| 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。 |
探索热门分析工具和技术。如果你有数学和统计方面的天赋，大数据分析的职业发展将在应用统计学、线性代数、真实分析、数值分析和图论方面提高技能。
增强零售商/客户关系。特别是对于B2B公司而言，大数据分析可以更好地洞察客户，并消除猜测的风险。作为基于证据的细分和报告结构的一部分，能够为公司构建更流畅，用户驱动的客户体验。
以学员服务为中心，以教学质量为宗旨，理论与实践相结合，真实提升学员技术能力。
理论深入讲解，项目驱动教学，注重学员自训，25人小班授课，面授＋1对1辅导。
与200+行业内大数据企业达成人才培养及定向输送战略合作协议，保障学员顺利就业。
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。
你一定要清楚的是，你想要达到的目标是什么？如果你想利用数据分析的方法来支撑工作决策，那么你可能需要知道数据分析的流程是什么，通过数据分析的方法能获得哪些信息，这些信息可以用来支撑什么工作。然后你需要知道要达到这样的目的，需要哪些必备的技能？其实在这个过程中你对知识的框架就有了大概的了解，并知道如何去避免无效的信息。更重要的是，你需要了解，完成一个数据分析项目，基本的流程是什么。这样你才知道学习的知识，在具体的工作中是如何应用，并能够在学习之后进行针对性的训练，做到有的放矢。
课程背景
在信息化时代的大背景下，数据分析成为各个行业必不可少的技能。成都大数据分析师培训机构依据市场需求，针对数据分析行业的核心岗位，设计了专业的课程体系。经过多年实践检验，课程融合全球领先的数据分析方法和最新实践，让学员成为业内的专业人才。
课程特色
1.精品课程：为学员量身打造的实战课程，覆盖数据分析岗位所有技能要求。
2.定向实践：通过大量的实例练习管窥数据行业的实际应用场景。
3.师资强大：由资深行业内的导师、专家、资深业务人员、产品经理等组成的优质师资团队。
4.备考指导：根据各大企业数据分析的需求，开设完善的备考指导课程。
课程目标
1.掌握数据量化分析的核心方法；
2.了解数据建模、探索性数据分析等工具；
3.掌握数据可视化技能；
4.学习应用数据预测、数据挖掘、机器学习等技术。
学习对象
1.大数据工程师；
2.数据分析师；
3.IT相关专业毕业生；
4.具备一定编程基础但缺少数据处理经验的人群。
课程内容
1.基础课程：数据分析简介、数据可视化、统计推断、回归分析；
2.进阶课程：聚类分析、信号处理、机器学习、数据挖掘；
3.实战课程：数据塑造、大数据处理、数据分析引擎。
学习时长、收费范围
学习时长：60 ~ 120课时不等。
收费范围：9600~19800元不等，以具体课程为准。
学习收获
1.理论与实践结合：学员将掌握数据分析行业的核心理论和操作技能；
2.行业认证权威：通过课程学习和考核后，可以获得数据分析师行业知名认证资格。
3.帮助拓展人脉：机构的师资力量强大，学员可以与业内领先的专家和企业进行实质性交流。
结语
以上信息仅供参考，如有疑问和需要更多指导，欢迎联系成都大数据分析师培训机构的在线客服，预约免费体验课程。我们希望为学员提供最优质的服务，让大家在职业发展中更加得心应手。
勤学教育网
