cda

全國校區

您的位置:首頁 > 課程列表 > Python數據分析師集訓班 - 3個月

Python數據分析師集訓班 - 3個月

Python數據分析師集訓班 - 3個月

難度系數:

課程系列:Level 2


周期: 12周

13800

立即報名 花唄分期 咨詢老師

Python數據分析師集訓班 - 3個月

 姓名:

 電話:

 郵箱:

   備注:

邀請碼:

提交信息
  • WHAT 課程簡介

    企業想要在競爭激烈的市場中勝出,決策的速度和反應的效率尤為重要。根據調查顯示,75%的企業在面臨擬定策略時,常常無法獲得實時且有根據的決策信息。什么樣的數據、要透過什么樣的方法,才能快速且實時的轉變成決策時有用的信息,是現代企業所面臨最迫切性的問題。
    Python數據分析集訓課程針對針對周末時間充裕、零基礎的專科、本科在校生,以及在職&欲轉行從事數據分析的工作人員提供3個月全脫產周末集訓,畢業可推薦相關工作。
    課程內容以CDA數據分析師標準大綱要求,包含Python基礎 – Pandas數據清洗 - Python爬蟲 - Python數據可視化(Matplotlib、Seaborn、Pyecharts) - Python機器學習算法等內容,并結合互聯網金融、電信、銀行、醫療、交通等行業實際案例來幫助學員建立整套的數據分析和機器學習思路,案例涉及營銷優化、風險控制、用戶研究、商業部署等領域,使學員所學更符合企業要求。
  • WHY 學習目標

    熟練掌握數據科學領域最受歡迎的編程語言-Python
    掌握使用Python和pandas庫進行數據清洗和預處理
    使用Python爬蟲獲取網絡數據
    學會使用matplotlib、seaborn進行初級可視化
    學會使用Pyecharts進行高級數據可視化
    學會構建機器學習算法進行分類、預測和聚類模型
    使用Python進行數據分析整體思路、針對業務做出模型最優化選擇
    善用機器學習解決用戶畫像、精準營銷、風險管理等商業問題
    使用機器學習實操電商、金融、電信、醫藥行業真實項目案例
  • WHO 學習對象和基礎

    想從事數據領域工作,缺乏實踐技能的在校學生
    希望轉行數據領域人員
    個人發展遭遇瓶頸的數據分析師
    有數據化運營需求的產品運營、市場人員及管理者
    對Python數據分析和挖掘感興趣的業界人士

01Python編程基礎知識

01-01成為Python高手之前必備基礎知識
01-02數據分析的武器庫與分析工具Python介紹
01-03Python的基本數據類型和數據結構
01-04Python的程序控制
01-05Python的函數與模塊
01-06Python日期和時間處理
01-07Python字符串處理與正則表達式
01-08Python異常處理和文件操作
01-09實戰:基于Python的函數創建與商業實操文件操作

02Python進行數據整理和數據清洗

01-01Numpy中的數據類型--ndarray數組的創建
01-02Numpy數組基礎:索引、切片、變形、分裂
01-03Numpy數組運算:通用函數
01-04Numpy數組變形、拼接
01-05Numpy數組計算:廣播、聚合、比較和掩碼、數組排序
01-06Pandas對象簡介:Series、Dataframe、Index
01-07Pandas數據加載與存儲
01-08Pandas數值運算方法:通用函數、聚合函數、遍歷
01-09Panda層次化索引
01-10Pandas數據處理:數據類型轉換、缺失值處理、字符串轉換
01-11Pandas數據表的合并與連接
01-12Pandas數據的累計與分組
01-13高性能Pandas:query()、eval()實現高性能運算
01-14Pandas數據規整化:清理、轉換、合并、重塑
01-15Pandas時間序列&金融數據處理
01-16實戰案例1:泰坦尼克幸存者數據清洗
01-17實戰案例2:USDA食品數據清洗

03Python進行數據可視化技術-線上

01-01繪圖思想的基本原理
01-02Python數據可視化包-Matplotlib介紹
01-03使用Matplotlib進行基本的圖形繪制
01-04使用Python數據處理包Pandas做可視化
01-05Python數據可視化包-Seaborn介紹與圖形繪制
01-06Python數據可視化包-Pyecharts介紹與圖形繪制
01-07使用Python進行地圖繪制-Pyecharts
01-08數據可視化技巧

04Python進行網絡爬蟲

01-01網絡爬蟲基礎知識
01-02網絡請求及響應-Requests庫
01-03HTML文檔解析-BeautifulSoup庫
01-04常見反爬蟲機制及應對
01-05網絡爬蟲 VS 網絡數據抓取
01-06實戰1:新東方批量下載頭像
01-07實戰2:抓取豆瓣書籍簡介
01-08實戰3:模擬瀏覽器selenium抓取電商商品信息及評論

05Python數據清洗高級操作及案例實戰

01-01如何成為一名優秀的數據分析師
01-02P供Python讀取的數據:CSV文件、JSON數據、XML數據
01-03數據的獲取與存儲:數據的不平等性、真實性、可讀性、清潔度等
01-04對獲取到的數據進行探索:埃博拉病毒危機、列車安全數據、童工數據
01-05數據清洗探索:找出要清洗的數據、數據格式化、找出離群值和不良數據、找出重復數據、模糊匹配、正則匹配等
01-06數據清洗探索:標準化和腳本化(數據歸一化和標準化、找到適合項目的數據清洗方法、數據清洗腳本化、用新數據測試)
01-07數據探索和分析:數據探索(表函數探索、連接多個數據集、找出離群值、創建分組)
01-08數據探索與分析:分離和聚焦數據、描述結論、書寫報告文檔
01-09Pandas時間序列&金融數據處理
01-10數據清洗實戰案例:泰坦尼克幸存者數據清洗&USDA食品數據清洗
01-11數據探索實例:為什么非洲童工雇傭的概率更高?腐敗感和童工雇傭有什么關系?
01-12數據探索實例:國外電商用戶購買信息的數據處理與探索:通過購物籃商品信息探索出客戶來源、流失、留存率、消費水平及消費傾向。

06機器學習和數據挖掘概述-線上

01-01數據挖掘概念
01-02數據挖掘算法分類
01-03數理統計vs機器學習一般流程
01-04有監督學習算法
01-05無監督學習算法
01-06機器學習學習路線圖和推薦書籍

07Python進行機器學習和sklearn實戰-Part1

01-01機器學習入門介紹:機器學習基本思想、常用算法分類、算法庫等
01-02Scikit-Learn入門介紹:特征矩陣、標簽數組、評估器及常用函數
01-03Scikit-Learn特征工程: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
01-04KNN-最近鄰分類器、KD-Tree和KNN回歸
01-05KNN算法示例:改進約會網站配對效果
01-06梯度下降算法:梯度下降、隨機梯度下降和微批梯度下降
01-07原理補充:條件概率計算、全概率公式、K-S曲線、受試者特征曲線(ROC)等
01-08貝葉斯分類器:樸素貝葉斯、貝葉斯網絡
01-09樸素貝葉斯算法示例:垃圾郵件過濾
01-10原理補充:梯度下降算法,包括梯度下降、隨機梯度下降和微批梯度下降
01-11回歸分析:線性回歸、嶺回歸、LASSO和彈性網
01-12回歸分析算法示例:預測海洋生物鮑魚的年齡
01-13廣義線性回歸:Logistic回歸和泊松回歸
01-14Logistic回歸算法示例:構建信用卡反欺詐模型

08Python進行機器學習和sklearn實戰-Part2

01-01樹模型:C4.5、C5.0和CART樹
01-02樹模型算法示例:紅酒分類
01-03SVM支持向量機分類和支持向量機回歸
01-04SVM算法示例:手寫數字識別
01-05集成算法之Bagging類算法:Bagging、隨機森林等
01-06集成算法之Boosting類算法:Boosting、GBDT梯度提升樹、XgBoost等
01-07集成算法示例:泰坦尼克號幸存者預測
01-08神經網絡算法:反向傳播神經網路、卷積神經網絡、LSTM等

09Python進行機器學習和sklearn實戰-Part3

01-01聚類分析:K-means快速聚類、DBSCAN密度聚類、層次聚類等
01-02關聯規則:Apriori、FP-Growth、PrefixSpan等
01-03無監督學習:LDA、LSI
01-04數據降維方法:PCA主成分分析和SVD奇異值分解
01-05Scikit-Learn常用功能介紹與使用:網格搜索、Pipline
01-06大型綜合案例:利用Pipline選擇模型構建機器學習流,并利用網格搜索完成模型調優

10電商行業綜合案例

01-01電商行業和算法應用場景介紹
01-02案例1:基于電商銷售數據的營銷分析
01-03step1:數據的讀取及數據清洗
01-04step2:數據整并和字段擴充、數據編碼工作
01-05step3:聚類分析模型建置
01-06step4:模型的應用:精準營銷和推薦
01-07案例2:基于關聯規則的電商推薦案例
01-08案例3:基于物品的協同過濾的推薦
01-09案例4:基于用戶的協同過濾的推薦

11金融行業綜合案例

01-01金融行業和算法應用場景概述
01-02信用評分卡的設計流程
01-03案例:使用Python進行申請信用評分卡建置
01-04step1:數據讀取和數據分析相關庫加載
01-05step2:數據的預處理
01-06step3:數據探索:描述性分析和可視化
01-07step4:數據轉換-WOE(Weight Of Evidence)轉換
01-08step5:使用邏輯回歸進行建模
01-09step6:模型評估和評分卡輸出
01-10神經網絡基礎和案例
01-11機器學習調參方法
01-12非對稱樣本處理問題
01-13特征選擇概述方法

12期末畢業答辯

01-01銀行業之進件評分卡建置
01-02電信行業交叉銷售案例分析
01-03零售行業忠誠客戶價值預測
01-04航空業客戶聚類與精準營銷

來自業界的數據領袖團隊

  • 吳昊天

    CDA數據分析研究院技術負責人兼高級講師/CDA LEVEL II大數據分析師等級考試命題組組長

    曾就職于電子科技大學大數據中心,從事醫療大數據分析相關工作,擁有豐富的海量數據分析經驗、算法研發經驗、省級數據平臺搭建經驗,擁有算法專利若干,主要研究方向為機器學習和深度學習。
  • 李御璽

    臺灣銘傳大學教授/中華數據挖掘協會理事

    臺灣大學博士,在其相關研究領域已發表超過260篇以上的研究論文,同時也是國科會與教育部多個相關研究計劃的主持人。 其還兼任廈門大學數據挖掘中心顧問,中國人民大學數據挖掘中心顧問,IBM SPSS-China顧問。服務過的客戶包括:中國工商局、中信銀行、臺新銀行等。
  • 趙仁乾

    CDA數據分析研究院講師/京郵電大學管理科學與工程碩士

    現就職于北京電信規劃設計院,從事移動、聯通集團及各省分公司市場、業務、財務規劃、經濟評價及運營咨詢。重點研究方向包括離網用戶挖掘、市場細分與精準營銷、移動網絡價值區域分析、潛在價值客戶挖掘等。
權威?經管之家CDA LEVEL Ⅲ數據科學家認證證書,行業頂尖人才認證,已獲得IBM大數據大學,中國電信,蘇寧,德勤,獵聘,CDMS等企業的認可。
專業?CDA認證是根據商業數據分析專業崗位設立的一套體系化、科學化、正規化的人才標準。全國統考、專家命題、評分公平、流程嚴格,更具含金量。
權益?持證人享有系列特殊權益。證書皆綁定考生真實身份,可在CDA官網查詢,確保唯一性與防偽性。證書三年審核一次,保證持證人的實力與權益。

認證介紹:
CDA數據分析師認證”是一套專業化,科學化,國際化,系統化的人才考核標準,分為CDA LEVELⅠ ,LEVEL Ⅱ,LEVEL Ⅲ,涉及金融、電商、醫療、互聯網、電信等行業大數據及數據分析從業者所需要具備的技能,符合當今全球大數據及數據分析技術潮流,為各界企業、機構提供數據分析人才參照標準。經管之家為中國區CDA數據分析師認證考試唯一主辦機構,于每年6月與12月底在全國范圍舉辦線下數據分析師考試,通過考試者可獲得CDA數據分析師認證證書。
CDA持證人福利
1.可吸納為CDA Institute、中國數據分析師(CDA)俱樂部會員,活動中具有優先報名參與權。
2.可優先獲得CDA內部就業及職業發展推薦。
3.免費參與CDA舉辦的中國數據分析師行業峰會、大數據峰會、研討會等各項活動,Level Ⅱ與Level III持證人享受特權位置。
4.可申請加入CDA數據分析項目組,參與項目合作(提供項目給持證人演練)。
5.CDA Level Ⅰ持證人免費享受Peixun.net會員服務6個月(價值588 RMB),Level Ⅱ與Level III持證人免費享受peixun.net會員服務1年 (價值998 RMB);
6.其他特權皆以各類活動公告為主。
進入考試報名系統
  • Q:上課形式是怎么樣的?

    A:課程分為現場班和遠程直播班,現場班是現場面授,在北京有現場面授班,遠程班采取現場直播 + 錄播視頻 + 線上答疑,不受地域限制,直播需和現場班同步時間學習,錄播視頻同學可以自主安排時間學習視頻。
  • Q:如果學不會怎么辦?

    A:首先,我們有一次免費學習的機會,如果還是學不會,授課老師會和學生面談,發現問題所在,并讓老師給出學習建議,查缺補漏,可以再跟著免費學一期。目前咱們還沒有出現過這樣的情況,對于學員來講都是想盡快掌握技術能夠運用到工作和實踐中。
  • Q:本課程需要Python語言基礎嗎?

    A:不是必須的。本課程針對零基礎學員學習,將從Python語言語法入門系統講授知識,基礎薄弱學員可通過報名課程預習視頻學習。
  • Q: 在這門課程中會學習到什么?

    A: 你將在課程中學習如何選擇不同的數據分析方法來解決問題,同時學會使用當前數據科學最主流和收歡迎的數據分析工具-Python。深入學習數據清洗、探索性分析、可視化技術和機器學習技術。使用在大數據、金融、智能領域進行預測分析,成為數據分析技術精英,具備加入領先科技企業的能力!

OK
彩经网双色球免费预测