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。 |
懂业务:从事数据分析工作的前提就是需要懂业务,即熟悉行业知识、公司业务及流程,最好有自己独特见解,若脱离行业认知和公司业务背景,分析的结果只会是脱了线的风筝,没有太大的实用价值。从另外一个角度来说,懂业务也是数据敏感的体现。不懂业务的数据分析师,看到的只是一个个数字;懂业务的数据分析师,则看到的不仅仅是数字,他明白数字代表什么意义,知道数字是大了还是小了,心中有数,这才是真正意义的数据敏感性。
教学环境优美,软硬设施齐全,生活配套完善,团队氛围浓厚。
白班+晚班+周末班,适应各种学员群体,灵活匹配学员时间。
临近世纪城地铁站,天府软件园中心,成都IT信息产业轴心。
老师指导简历、面试技巧,推荐就业企业,保障学员就业。
15+年互联网IT技术经验
6+年大数据项目实战经验
国家大数据标准组成员
精通大数据领域各类技术Apache开源项目Hadoop、Hbase、Flink、Storm、Kafka、Spark等。 主要研究方向包括大数据架构、数据挖掘、大数据分析等领域。在企业级应用软件、大数据分析、移动互联网、教育大数据等领域有近15年的系统设计、研发、管理经验。
A/B 测试。A/B 测试用来对比不同产品设计/算法对结果的影响。产品在上线过程中经常会使用 A/B 测试来测试不同产品或者功能设计的效果,市场和运营可以通过 A/B 测试来完成不同渠道、内容、广告创意的效果评估。
数学建模。当一个商业目标与多种行为、画像等信息有关联性时,我们通常会使用数学建模、数据挖掘的手段进行建模,预测该商业结果的产生。
专注于大数据人才培养
课程特色
1. 实践指导型教学,注重实际数据分析案例的演练;
2. 课程内容切合时下行业热点,高效提升学员就业竞争力;
3. 紧密结合企业岗位需求,内容深入浅出,不过度理论化。
课程目标
1. 培养学员掌握数据分析核心技能;
2. 提升学员对数据结构和算法的理解;
3. 帮助学员掌握Python数据分析工具的使用。
学习对象
1. 有一定编程基础,对数据分析感兴趣的大学生或科研工作者;
2. 从事数据相关岗位,希望提升自己的技能和竞争力的IT从业者。
课程内容
1. 数据分析概述;
2. 数据分析工具及环境的安装配置;
3. 数据清洗与准备;
4. 数据可视化;
5. 数据挖掘与建模;
6. 案例分析与实操。
学习时长
学习时长根据课程设置不同会有所差异,一般为30-60个课时。
收费范围
收费范围因地区和学校而异,具体收费请到校咨询。
学习收获
通过此课程的学习,学员将能够
1. 掌握数据分析的核心技能;
2. 熟练使用常见的数据分析工具;
3. 参加数据分析岗位面试。
结语
以上信息仅供参考,实际情况以到校咨询为准。可联系在线客服,预约免费体验课。我们相信,成都数据分析教学将会带给你一次实用高效的学习体验和技能提升机会。