课程模块 | 课程名称 | 课程内容 |
Python认识和使用 |
python基础 |
Python版本特性介绍、Python应用场景及趋势发展、Python开发环境搭建、Python开发工具及运行环境、标识符与关键字、注释 |
Python入门 |
Python在各系统中的安装、应用场景及数据存储设计、Python程序开发基础指南、如何运行python代码 |
|
python基本语法 |
Python选择与循环、Python字符串处理、可视化python编程、数据及类型操作、Python对象、数字、序列、Python映射和集合类型、Python条件和循环、Python文件和输入输出、python错误和异常 |
|
python高级语法 |
函数和函数式编程、Python面向对象编程、Python正则表达式、Python函数编程、Python多线程编程、Python图形界面编程、Python数据库编程创建、Python扩展 |
|
数据库 |
数据库设计 |
数据库设计及运行管理、数据库设计过程讲解、概念结构设计与ER图、逻辑结构设计与ER转换规则、数据流图与数据字典、数据库设计物理模型、数据库事务与隔离级别、数据库范式及ACID特性、MySQL安装与登、数据库创建与删除 |
数据库基础 |
表结构创建,查看、字段类型与数据类型、字段增加,重命名,删除、记录的增加,修改,删除、表查询、条件查询、模糊查询、视图创建与操作、索引创建与操作 |
|
MongDB |
Mongodb初识、Mongodb快速部署、Mongodb数据库操作 Mongodb collection操作、Mongodb MapReduce、Mongodb数据导入/导出/备份/恢复、Mongodb安全、Mongodb权限控制、Mongodb Python API |
|
内存数据库Redis |
REDIS分布式缓存介绍、REDIS网络模型与内存管理、REDIS的数据一致性问题、REDIS支持的KEY类型、REDIS水平动态扩展、REDIS数据淘汰策略、REDIS访问工具、REDIS shell api、REDIS包引入、REDIS Python API |
|
高阶应用 |
urllib.lib库 |
Python urllib认识、urllib库的基本操作、urllib基本get请求、urllib基本post请求、超时配置与会话对象、代理与API |
requests库 |
Response对象与文件上传、Cookies与会话对象、超时与异常、综合应用案例、CSS选择器与bs4、BeautifulSoup基本介绍、BeautifulSoup安装、BeautifulSoup基本语法、BeautifulSoup的基本运算符、BeautifulSoup语法定位 |
|
css选择器与Xpath |
CSS选择器基本使用、Xpath基本介绍、Xpath基本语法、XPath 轴与表达式、Xpath的基本运算符、Xpath语法定位、常用的反爬虫技术、多线程与多进程爬虫、代理设置与Cookie操作、动态网页内容的抓取 |
|
Scrapy分布式爬虫 |
Selenium与PhantomJS、模拟表单登录、创建项目与定义Item、命令行工具、Spiders参数与选择器、Scrapy的Feed输出、数据收集与终端输出、Scrapy爬虫常见问题、vvScrapy爬虫调试优化 |
|
进军数据分析 |
数据分析 |
数据分析工具讲解、数值计算包学习、数据处理包Pandas、Pandas与数据库、读取文本文件、函数解析、利用DataFrame、关系型数据库驱动、非关系型数据库驱动、Web API操作网络资源 |
数据处理 |
数据清洗原理、缺失数据处理、合并数据集、数据DataFrame合并、数据轴向连接、数据样本分位数、数据聚合运算、面向列的多函数应用、定义不同列的函数、通过函数进行分组 |
|
Matplotlib |
Matplotlib基本介绍、Matplotlib可视化包认识、2D与3D图表图表使用、Matplotlib图像显示、Matplotlib应用、从文件加载数据、从网络加载数据、绘图与可视化、统计学基础、时间序列分析基础 |
|
SPSS、SK-LEARN |
序列分析周期算法与应用、机器学习知识、spss软件介绍、spss使用算法简单讲解、sk-learn算法讲解、sk-learn安装、sk-learn算法调用、pandas接入模型、statsmodels使用、线性模型估计 |
|
项目实战 |
个人用户信用评估 |
针对脱敏的几十个维度的用户数据,以及银行提供的黑名单,建立个人用户的信用评估模型;在建模过程中涉及到用户数据缺失值处理,特征筛选,特征量化,类别不平衡策略,模型参数调优;涉及到SPSS数据分析,pandas,sklearn工具的使用;通过该项目的学习,完整掌握各类数据分析软件,分析流程以及相关算法。 |
运营商数据统计分析 |
对运营商用户真实浏览记录,利用浏览数据分类,以及爬虫抓取数据扩充标签,统计用户浏览行为,给用户贴上对应标签,针对个人用户以及群体用户的特征,进行相关数据推荐;涉及到数据全量与增量统计,实时计算,协同过滤等技术与算法,分布式爬虫部署,以及反爬虫策略;通过该项目学习,完整掌握数据抓取技术,海量数据实时计算,以及主流用户推荐算法。 |
|
电商网站评价情感分析 |
针对某互联网电商平台上的商品数据,抓取其评论数据,进行情感分析,并抽取评论关键词,分析用户关心的商品问题;涉及到爬虫知识,数据筛选,清洗,去重以及贝叶斯,LDA算法等;通过该项目的学习,加深对数据处理流程的理解以及对自然语言处理知识的认识。 |
|
股票数据拟合与推荐 |
针对网上获取的实时股票数据,利用多种方法对数据进行短期拟合,评估拟合效果,并在拟合多支股票的基础上,进行有价值股票的推荐;涉及到时间序列数据拟合,预警等技术;通过该项目的学习,加深对时间序列分析与理解。 |
懂管理:一方面是搭建数据分析框架的要求,比如数据分析第一步确定分析思路就需要用到营销、管理等理论知识来指导,如果不熟悉管理理论,那你如何指导数据分析框架的搭建,以及开展后续的数据分析呢?懂管理另一方面的作用是针对数据分析结论提出有指导意义的分析建议,如果没有管理理论的支撑,就难以确保分析建议的有效性。
懂分析:是指掌握数据分析的基本原理与一些有效的数据分析方法,并能灵活运用到实践工作中,以便有效地开展数据分析。
课程老师全程在线,有任何问题可以一对一咨询解答。
每个阶段设置阶段测评,评测学习成果,及时查漏补缺。
阶段项目实训,在实践中完善自身技能,增加项目经验。
企业项目实战操作连续,检测学习成果,为就业做准备。
加米谷大数据联合创始人,10年IT信息技术领域行业经验,善于用信息化技术架构和指导团队完成设计工作。
加米谷大数据联合创始人,5+年大数据研发经验,擅长各类大数据技术架构设计,参与大数据底层核心开发。
加米谷大数据特聘讲师,原中软国际大数据高级开发工程师,10年互联网行业工作经验,5年大数据开发经验。
加米谷大数据特聘讲师,4年大数据开发经验,国内Spark、Hadoop技术专家,注重理论与实践相结合。
能够随时贴近数据文化 。数据分析中如果能够对各个数据文化有一个了解的话,就能够对数据有一个更加充足的认知。如果数据分析师拥有了数据分析的基本能力,还是需要学习很多数据的知识,上面提到的内容就是数据的基本需要的知识,靠这些是远远不够的,还要对数据文化进行详细的研读,这样才能够提高数据的分析能力。
提升个人能力。有了产品可以将数据展示出来,还需要具备基本的分析师能力。首先,要了解模型背后的逻辑,不能单纯地在模型中看,而要放到整个项目的上下文中去看。要理解数据的信息,形成一个整体系统,这样才能够做好细节。
课程特色
1. 实战为主——课程内容包括大量实战项目和案例分析,让学员在课堂上深入学习相关知识并直接应用到实际生产环境中。
2. 教学精准——教师拥有多年数据分析实战经验,深知学生学习数据分析的痛点和难点,因此会将授课重点放在学员容易出现困惑的部分。
3. 灵活日程——培训班的学习时间灵活,可以根据学员需求进行设置,以最大化满足学员的个性化需求。
课程目标
1. 掌握Python数据分析的基本概念和方法,能够分析各种数据信息。
2. 掌握数据可视化技术,能够使用Python实现数据的可视化分析。
3. 掌握数据挖掘相关技能,能够将无序数据从中发现有价值的信息。
学习对象
1. 有志于从事数据分析相关职业的初、中级从业人员。
2. 刚进入数据分析领域的职场新人,以及对数据分析有兴趣的各行业从业者。
课程内容
1. Python基础语法
2. 数据分析与清洗技巧
3. 数据分析可视化——matplotlib/seaborn/plotly等
4. 数据挖掘算法及其应用实例——聚类分析、分类算法等
5. 数据分析实战案例解析
学习时长
该培训班学习时长通常为3至6个月,根据每周授课时间灵活设置。
收费范围
具体收费范围请到校咨询或在线咨询客服。
学习收获
1. 学员将获得Python数据分析的核心技能,并且能够在业务中熟练地应用。
2. 学员将掌握常用的数据分析方法和技术,能够通过数据挖掘等手段收集、整理、分析、解释和预测数据。
3. 学员将在培训班的学习过程中积累大量实战项目经验,并将根据自身特长和兴趣,进一步选择未来的职业发展方向。
结语
以上信息仅供参考,实际情况以到校咨询为准。欢迎有兴趣的同学拨打服务热线或在线咨询客服,预约免费体验课。