99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁備考教材CDA LEVEL II
CDA LEVEL II
2023-10-11
收藏

一、總體目標(biāo)

CDA(Certified Data Analyst),即“CDA數(shù)據(jù)分析師”,是在數(shù)字經(jīng)濟(jì)大背景和人工智能時(shí)代趨勢下,面向全行業(yè)的資格認(rèn)證,旨在提升用戶數(shù)字技能,助力企業(yè)數(shù)字化轉(zhuǎn)型,推動(dòng)行業(yè)數(shù)字化發(fā)展?!窩DA人才考核標(biāo)準(zhǔn)」是面向全行業(yè)數(shù)據(jù)相關(guān)崗位的一套科學(xué)化、專業(yè)化、國際化的人才技能準(zhǔn)則,CDA考試大綱規(guī)定并明確了數(shù)據(jù)分析師認(rèn)證考試的具體范圍、內(nèi)容和知識(shí)點(diǎn),考生可按照大綱要求進(jìn)行相關(guān)知識(shí)的學(xué)習(xí),獲取技能,成為專業(yè)人才。

二、考試形式與試卷結(jié)構(gòu)

考試方式:線下考試,上機(jī)答題

考試題型:客觀選擇題(單選100題+多選20題+內(nèi)容相關(guān)15題+案例分析15題)

考試時(shí)間:150分鐘

考試成績:分為A、B、C、D四個(gè)層次,A、B、C為通過考試,D為不通過

考試要求:閉卷上機(jī)答題,無需攜帶計(jì)算器及其他考試無關(guān)用品

三、知識(shí)要求

針對不同知識(shí),掌握程度的要求分為【領(lǐng)會(huì)】、【熟知】、【應(yīng)用】三個(gè)級(jí)別,考生應(yīng)按照不同知識(shí)要求進(jìn)行學(xué)習(xí)。

1.領(lǐng)會(huì):考生能夠了解規(guī)定的知識(shí)點(diǎn),并能夠了解規(guī)定知識(shí)點(diǎn)的內(nèi)涵與外延,了解其內(nèi)容要點(diǎn)之間的區(qū)別與聯(lián)系,并能做出正確的闡述、解釋和說明。

2.熟知:考生須掌握知識(shí)的要點(diǎn),并能夠正確理解和記憶相關(guān)理論方法,能夠根據(jù)不同要求,做出邏輯嚴(yán)密的解釋、說明和闡述。此部分為考試的重點(diǎn)部分。

3.應(yīng)用:考生須學(xué)會(huì)將知識(shí)點(diǎn)落地實(shí)踐,并能夠結(jié)合相關(guān)工具進(jìn)行商業(yè)應(yīng)用,能夠根據(jù)具體要求,給出問題的具體實(shí)施流程和策略。

四、考試科目

PART 1 數(shù)據(jù)采集與處理(占比12%)

a.數(shù)據(jù)采集方法(占比2%)

b.市場調(diào)研和數(shù)據(jù)錄入
   市場調(diào)研流程(占比1%)
   樣本選取(占比2%)
   問卷設(shè)計(jì)及錄入(占比2%)

c.數(shù)據(jù)探索與可視化(占比2%)

d.數(shù)據(jù)預(yù)處理方法(占比3%)

PART 2 數(shù)據(jù)模型管理(占比3%)

a.數(shù)據(jù)分類(占比1%)

b.關(guān)系模型(占比1%)

c.數(shù)據(jù)倉庫體系和ETL(占比1%)

PART 3標(biāo)簽體系與用戶畫像(占比5%)

a.標(biāo)簽體系設(shè)計(jì)原理(占比3%)

b.標(biāo)簽的加工方式(占比1%)

c.用戶畫像(占比1%)

PART 4 統(tǒng)計(jì)分析(占比25%)

a.抽樣估計(jì)(占比5%)

b.假設(shè)檢驗(yàn)(占比5%)

c.方差分析(占比5%)

d.一元線性回歸分析(占比10%)

PART 5 數(shù)據(jù)分析模型(占比40%)

a.主成分分析法(占比6%)、因子分析法(占比4%)

b.多元回歸分析
   多元線性回歸(占比10%)
   邏輯回歸(占比10%)

c.聚類分析法
   系統(tǒng)聚類法(占比3%)
   K-Means聚類法(占比2%)

d.時(shí)間序列(占比5%)

PART 6 數(shù)字化工作方法(占比15%)

a.業(yè)務(wù)探查與問題定位(占比3%)

b.問題診斷
   近因分析(占比5%)
   根本原因分析(占比2%)

c.業(yè)務(wù)策略優(yōu)化和指導(dǎo)
   業(yè)務(wù)目標(biāo)設(shè)定原則(占比1%)
   知識(shí)庫,策略庫,流程分析(占比2%)
   線性和整數(shù)規(guī)劃(占比1%)
   二次優(yōu)化(占比1%)

五、科目內(nèi)容

1、數(shù)據(jù)采集方法
【領(lǐng)會(huì)】
一手?jǐn)?shù)據(jù)與二手?jǐn)?shù)據(jù)來源渠道
優(yōu)劣勢分析
使用注意事項(xiàng)
【熟知】
一手數(shù)據(jù)采集中的概率抽樣與非概率抽樣的區(qū)別與優(yōu)缺點(diǎn)
【運(yùn)用】
概率抽樣方法,包括簡單隨機(jī)抽樣、分層抽樣、系統(tǒng)抽樣、分段抽樣 明確每種抽樣的優(yōu)缺點(diǎn)
根據(jù)給定條件選擇最可行的抽樣方式
計(jì)算簡單隨機(jī)抽樣所需的樣本量
2、市場調(diào)研和數(shù)據(jù)錄入
【熟知】
市場調(diào)研的基本步驟(提出問題、理論推演、收集材料、構(gòu)建模型、歸因分析)
樣本選取方式的適應(yīng)性及優(yōu)缺點(diǎn)
問卷設(shè)計(jì)原理,問卷題型設(shè)置以及每類題型的數(shù)據(jù)編碼及錄入
3、數(shù)據(jù)探索與可視化
【領(lǐng)會(huì)】
數(shù)據(jù)探索的目的與意義
常用數(shù)據(jù)可視化工具軟件(EXCEL BI、SPSS、PYTHON等)
【熟知】
數(shù)據(jù)探索數(shù)據(jù)預(yù)處理之間的關(guān)系
數(shù)據(jù)探索常用數(shù)據(jù)描述方法:集中趨勢分析、離中趨勢分析、數(shù)據(jù)分布關(guān)系、圖分析
數(shù)據(jù)探索常用數(shù)理統(tǒng)計(jì)方法:假設(shè)檢驗(yàn)、方差檢驗(yàn)、相關(guān)分析、回歸分析因子分析
【應(yīng)用】
能夠通過使用數(shù)據(jù)可視化工具(EXCEL BI、SPSS、PYTHON等)來完成相關(guān)數(shù)據(jù)分析項(xiàng)目的數(shù)據(jù)探索任務(wù)。(說明:考試中不會(huì)考核該部分工具和軟件的使用方法)。
4、數(shù)據(jù)預(yù)處理方法
【熟知】
數(shù)據(jù)預(yù)處理的基本步驟,包括數(shù)據(jù)集成(不同數(shù)據(jù)源的整合)、數(shù)據(jù)探索、數(shù)據(jù)變換(標(biāo)準(zhǔn)化)、數(shù)據(jù)歸約(維度歸約技術(shù)、數(shù)值歸約技術(shù)),這部分內(nèi)容不涉及計(jì)算,只需要根據(jù)需求明確可選的處理技術(shù)即可。
【應(yīng)用】
數(shù)據(jù)清洗,包括填補(bǔ)遺漏的數(shù)據(jù)值(根據(jù)業(yè)務(wù)場景使用常數(shù)、中位數(shù)、眾數(shù)等方法,不涉及多重查補(bǔ)的方法)、平滑有噪聲數(shù)據(jù)(移動(dòng)平均)、識(shí)別或除去異常值(單變量根據(jù)中心標(biāo)準(zhǔn)化值,多變量使用快速聚類),以及解決不一致問題(熟知概念即可),查重(只考核SQL的語句,不涉及其它語言)。
【領(lǐng)會(huì)】
數(shù)據(jù)和信息的概念;數(shù)據(jù)分類中的主數(shù)據(jù)、交易數(shù)據(jù)和元數(shù)據(jù)概念
數(shù)據(jù)庫建模中概念、邏輯、物理模型之間的關(guān)系
數(shù)據(jù)庫范式的概念、數(shù)據(jù)倉庫數(shù)據(jù)集市、ETL過程
【熟知】
關(guān)系模型與維度模型的使用場景
1、標(biāo)簽體系設(shè)計(jì)原理
【領(lǐng)會(huì)】
區(qū)分標(biāo)簽和指標(biāo)的概念
精準(zhǔn)營銷與量化風(fēng)控的概念
消費(fèi)者決策進(jìn)程
客戶、產(chǎn)品、渠道標(biāo)簽的核心內(nèi)容
【熟知】
分層標(biāo)簽和分群標(biāo)簽
馬斯洛需求層次理論與精準(zhǔn)營銷的關(guān)系
2、標(biāo)簽的加工方式
【領(lǐng)會(huì)】
基礎(chǔ)、統(tǒng)計(jì)、模型標(biāo)簽
【熟知】
3、用戶畫像
【領(lǐng)會(huì)】
用戶旅程分析
標(biāo)準(zhǔn)用戶分析與偏離度分析
【熟知】
用戶畫像技術(shù)在營銷獲客、風(fēng)險(xiǎn)防控中的應(yīng)用
1、抽樣估計(jì)
【領(lǐng)會(huì)】
隨機(jī)試驗(yàn)、隨機(jī)事件、隨機(jī)變量的概念
總體與樣本的概念
抽樣估計(jì)的理論基礎(chǔ)
正態(tài)分布及三大分布的函數(shù)形式和圖像形式
抽樣的多種組織形式
確定必要樣本容量的原因
大數(shù)定律與中心極限定理的意義與應(yīng)用
【熟知】
隨機(jī)事件的概率
抽樣平均誤差的概念與數(shù)學(xué)性質(zhì)
點(diǎn)估計(jì)與區(qū)間估計(jì)方法的特點(diǎn)與優(yōu)缺點(diǎn)
全體總體與樣本總體
參數(shù)和統(tǒng)計(jì)量
重復(fù)抽樣與不重復(fù)抽樣
抽樣誤差的概念對總體平均數(shù)、總體成數(shù)和總體方差的區(qū)間估計(jì)方法
必要樣本容量的影響因素
【應(yīng)用】
隨機(jī)變量及其概率分布
全部可能的樣本單位數(shù)目的概念及其在不同抽樣方法下的確定
抽樣平均誤差在實(shí)際數(shù)據(jù)分析中的計(jì)算方法
2、假設(shè)檢驗(yàn)
【領(lǐng)會(huì)】
假設(shè)檢驗(yàn)的基本概念
其基本思想在數(shù)據(jù)分析中的作用
假設(shè)檢驗(yàn)的基本步驟
假設(shè)檢驗(yàn)與區(qū)間估計(jì)的聯(lián)系
假設(shè)檢驗(yàn)中的兩類錯(cuò)誤
【熟知】
檢驗(yàn)統(tǒng)計(jì)量、顯著性水平及對應(yīng)臨界值(Critical Value)的基本定義
P值的含義及計(jì)算
如何利用P值進(jìn)行檢驗(yàn)
z檢驗(yàn)統(tǒng)計(jì)量
t檢驗(yàn)統(tǒng)計(jì)量
F檢驗(yàn)統(tǒng)計(jì)量
X2檢驗(yàn)統(tǒng)計(jì)量的函數(shù)形式和檢驗(yàn)步驟
【應(yīng)用】
實(shí)現(xiàn)單樣本t檢驗(yàn)
兩獨(dú)立樣本t檢驗(yàn)的步驟和檢驗(yàn)中使用的統(tǒng)計(jì)量與原假設(shè)
兩種檢驗(yàn)應(yīng)用的數(shù)據(jù)分析場景
3、方差分析
【領(lǐng)會(huì)】
方差分析的相關(guān)概念
單因素方差分析的原理
統(tǒng)計(jì)量構(gòu)造過程
【熟知】
單因素方差分析的基本步驟
總離差平方和(SST)的含義及計(jì)算
組間離差平方和(SSA)的含義及計(jì)算
組內(nèi)離差平方和(SSE)的含義及計(jì)算
單因素方差分析的原假設(shè)
【應(yīng)用】
實(shí)現(xiàn)單因素方差分析的步驟
方差分析表的分析以及多重比較表的分析
4、一元線性回歸分析
【領(lǐng)會(huì)】
相關(guān)圖的繪制與作用
相關(guān)表的編制與作用
相關(guān)系數(shù)定義公式的字母含義
估計(jì)標(biāo)準(zhǔn)誤差與相關(guān)系數(shù)的關(guān)系
【熟知】
相關(guān)關(guān)系的概念與特點(diǎn)
相關(guān)關(guān)系與函數(shù)關(guān)系的區(qū)別與聯(lián)系
相關(guān)關(guān)系的種類
相關(guān)系數(shù)的意義以及利用相關(guān)系數(shù)的具體數(shù)值對現(xiàn)象相關(guān)等級(jí)的劃分
回歸分析的概念
回歸分析的主要內(nèi)容和特點(diǎn)
建立一元線性回歸方程的條件
一元線性回歸系數(shù)的最小二乘估計(jì)
應(yīng)用回歸分析應(yīng)注意的問題
估計(jì)標(biāo)準(zhǔn)誤差的意義及計(jì)算
【應(yīng)用】
運(yùn)用簡捷法公式計(jì)算相關(guān)系數(shù)與回歸系數(shù)
相關(guān)分析分析中應(yīng)注意的問題
回歸分析相關(guān)分析的區(qū)別與聯(lián)系
總體要求
領(lǐng)會(huì)模型基本原理,數(shù)值模型操作流程,懂得模型應(yīng)用場景,能夠完成數(shù)據(jù)建模分析報(bào)告。
1、主成分分析
【領(lǐng)會(huì)】
主成分分析的計(jì)算步驟
主成分分析中對變量自身分布和多變量之間關(guān)系的假設(shè)以及模型設(shè)置
【熟知】
適用于主成分分析的變量度量類型。通過分析結(jié)果,選取合適的保留主成分的個(gè)數(shù),注意區(qū)分兩種不同的分析目的(盡量壓縮變量、避免共線性情況下保留更多信息)保留主成分個(gè)數(shù)的評判標(biāo)準(zhǔn)的差異。
【應(yīng)用】
在深入理解主成分的意義的基礎(chǔ)之上,在遇到業(yè)務(wù)問題時(shí),有能力決定是否使用主成分分析方法;有能力決定何時(shí)采用相關(guān)系數(shù)計(jì)算方法和協(xié)方差矩陣計(jì)算方法;有能力解釋主成分得分的結(jié)果;根據(jù)變量分布情況進(jìn)行函數(shù)轉(zhuǎn)換。
2、因子分析
【領(lǐng)會(huì)】
了解因子分析模型設(shè)置,只需要關(guān)注主成分法的計(jì)算步驟
【熟知】
適用于因子分析的變量度量類型,通過分析結(jié)果,選取合適的因子個(gè)數(shù)。
常用因子旋轉(zhuǎn)的方法
【應(yīng)用】
在遇到業(yè)務(wù)問題時(shí),有能力決定是否使用因子分析,還是使用主成分分析方法就可以了;有能力根據(jù)原始變量在各因子上的權(quán)重明確每個(gè)因子的意義;有能力對大量變量進(jìn)行維度分析,分維度打分,并比較與專家打分(德爾菲法)的區(qū)別;在聚類前對數(shù)據(jù)進(jìn)行描述,發(fā)現(xiàn)理想的聚類方式和數(shù)量。
3、回歸分析
【領(lǐng)會(huì)】
線性回歸的綜合應(yīng)用
【熟知】
明確線性回歸的6個(gè)經(jīng)典假設(shè)(線性模型、不存在共線性、殘差期望為0(無內(nèi)生性)、同方差、正態(tài)性、隨機(jī)抽樣)
獨(dú)立同分布的概念
明確違反上述假設(shè)后出現(xiàn)的問題
模型是否違反經(jīng)典假設(shè)的檢驗(yàn)方法與模型糾正的方法
變量篩選方法
離群值、指標(biāo)計(jì)算方法
明晰橫截面和時(shí)間序列數(shù)據(jù)在回歸建模上的差異
【應(yīng)用】
結(jié)合業(yè)務(wù)構(gòu)建回歸模型并且解釋回歸系數(shù)
根據(jù)業(yè)務(wù)場景與變量分布情況進(jìn)行函數(shù)轉(zhuǎn)換
解釋變量為分類變量時(shí)的處理方法
區(qū)分預(yù)測性建模與解釋性建模的關(guān)系
使用結(jié)果進(jìn)行新樣本預(yù)測
進(jìn)行客戶價(jià)值分析的基本步驟與注意事項(xiàng)
4、分類分析
【領(lǐng)會(huì)】
卡方檢驗(yàn)計(jì)算公式
二分類邏輯回歸的計(jì)算公式
【熟知】
分類變量是否存在相關(guān)關(guān)系的描述方法和檢驗(yàn)方法,涉及列聯(lián)表分析、卡方檢驗(yàn)
似然比與Logit轉(zhuǎn)換
二分類邏輯回歸模型構(gòu)建與變量篩選
模型評估的方法,涉及混淆矩陣ROC曲線
【應(yīng)用】
結(jié)合業(yè)務(wù)構(gòu)建回歸模型并且解釋回歸系數(shù)
根據(jù)業(yè)務(wù)場景與變量分布情況進(jìn)行函數(shù)轉(zhuǎn)換
使用結(jié)果進(jìn)行新樣本預(yù)測
邏輯回歸與多元線性回歸模型的結(jié)合應(yīng)用
進(jìn)行客戶流失預(yù)測、信用評級(jí)、精準(zhǔn)營銷等模型的基本步驟與注意事項(xiàng)
5、聚類分析
【領(lǐng)會(huì)】
多種聚類算法的特點(diǎn)
迭代的概念與實(shí)現(xiàn)
【熟知】
聚類方法的基本邏輯
距離的計(jì)算
系統(tǒng)聚類和K-Means聚類的基本算法和優(yōu)缺點(diǎn)
系統(tǒng)聚類的計(jì)算步驟,包括兩點(diǎn)距離、兩類合并的計(jì)算方法
系統(tǒng)聚類法中選擇最優(yōu)聚類數(shù)量的方法
K-Means聚類的基本算法
聚類分析變量標(biāo)準(zhǔn)化的原因和計(jì)算方法
變量需要進(jìn)行主成分分析的原因
變量進(jìn)行函數(shù)轉(zhuǎn)化的原因和計(jì)算方法
【應(yīng)用】
結(jié)合客戶畫像、客戶細(xì)分、商品聚類、離群值檢驗(yàn)(欺詐、反洗錢)等業(yè)務(wù)運(yùn)用場景,選取合適的聚類方法與步驟。
聚類事后分析,根據(jù)聚類后變量分布情況獲取每類的特征
6、時(shí)間序列
【領(lǐng)會(huì)】
明確趨勢分解法、ARIMA方法、時(shí)間序列回歸方法的差異和適用場景
明確ARIMA方法的計(jì)算方法
【熟知】
趨勢分解法,涉及乘法模型、加法模型
ARIMA方法的具體步驟;時(shí)間序列回歸的方法
【應(yīng)用】
結(jié)合業(yè)務(wù)(業(yè)績預(yù)測、預(yù)警),選取合適的分析方法
進(jìn)行業(yè)務(wù)時(shí)間序列預(yù)測等模型的基本步驟與注意事項(xiàng)
1、業(yè)務(wù)探查與問題定位
【領(lǐng)會(huì)】
異常事件嚴(yán)重度評估準(zhǔn)則。
業(yè)務(wù)流程等事件還原工具。
【熟知】
業(yè)務(wù)流程圖的繪制。
2、問題診斷
【領(lǐng)會(huì)】
近因分析的頭腦風(fēng)暴法與量化分析分析工具的選取。
根本原因分析中的5WHY分析法,原因型和對策型因果圖。
【熟知】
通過帕累托分析識(shí)別要點(diǎn)。
通過散點(diǎn)圖、關(guān)聯(lián)圖、親和圖進(jìn)行關(guān)聯(lián)分析。
通過漏斗分析、用戶畫像、留存分析、跟蹤數(shù)字足跡進(jìn)行探查。
繪制原因型因果圖。
3、業(yè)務(wù)策略優(yōu)化和指導(dǎo)
【領(lǐng)會(huì)】
業(yè)務(wù)目標(biāo)設(shè)定原則
線性規(guī)劃的組成部分、標(biāo)準(zhǔn)形式。
整數(shù)規(guī)劃與去尾法線性規(guī)劃的差異性。
二次規(guī)劃的組成部分、標(biāo)準(zhǔn)形式。
知識(shí)庫的類型和組成部分。
策略庫的類型和組成部分。
【熟知】
線性規(guī)劃的建模步驟。
二次規(guī)劃的建模步驟。
流程優(yōu)化的分析方法和工具。
【應(yīng)用】
根據(jù)題目要求給出目標(biāo)函數(shù)和約束條件。

六、推薦學(xué)習(xí)書目

說明:推薦學(xué)習(xí)書目中,部分書籍結(jié)合軟件,但考試中不考查軟件操作使用,考生可根據(jù)自身需求選擇性學(xué)習(xí)。參考書目不需全部學(xué)完,根據(jù)考綱知識(shí)點(diǎn)進(jìn)行針對性學(xué)習(xí)即可。

[1] 常國珍等.商業(yè)策略數(shù)據(jù)分析.電子工業(yè)出版社,2023.(必讀)
[2] 趙仁乾,常國珍等.金融商業(yè)算法建模:基于python和SAS[M].機(jī)械工業(yè)出版社,2021.(必讀)
[3] 比約恩等.根原因分析-簡化的工具和技術(shù)(第2版)[M].中國人民大學(xué)出版社,2011.(必讀)
[4] 常國珍等.Python數(shù)據(jù)科學(xué):技術(shù)詳解與商業(yè)實(shí)踐 [M].機(jī)械工業(yè)出版社,2018.(必讀)
[5] 賈俊平,何曉群,金勇進(jìn).統(tǒng)計(jì)學(xué)(第8版)[M].中國人民大學(xué)出版社,2021.(選讀)
[6] 金勇進(jìn),杜子芳等.抽樣技術(shù)(第5版).中國人民大學(xué)出版社,2021.(選讀)
[7] 數(shù)據(jù)管理協(xié)會(huì)(DAMA國際).DAMA數(shù)據(jù)管理知識(shí)體系指南(原書第2版)[M].機(jī)械工業(yè)出版社,2020.(選讀)
[8] 韓伯棠,管理運(yùn)籌學(xué)(第5版)[M].高等教育出版社,2020.(選讀)
[9] 任寅姿,季樂樂等.標(biāo)簽類目體系[M].機(jī)械工業(yè)出版社,2021.(選讀)


登錄后下載大綱PDF

推薦學(xué)習(xí)書籍
《CDA一級(jí)教材》適合CDA一級(jí)考生備考,也適合業(yè)務(wù)及數(shù)據(jù)分析崗位的從業(yè)者提升自我。完整電子版已上線CDA網(wǎng)校,累計(jì)已有10萬+在讀~

免費(fèi)加入閱讀:https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0

數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼,搜微信號(hào):CDAshujufenxi

上一篇CDA LEVEL I
下一篇CDA LEVEL III
數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調(diào),回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對象,之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說明請參見:http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }