 | 回歸模型評(píng)價(jià)標(biāo)準(zhǔn)MSE、R^2、RMSE、MAE等 |
| Sigmoid函數(shù) | 似然函數(shù)、極大似然估計(jì) | 決策樹算法概述及學(xué)習(xí)過程 |
| 特征依據(jù)：香濃熵、信息增益、GINI系數(shù) | 隨機(jī)森林集成算法 |
機(jī)器學(xué)習(xí)算法
第十三周
主要內(nèi)容
支持向量機(jī)丨聚類算法和輪廓系數(shù)丨集成算法丨特征工程和評(píng)價(jià)指標(biāo)丨機(jī)器學(xué)習(xí)項(xiàng)目實(shí)戰(zhàn)
可解決問題
掌握集成學(xué)習(xí)的主流算法，掌握非監(jiān)督學(xué)習(xí)，掌握模型評(píng)估及優(yōu)化策略。
可掌握的核心能力
| SVM算法數(shù)學(xué)推導(dǎo)過程 | 最大幾何間隔、拉格朗日乘子法、對(duì)偶性質(zhì) | KMeans聚類算法原理及應(yīng)用 |
| DBSCAN聚類算法原理及應(yīng)用 | Bagging思想、Boosting思想、Stacking思想 | 特征工程 |
| 建模流程規(guī)范 | 數(shù)據(jù)量綱處理：歸一化、標(biāo)準(zhǔn)化、缺失值處理 | WOE、IV值意義及特征轉(zhuǎn)換 |
| 特征重要性評(píng)估 |
數(shù)據(jù)倉(cāng)庫(kù)和大數(shù)據(jù)挖掘
第十四周
主要內(nèi)容
數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)湖和Hadoop生態(tài)圈丨ETL工具丨數(shù)據(jù)倉(cāng)庫(kù)丨Hive丨數(shù)倉(cāng)搭建和數(shù)據(jù)分析項(xiàng)目
可解決問題
了解大數(shù)據(jù)生態(tài)，使用大數(shù)據(jù)工具進(jìn)行數(shù)據(jù)分析，數(shù)據(jù)挖掘。
可掌握的核心能力
| Hadoop生態(tài)圈概述 | 數(shù)據(jù)的預(yù)處理 | 數(shù)據(jù)倉(cāng)庫(kù)建模 |
| Hive的數(shù)據(jù)定義語(yǔ)言 | Hive的數(shù)據(jù)操作語(yǔ)言 | Hive的數(shù)據(jù)查詢語(yǔ)言 |
| Hive數(shù)據(jù)抽樣（隨機(jī)抽樣、塊抽樣、分桶抽樣） | 用戶行為分析和購(gòu)買預(yù)測(cè) |
就業(yè)指導(dǎo)和模擬面試
第十五周
主要內(nèi)容
就業(yè)期的技術(shù)和心理準(zhǔn)備丨如何制作一份優(yōu)質(zhì)的簡(jiǎn)歷丨面試流程和注意事項(xiàng)丨一對(duì)一模擬模式丨一對(duì)一模擬面試
可解決問題
就業(yè)沖刺，掌握面試技巧，如何表達(dá)出自己的能力
可掌握的核心能力
| 數(shù)據(jù)分析師的硬實(shí)力和軟技能 | 數(shù)據(jù)挖掘工程師簡(jiǎn)歷要點(diǎn) | STAR法則的應(yīng)用 |
| 高頻面試題回答技巧 | 面試后的總結(jié)和復(fù)盤 | 簡(jiǎn)歷文字問題剖析 |
技術(shù)大咖講師團(tuán) 職場(chǎng)經(jīng)驗(yàn)傾囊相授
企業(yè)真實(shí)項(xiàng)目實(shí)踐，達(dá)到技術(shù)+實(shí)戰(zhàn)真突破
01實(shí)戰(zhàn)項(xiàng)目(一)
全科醫(yī)院就診和收支數(shù)據(jù)分析
相關(guān)知識(shí)
Power BI Desktop、Power
Query、數(shù)據(jù)清洗、數(shù)據(jù)建模、事實(shí)表、維度表、星型模型、度量值、DAX、視覺對(duì)象、篩選器、細(xì)分分析法、同比、環(huán)比、報(bào)表、Power BI Pro
應(yīng)用場(chǎng)景
企業(yè)數(shù)據(jù)可視化、核心指標(biāo)監(jiān)控、數(shù)字化大屏、數(shù)字駕駛艙、業(yè)務(wù)洞察
02實(shí)戰(zhàn)項(xiàng)目(二)
連鎖咖啡店用戶和產(chǎn)品數(shù)據(jù)分析
相關(guān)知識(shí)
Tableau、Tableau
Prep、事實(shí)表、維度表、雪花模型、計(jì)算字段、數(shù)據(jù)桶、參數(shù)、快速表計(jì)算、LOD表達(dá)式、平均線、趨勢(shì)線、象限法、細(xì)分分析法、相關(guān)分析法、RFM模型、儀表板、故事、Tableau
Server、Tableau Public
應(yīng)用場(chǎng)景
核心指標(biāo)監(jiān)控、數(shù)字駕駛艙、用戶價(jià)值分群、產(chǎn)品畫像
03實(shí)戰(zhàn)項(xiàng)目(三)
零售行業(yè)毛利潤(rùn)異常診斷
相關(guān)知識(shí)
fineBI、自定義數(shù)據(jù)源、業(yè)務(wù)包、表關(guān)系管理、自助數(shù)據(jù)集、數(shù)據(jù)自動(dòng)更新、組件、儀表板、鉆取目錄、聯(lián)動(dòng)設(shè)置、公式拆解法、細(xì)分分析法
應(yīng)用場(chǎng)景
核心指標(biāo)監(jiān)控、數(shù)字化大屏、數(shù)字駕駛艙、異常診斷和分析
04實(shí)戰(zhàn)項(xiàng)目(四)
金融行業(yè)信用風(fēng)險(xiǎn)評(píng)分卡模型
相關(guān)知識(shí)
NumPy、pandas、seaborn、EDA（探索性數(shù)據(jù)分析）、scikit-learn、特征工程、邏輯回歸、AUC、ROC、KS、PSI
應(yīng)用場(chǎng)景
消費(fèi)金融、信用卡申請(qǐng)審批、貸款自動(dòng)審核
05實(shí)戰(zhàn)項(xiàng)目(五)
基于大數(shù)據(jù)平臺(tái)的數(shù)據(jù)倉(cāng)庫(kù)建設(shè)和數(shù)據(jù)分析
相關(guān)知識(shí)
Linux、SSH、Hadoop、HDFS、MapReduce / Spark、Hive、Kettle、DBeaver、BI工具（Tableau /
PowerBI）
應(yīng)用場(chǎng)景
OLAP（聯(lián)機(jī)分析處理）、數(shù)據(jù)分層和建模、數(shù)據(jù)倉(cāng)庫(kù)建設(shè)、基于Hive的數(shù)據(jù)分析、業(yè)務(wù)報(bào)表輸出
全流程項(xiàng)目驅(qū)動(dòng)教學(xué) 培養(yǎng)數(shù)據(jù)分析多面手
懂工具：
掌握數(shù)據(jù)分析相關(guān)的常用工具
懂工具：
熟悉業(yè)務(wù)需求及流程，有自己獨(dú)到的見解
懂設(shè)計(jì)：
能夠運(yùn)用圖表有效表達(dá)分析觀點(diǎn)，使分析結(jié)果一目了然
懂管理：
能夠針對(duì)數(shù)據(jù)分析結(jié)論提出有指導(dǎo)意義的分析建議
懂分析：
掌握數(shù)據(jù)分析基本原理與一些有效的數(shù)據(jù)分析方法
多位一體服務(wù) 打通學(xué)習(xí)-就業(yè)-職后全流程
以學(xué)員為本，多一份人文關(guān)懷，多一份育人責(zé)任
關(guān)于數(shù)據(jù)分析培訓(xùn)相關(guān)問題咨詢
學(xué)數(shù)據(jù)分析選哪個(gè)培訓(xùn)機(jī)構(gòu)好？如何選擇靠譜的培訓(xùn)機(jī)構(gòu)
立即咨詢 >
千鋒數(shù)據(jù)分析培訓(xùn)學(xué)習(xí)方式？是線上還是線下？
立即咨詢 >
千鋒數(shù)據(jù)分析培訓(xùn)怎么樣？課程有哪些優(yōu)勢(shì)？
立即咨詢 >
轉(zhuǎn)行學(xué)數(shù)據(jù)分析之后好找工作嗎？就業(yè)前景如何？
立即咨詢 >
參加數(shù)據(jù)分析培訓(xùn)有什么要求？零基礎(chǔ)可以學(xué)嗎？
立即咨詢 >
數(shù)據(jù)分析學(xué)習(xí)該如何入門？容易出現(xiàn)哪些誤區(qū)？
立即咨詢 >
千鋒數(shù)據(jù)分析培訓(xùn)需要學(xué)多久？都學(xué)什么？
立即咨詢 >
學(xué)完數(shù)據(jù)分析之后的就業(yè)方向有哪些？可以進(jìn)入哪些行業(yè)？
立即咨詢 >
京公網(wǎng)安備 11010802030320號(hào)