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。 |
关键决策权。大数据分析是任何公司的附加价值,使其能够做出明智的决策并提供优于竞争对手的优势。大数据职业生涯增加了成为公司关键决策者的机会。
提高Microsoft Excel技能。数据分析职业需要使用Excel来清理、组织、操作和可视化数据。Excel是管理数据不可或缺的工具之一,因此拥有一些知识可以破解数据分析工作。
理论深入讲解,项目驱动教学,注重学员自训,10-15人小班授课,面授+1对1辅导。教学环境优美,软硬设施齐全,生活配套完善,团队氛围浓厚。
由来自阿里、华为、京东、星环等国内知名企业的多位技术大牛联合创办,多年一线开发经验讲师授课,技术底蕴丰厚,精通主流前沿大数据及人工智能相关技术。
加米谷特聘讲师
加米谷特聘讲师
用户分群。针对符合某种特定行为或背景信息的用户,进行归类处理,是我们常常讲到的用户分群(segmentation )的手段。
转化漏斗。绝大部分商业变现的流程,都可以归纳为漏斗。漏斗分析是我们最常见的数据分析手段之一,无论是注册转化漏斗,还是电商下单的漏斗。 通过漏斗分析可以从先到后还原用户转化的路径,分析每一个转化节点的效率。其中,我们往往关注三个要点:从开始到结尾,整体的转化效率是多少?每一步的转化率是多少?哪一步流失最多,原因在什么地方?流失的用户符合哪些特征?
课程特色
1. 国内知名的教育机构提供授课,并由一线数据分析师辅导学员的实战案例,教学质量有保障。
2. 开设一系列在线课程,灵活选择并进行自主学习。
3. 课程使用真实案例和数据,注重培养学员的实际能力。
课程目标
1. 帮助学员系统掌握数据分析技术及工具。
2. 跟踪行业趋势,了解最新技术和热点。
3. 培养学员具备发现与解决问题的能力,成为一名合格的数据分析师。
学习对象
任何对数据分析感兴趣的人,尤其是想在该领域发展的学生、初学者和行业从业者。
课程内容
1. 数据分析基础(数据清洗、数据整理、数据可视化等)。
2. 统计学原理与应用(概率论、假设检验、方差分析、回归分析等)。
3. 数据分析工具(Excel、SQL、Python、R语言等)。
4. 数据挖掘和机器学习(决策树、聚类分析、神经网络、SVM等)。
学习时长
该培训班共计120学时,学员可根据时间灵活安排学习计划。
收费范围
根据学员需求不同,收费范围在10000元至20000元之间。
学习收获
1. 掌握数据分析的理论和实践技能。
2. 获得实际案例分析的经验,有助于从实际中掌握数据分析技能。
3. 学会合理运用数据分析工具,做出准确的数据分析报告。
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。我们致力于为广大学员提供优质教育培训服务,欢迎来校咨询或在线咨询。