課程簡介
本課程為CDA LEVEL I 業(yè)務(wù)數(shù)據(jù)分析師認(rèn)證培訓(xùn)班—Python專題。Python被譽(yù)為最優(yōu)美的編程語言,具有簡單易學(xué)、可擴(kuò)展性強(qiáng)、可移植性強(qiáng)、豐富的庫等優(yōu)點(diǎn)。 本課程從Python語法基礎(chǔ)、數(shù)據(jù)提取、數(shù)據(jù)處理、統(tǒng)計分析、數(shù)據(jù)建模、數(shù)據(jù)可視化等體系學(xué)習(xí),介紹了使用Python進(jìn)行數(shù)據(jù)分析的各個技術(shù)細(xì)節(jié)。通過實(shí)際的金融、電信、市場、客戶關(guān)系等案例演練,讓學(xué)員真正體驗(yàn)數(shù)據(jù)分析與Python的魅力。新手完全能夠通過本課程學(xué)習(xí),成長為優(yōu)秀的Python數(shù)據(jù)分析行家。
學(xué)習(xí)目標(biāo)
-
掌握數(shù)據(jù)分析基礎(chǔ)理論和常用分析法,并能結(jié)合專業(yè)統(tǒng)計軟件完成數(shù)據(jù)分析工作。
-
掌握數(shù)據(jù)分析和數(shù)據(jù)挖掘高級算法,操作相關(guān)軟件應(yīng)用于實(shí)際案例。
-
將數(shù)據(jù)分析技能與具體業(yè)務(wù)結(jié)合,在學(xué)習(xí)工作中獨(dú)立完成數(shù)據(jù)分析工作并解決當(dāng)前問題。
-
課程從理論到應(yīng)用,系統(tǒng)進(jìn)階,由淺入深,偏于實(shí)際應(yīng)用
學(xué)習(xí)對象和基礎(chǔ)
-
學(xué)生、轉(zhuǎn)行欲從業(yè)人士
-
在職數(shù)據(jù)分析師
-
對數(shù)據(jù)分析和挖掘感興趣的業(yè)界人士
-
學(xué)習(xí)前需要掌握統(tǒng)計基礎(chǔ)
-
提前掌握Python語言基礎(chǔ)編程
崗位職責(zé)
-
深入業(yè)務(wù),理解業(yè)務(wù)運(yùn)作邏輯,利用數(shù)據(jù)分析手段,對業(yè)務(wù)數(shù)據(jù)指標(biāo)進(jìn)行數(shù)據(jù)監(jiān)測、業(yè)務(wù)分析,包含但不限于業(yè)務(wù)過程和項(xiàng)目運(yùn)營指標(biāo),業(yè)務(wù)結(jié)果指標(biāo)等;
-
業(yè)務(wù)數(shù)據(jù)分析體系設(shè)計,例如業(yè)務(wù)數(shù)據(jù)報表體系、薪酬績效指標(biāo)體系,激勵分析體系等;
-
業(yè)務(wù)項(xiàng)目專項(xiàng)分析,數(shù)據(jù)產(chǎn)品需求分析,對接數(shù)據(jù)產(chǎn)品建設(shè);
任職要求
-
本科以上學(xué)歷,經(jīng)濟(jì)學(xué)、統(tǒng)計學(xué)、計算機(jī)等或者數(shù)據(jù)處理高度相關(guān)專業(yè),3-5年數(shù)據(jù)分析工作經(jīng)驗(yàn);
-
練使用SQL等數(shù)據(jù)庫查詢語言優(yōu)先, 對數(shù)據(jù)敏感, 有商業(yè)敏感度,具有較強(qiáng)結(jié)構(gòu)化思維、邏輯思維能力, 具備優(yōu)秀的信息整合和分析能力;
-
工作細(xì)致、專業(yè)、嚴(yán)謹(jǐn), 有較好的自驅(qū)力。
目標(biāo)人群
-
對數(shù)據(jù)分析感興趣的財務(wù)(經(jīng)理/總監(jiān))
-
對數(shù)據(jù)分析感興趣的人力資源(經(jīng)理/總監(jiān))
-
對數(shù)據(jù)分析感興趣的產(chǎn)品/運(yùn)營(經(jīng)理/總監(jiān))
-
對數(shù)據(jù)分析感興趣的市場營銷/行業(yè)分析(經(jīng)理/總監(jiān))
-
希望提升的數(shù)據(jù)分析員/業(yè)務(wù)數(shù)據(jù)分析師
課程內(nèi)容
第1章: 數(shù)據(jù)分析概念與編程基礎(chǔ)
-
Python數(shù)據(jù)分析演示
-
數(shù)據(jù)科學(xué)與Python基礎(chǔ)
-
Python數(shù)據(jù)結(jié)構(gòu)與控制流
-
Python函數(shù)
第2章: SQL數(shù)據(jù)庫與描述性分析
-
描述性統(tǒng)計分析
-
描述性分析與Python演示
-
統(tǒng)計分布方法
-
Python數(shù)據(jù)可視化
第3章: 數(shù)據(jù)分析之統(tǒng)計推斷知識
-
數(shù)據(jù)庫介紹
-
SQL查詢語言與Python SQL
-
Python SQL進(jìn)行數(shù)據(jù)合并
-
使用Python進(jìn)行數(shù)據(jù)清洗
第4章: Python進(jìn)行統(tǒng)計分析和數(shù)據(jù)清洗
-
統(tǒng)計推斷與參數(shù)估計
-
假設(shè)檢驗(yàn)與單樣本T檢驗(yàn)
-
方差分析
-
相關(guān)與回歸分析
第5章: Python進(jìn)行回歸分析和降維分析
-
線性回歸客戶價值預(yù)測
-
線性回歸的模型、目標(biāo)和算法
-
多元線性回歸
-
多元線性回歸2
-
模型解釋
-
使用邏輯回歸做流失預(yù)警
-
列聯(lián)表回歸
-
模型評估
-
銀行貸款案例
第6章: Pandas綜合案例與聚類分析
-
使用Python進(jìn)行數(shù)據(jù)分析
-
Pandas細(xì)節(jié)P1
-
Pandas細(xì)節(jié)P2
-
使用Python進(jìn)行離網(wǎng)用戶預(yù)警P1
-
使用Python進(jìn)行離網(wǎng)用戶預(yù)警P2
-
Pyecharts數(shù)據(jù)可視化
-
數(shù)據(jù)挖掘模型概述
-
聚類分析P1
-
聚類分析P2
-
聚類分析P3
第7章: Python進(jìn)行時間序列和綜合案例分析(補(bǔ)充)
-
使用時間序列做銷量預(yù)測P1
-
使用時間序列做銷量預(yù)測P2
-
使用時間序列做銷量預(yù)測P3
-
使用時間序列做銷量預(yù)測P4