EDIT數字化模型簡介、業務探查（E）、問題診斷（D）、業務策略優化和指導（I）、算法工具介紹（T）

解決企業數據采集，數據模型構建，搭建數據之間的邏輯

領會數據分類中的主數據、交易數據和元數據概念；理解數據庫建模中概念、邏輯、物理模型之間的關系；領會數據庫范式的概念、數據倉庫和數據集市、ETL過程；掌握關系模型與維度模型的使用場景

數據采集方法、數據模型管理

解決企業數據采集，數據模型構建，搭建數據之間的邏輯

領會數據分類中的主數據、交易數據和元數據概念；理解數據庫建模中概念、邏輯、物理模型之間的關系；掌握關系模型與維度模型的使用場景

Python標準數據類型、控制流語句、自定義函數、異常和錯誤、類與面向對象編程、Python連接數據庫操作、Python編程面試題集訓

解決使用商業智能報表分析業務、監控業務的問題

具備Python代碼編寫閱讀能力； 掌握基本的Python語法；熟悉面向對象的原理；掌握Python數據庫編程；

Numpy數組基礎操作、Pandas數據表的基本操作、Pandas數據探索、Pandas數據可視化、Python數據可視化包-Matplotlib介紹、Python數據可視化包-Seaborn介紹與圖形繪制

完成企業實際工作中的數據清洗、轉換等數據加工及可視化任務，為后續機器學習打下基礎

掌握數據清洗的方法與技巧;掌握數據常用可視化的方法與技巧

實戰案例：斯德哥爾摩氣候可視化分析、餐飲訂單數據清洗與分析、文本數據分析之QQ聊天記錄可視化分析

實際項目檢驗學習成果，學以致用，更加貼近實戰項目，達到學習價值

掌握Python綜合使用技能，掌握numpy與pandas的用法

先導課：抽樣方法、統計量及抽樣分布、參數估計與假設檢驗、統計分析與Python實戰、線性規劃與二次優化； 實戰案例：關于飲料消費的統計學分析、快遞公司的路線策略優化

使用統計分析和運籌學的基礎知識來解決與企業策略優化相關的問題，比如快遞路線優化問題、商品價格定價策略問題等等。

熟悉常見統計分布的特點與應用；熟悉假設檢驗的基本概念與方法；掌握T檢驗、方差分析的方法步驟；掌握線性規劃與二次優化

數據分析方法論介紹、方差分析、回歸分析、分類數據分析、邏輯回歸、數據降維、時間序列分析、實戰案例：金融客戶行為特征分解與營銷策略優化、汽車行業銷售預測與經營戰略優化、基于廣義線性模型的汽車保險分類定價策略的優化、收益率的系列預測、基于時間序列的機

可完成電商、金融、互聯網等行業的用戶行為分析與預測，商業策略分析等工作。

熟悉數據分析方法與步驟；掌握方差分析與應用，回歸分析與應用，分類數據分析方法，時序數據的分析預測方法

用戶標簽體系設計原理、用戶標簽的制作方法、標簽體系的用戶畫像應用、實戰案例：用戶行為在營銷活動的價值分析、自動預警指標推送功能框架的搭建、app靜默用戶觸動分析

可完成電商、金融、互聯網等行業的標簽體系的設計與應用任務。如構建業務指標體系、構建用戶畫像等高價值工作。

掌握用戶標簽體系設計原、熟悉用戶標簽的制作方法、熟悉用戶畫像的應用

數據挖掘概要、數據挖掘方法論、基礎數據挖掘技術、進階數據挖掘技術

理解和辨別數據挖掘算法在企業不同的工作場景中的應用，

熟悉數據挖掘的基本理論與技術

特征工程概要、特征建構、特征選擇、特征轉換、特征學習

正確理解特征工程，為提高模型效果，正確使用特征工程方法做準備

熟悉特征工程概念與原理；掌握特征工的構建，特征工的選擇、轉換

KNN-最近鄰分類算法：原理、實現、決策樹（分類樹及回歸樹）、聚類分析

本階段課程學習基礎機器學習算法，有分類算法與聚類算法。這些算法可應用在大部分的商業問題中：如信用評分、客戶畫像等。

掌握KNN算法原理與基于Python的應用；掌握決策樹算法原理、scikit-learn應用以及算法優化技巧；掌握K-means聚類算法原理及應用；熟悉保險行業客戶分群意義；掌握決策樹算法在客戶分群中的實際運用；

樸素貝葉斯、神經網絡與深度學習、支持向量機、集成方法 實戰案例：航空客戶價值分析綜合案例、基于集成算法的乳腺癌疾病預測、基于神經網絡的汽車燃油率預測

本階段課程學習高階機器學習算法與集成算法，這些算法在企業內的應用也比較多，如客戶流失預警、動態定價、客戶細分、欺詐檢測、垃圾郵件檢測、圖像分類與識別等。

掌握樸素貝葉斯算法原理與應用；掌握常見神經網絡算法的原理與應用；掌握SVM算法原理與應用，常見集成算法的原理；熟悉xgboost 、LightGBM算法原理；通過案例熟悉相關行業背景知識，并熟練運用算法；

關聯規則、序列模式、模型評估、實戰項目：推薦系統實戰

掌握推薦系統主要的算法，并能依據模型結果提供實際營銷建議。

掌握關聯規則的核心原理與應用；掌握序列算法的原理及應用； 熟悉模型評估算法；掌握模型評估算法原理及應用

實戰案例：以自動機器學習技術開發銀行業信用風險評分模型并進行最佳模型調參、以類別不平衡處理技術開發銀行業中小企業信貸營銷模型并進行最佳模型調參、以半監督式學習技術開發電信業客戶流失模型并進行最佳模型調參

可完成電商、金融、互聯網等行業中的分類、預測問題，如用戶購買預測、垃圾郵件檢測、商品精準推薦等等。

掌握自動機器學習原理；熟悉類別不平衡問題的解決方法；掌握半監督學習算法原理與應用，模型優化技巧

自然語言處理概要、分詞與詞性標注、文本挖掘概要、關鍵詞提取

可解決工作中自然語言處理相關問題，如輿情監控、用戶情感分析、語義分析、KOL畫像等工作。

熟悉自然語言處理的基本概念；掌握分詞以及詞性標注技術，文本挖掘技術流程方法，信息檢索技術

實戰案例：金融信用評分卡風控建模綜合項目實戰、以特征工程技術開發文本情感分析模型、以深度學習技術開發銀行業信用卡盜刷偵測模型、以圖像處理技術、深度學習及遷移學習技術，開發人臉口罩偵測模型

通過課程的學習，能完成評分卡建模、情感分析模型構建、信用卡盜刷偵測相關工作能力 。

綜合使用機器學習、深度學習、自然語言處理算法來解決金融、銀行、AI科技等行業的場景應用。

職業規劃、職場溝通力、團隊協作力培養

了解職業現狀和前景，解決職業溝通和團隊協作問題

專職職業導師培養職業規劃、職場溝通、以及團隊協作能力。

1V1面試技巧指導、簡歷修改

解決面試技巧不足、簡歷書寫不專業問題

專職就業老師1V1面試技巧輔導與簡歷修改指導。

何為數據產品經理？Python爬蟲、Python辦公自動化、數據挖掘項目選修項目

解決學員在不同數據崗位方向和行業方向的業務經驗和項目經驗不足的問題。

根據學員面試方向、就業方向來選擇合適的選修課程來進一步進修。