
您的位置:首頁 > 課程列表 > CDA數據分析脫產就業班2025
難度系數:
課程系列:CDA數據分析脫產就業班2025
數據分析就業班針對想從事數據方面工作的零基礎人群,致力于解決他們想從事數據分析工作,但苦于入行門檻高,有專業壁壘的種種問題,設計了專業化和系統化的學習計劃??茖W打磨課程,助學員從數據零基礎小白蛻變為數據精英。 確保學員既能學到扎實的數據分析理論知識,又能熟練掌握工具操作和業務邏輯,在項目實操下掌握業務分析流程,快速掌握各行業數據分析崗所要求掌握的基本技能。
師資均來自學界、實務界相關領域的專家講師、企業資深分析師以及行業大牛,代表了國內數據分析培訓的專業水準,讓學員既能學到扎實的數據分析理論知識,又能具備較強的實戰動手能力。 在課程學習中以問題為導向,加強知識點的理解和應用,提高學員面對復雜問題的思考能力。并逐步培養學員的職場數據素養,能夠具備準確讀取、分析和應用數據的能力。
漸進式的課程內容涵蓋數據分析所需工具及編程語言,重點教學常用分析技能,學完即可在多行業多場景完成數據分析工作。同時,從職場綜合能力要求出發,緊密結合就業實際需求,學習數據分析相關崗位所要求的技能。 對數據科學崗位認知程度比較淺的學員,可在職業規劃團隊老師的幫助下選擇適合學員的職業發展路線。進一步從職場綜合能力要求出發,通過經驗賦能快速提升崗位匹配度。
應屆畢業生
· 專業冷門 面臨就業壓力的學生
· 經驗缺乏 沒有明確規劃的學生
· 技能缺失 職場競爭力低的學生
轉行數據分析人群
· 自學難度大 想零基礎快速入門的人員
· 升職加薪難 想要跳槽大幅漲薪的人員
· 行業不景氣 想進新興數據行業的人員
在職提升和轉崗人群
· 工作任務重 想提高工作效率的財務、市場等人員
· 競爭壓力大 想突破職業瓶頸的產品、運營等人員
· 行業挑戰多 想提升戰略思維的決策、管理等人員
CDA報考人群
· 報名參加 CDA Level I 等級考試的考生
· 報名參加 CDA Level ll 等級考試的考生
· 報名參加 CDA Level llI 等級考試的考生
以上數據來自職友集,最新更新時間為2022年8月20日
使用某零售連鎖品牌商進銷存相關數據,制作進銷存分析儀,幫助決策者了解進銷存的各維度問題,為加快進銷存流轉速度、實現利潤最大化做出貢獻。
使用某快消公司真實脫敏多表數據,制作ER圖,結合業務需求,通過撰寫 SQL 查詢代碼,從多表環境中查出完整正確數據結果,回答業務問題。
使用某電商真實用戶交易數據,在用戶生命周期中,運用分析方法論分析不同用戶的行為特征、價值貢獻等。
某航空公司需要以客戶為中心,針對不同客戶使用不同營銷手段,目的是降低客戶流失率,降本增效,增加 ARPU 值,制定精準的市場營銷策略。
使用聊天記錄文本數據,通過文本數據轉化,使用 Python 來對聊天用戶的對話頻率以及內容詞頻分析,從而獲知用戶聊天行為規律以及聊天內容偏好。
通過對已有數據的挖掘幫助金融機構判斷來申請貸款的客戶是否會按時歸還貸款 。
主要內容
?Excel 預習視頻 ?數據庫預習視頻 ?Power BI 預習視頻
可解決的現實問題
解決 0 基礎學員數據分析工具薄弱的問題
可掌握的核心能力
提前掌握基礎數據分析工具的使用,為課程學習打好基礎
主要內容
?業務前臺人員數據思維訓練營
可解決的現實問題
用戶畫像沒有摸清,廣告投放連本都收不回,運營流程太混亂,銷售轉化不理想
可掌握的核心能力
掌握從用戶思維做營銷增量,借助數據思維從商業頂層俯視業務生命周期,運用數據框架梳理公司整體業務模型
主要內容
?表格結構數據 ?數據驅動型業務管理 ?數據埋點 ?數據治理 ?指標的設計與應用
?可視化分析方法 ?業務分析方法 ?業務模型應用 ?業務分析報告撰寫
可解決的現實問題
解決實際工作中不會業務分析、不會撰寫業務分析報告的問題
可掌握的核心能力
1、掌握依據電商、互聯網、零售行業的數據分析場景介紹,撰寫業務分析報告的全流程
2、掌握從客戶、產品、運營、行為效果等維度出發,搭建業務指標體系,綜合使用可視化分析方法、業務分析方法。
主要內容
?數據分析的基本概念 ?描述性統計與數據預處理 ?統計分布
可解決的現實問題
缺失值處理,冗余處理,數據標準化
可掌握的核心能力
1、掌握通過統計基礎可初步掌握數據分析的基本概念
2、掌握描述性統計的數據集成
3、掌握數據標準化和數據預處理
主要內容
?表結構數據的特征與獲取 ?數據加工與使用 ?多表透視分析 ?透視分析方法 ?多維數據模型
?綜合實戰案例:
?電商綜合運營分析儀表板 ?產品進銷存追蹤監控看板 ?電商運營分析駕駛艙
?服裝行業銷售情況分析 ?地產企業盈利分析
可解決的現實問題
解決使用商業智能報表分析業務、監控業務的問題
可掌握的核心能力
1、掌握使用 Power BI 搭建可視化分析報表的全流程;
2、掌握表結構數據的獲取、加工、數倉應用、多表透視分析;
3、掌握在客戶分析、產品分析、運營分析、市場分析、銷售分析等場景下制作可視化分析報表
主要內容
?參數估計 ?假設檢驗 ?AB Test ?帶檢驗的AB Test分析運營方案
可解決的現實問題
解決實際情況中根據樣本對總體特征的推斷性統計問題
可掌握的核心能力
1、掌握假設性檢驗的方法
2、掌握推斷性統計
3、掌握AB Test的分析運營方案
主要內容
?數據庫基本概念 ?DDL ?DML ?單表查詢 ?多表查詢 ?常用函數 ?SQL大廠面試題
?實戰案例:?電商多表查詢 ?零售業多表查詢
可解決的現實問題
解決從數據庫提取目標數據的問題,實現單表和多表查詢
可掌握的核心能力
1、掌握 MySQL 數據庫基本概念,常用函數、DDL 數據定義語言及 DML 數據操作語言
2、掌握單表查詢、多表查詢查詢方法,查詢結果排序、限制查詢等方法
3、掌握大廠 MySQL 面試題
主要內容
?企業決策的四個層次 ?企業數據分析能力的演進 ?企業運營和操作數據應用
?數據管理基礎知識 ? DMBOK 知識體系 ?企業數據能力建設 ?數據治理實操框架
可解決的現實問題
提高企業的運營和數據能力建設
可掌握的核心能力
1、掌握企業決策的四個層次及企業數據能力建設
2、掌握企業數據分析、企業運營和操作數據應用
3、掌握數據管理基礎知識和 DMBOK 知識體系
4、掌握數據治理實操框架
主要內容
?數據架構的基本概念 ?數據模型介紹 ?數據建?;A ?數據建模方法 ?數據建模規范化
?數據建模案例
可解決的現實問題
學習數據架構的基本概念,模型介紹以及建模案例
可掌握的核心能力
1、掌握數據架構及數據建?;A知識
2、掌握數據建模方法及數據建模規范化
3、學習數據建模案例
主要內容
?Linux 系統常用命令 ?分布式存儲與計算(Hadoop) ?Hive 架構原理及數據類型
?HiveQL 與應用
可解決的現實問題
系統安裝及部署,架構原理及應用
可掌握的核心能力
掌握 Linux 的常用命令和分布式存儲與計算,Hive 架構原理及數據類型
主要內容
?跨國企業完整數據分析實戰案例 ?學生探索性實操制作分析報告
?項目現場專家評審與 1 V 1 指導
可解決的現實問題
綜合運用業務分析工具,解決數據運營和數據營銷問題
可掌握的核心能力
老師指導還原兩大數據分析項目全流程,綜合使用 SQL、Excel、Power BI 等工具以及業務數據分析方法,得到高價值業務數據分析報告。
主要內容
?Python 與 Anaconda 簡介 ?Python 標準數據類型 ?Python 基本語法 ?控制流 ?自定義函數
可解決的現實問題
解決海量數據處理的的編程語言基礎
可掌握的核心能力
掌握 Python 基礎編程的能力,為處理海量數據奠定基礎
主要內容
?Numpy 數組 ?Pandas 數表 ?Pandas 數據清洗與可視化 ?Matplotlib ?Seaborn ?Pyecharts
?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 聊天信息可視化分析
可解決的現實問題
解決海量數據處理的技術問題
可掌握的核心能力
系統掌握使用 Python 進行海量數據清洗以及可視化探索數據的能力。
主要內容
?SQL 數據接入 ?Python 連接 SQL ?Python 辦公自動化 ?實現自動風控報表
可解決的現實問題
數據庫接入與數據庫連接
可掌握的核心能力
實現辦公自動化,提高工作效率
主要內容
?ETL 基本概念與常用工具 ?Kettle 核心概念與配置 ?Kettle 轉換 ?Kettle 作業
?ETL 連接數倉 ?ETL 實戰項目
可解決的現實問題
掌握 ETL 基本概念與常用工具,學會 ETL 連接數倉,實操 ETL 實戰項目
可掌握的核心能力
1、掌握 ETL 基本概念與常用工具
2、掌握 Kettle 核心概念、轉換
3、掌握 ETL 連接數倉,實操 ETL 實戰項目
主要內容
?相關分析 ?線性回歸 ?邏輯回歸 ?模型評估 ?主成分分析與因子分析 ?統計模型的檢驗
?實戰案例:
?識別分析-用戶支出影響因素分析 ?用戶流失分析-員工流失預警
?因子分析-城市發展水平綜合分析
可解決的現實問題
靈活使用統計分析解決各行業的業務問題,通過策略優化和精準預測來解決運營、產品、營銷方面的問題
可掌握的核心能力
1、掌握相關分析、方差分析方法
2、掌握線性回歸、掌握邏輯回歸
3、掌握主成分分析與因子分析(數據降維)
4、掌握時間序列(ARIMA)
主要內容
?背景研究與現狀描述(現狀、痛點、目標、范圍) ?目標拆解與描述 ?文獻和案例分析
?數據需求整理(數據范圍、變量的定義與篩選、維度問題) ?分析方法與模型開發 ?應用分析
可解決的現實問題
營銷數據分析報告的設計與撰寫方法
可掌握的核心能力
掌握營銷數據的目標拆解與分析方法
主要內容
?數據挖掘基礎 ?帶正則項的回歸 ?模型樹 ?聚類算法 ?關聯規則 ?協同過濾
?集成算法 ?AdaBoost ?隨機森林 ?LightGBM ?神經網絡與深入學習入門
可解決的現實問題
熟練掌握 Python 數據挖掘算法與實踐,包括統計分析、統計模型、機器學習算法、深度學習算法、文本挖掘算法
可掌握的核心能力
1、掌握數據挖掘基礎導論、決策樹及應用、關聯規則與協同過濾、特征工程、帶正則項的回歸分析等
2、掌握聚類算法、集成算法( AdaBoost、 隨機森林、 GBDT、XGBoost、LightGBM )等
3、掌握實操案例:案例1:用戶分類-保險行業用戶分類分析
案例2:產品組合策略-電信公司產品倫邦銷售策略分析
主要內容
?大型實戰項目案例-信用評分卡
?大型實戰項目案例-金融行業反欺詐
可解決的現實問題
綜合運用機器學習知識,實操大型實戰項目案例,掌握實戰經驗及技巧
可掌握的核心能力
老師指導實操兩大機器學習大型案例全流程,綜合機器學習基礎知識及其算法,在實踐中學習可落地、易操作的數據科學思維和實戰經驗,為你進入名企做項目背書
主要內容
?職業路徑規劃 ?職場溝通力提升 ?團隊協作力培養
可解決的現實問題
解決職業規劃和職場溝通
可掌握的核心能力
就業老師協助指導,做好職業發展路徑規劃
主要內容
? 1 V 1 面試技巧指導 ?簡歷修改指導
可解決的現實問題
解決面試技巧不足、簡歷書寫不專業問題
可掌握的核心能力
專職就業老師 1 V 1 面試技巧輔導與簡歷修改指導
主要內容
?互聯網數字化運營 【 18 課時】
?何為數據產品經理? 【 1 課時】
?Python 爬蟲 【 15 課時】
?人工智能(深度學習)實戰之圖像識別 【 6 課時】
?Tableau 多維可視化分析 【 3 課時】
自2013年起,每年不定期更新
新增Level 1 實操班加入數據治理內容
新增敏捷班/Level 2 加入數據治理內容
新增敏捷班/Level 2 的數據可視化挪到Pandas模塊講授
新增脫產班和周末班人工智能模塊去掉fine tuning,增加模型部署
新增脫產班增加數據分析案例并單獨列出,替換人工智能案例
新增敏捷班/Level 2/3增加數據模型管理的內容
更新敏捷班/Level 3的Spark課程模塊
新增敏捷班/Level 3增加調參進階的內容
更新敏捷班/Level 3去掉譜聚類,增加高斯混合模型的Spark內容
新增BI模塊新增Fine BI和Yonghong BI的內容
更新敏捷班/Level 3刪除CatBoost相關內容
新增敏捷班/Level 3增加Lora相關內容
更新脫產班與周末班課程合并
新增脫產班增加2天人工智能caie內容
更新周末班部分課程變為錄播
新增周末班新增人工智能caie內容
新增脫產班與周末班的財務數據分析單獨作為一個模塊
更新敏捷班去掉svm等過時算法
新增敏捷班增加LLM大量內容
更新敏捷班取消畢業答辯
新增新開AI未來之路大課(AI業務方向)
新增新開人工智能caie技術大課(與Level3最后合并上課)
為適應現在企業中對于數據分析的需求變化,特對周末班進行重大改變。以聚焦現在企業中真正需要的數據分析技能。周末班的課時經壓縮后為3個月多一點,共有業務數據分析和Python數據賦能這兩大課程模塊。
更新周末班MySQL變為選修課,以錄播形式提供
更新周末班去掉Hive SQL內容
更新周末班ETL與辦公自動化去掉SQL相關內容
更新原業務數據分析(Level 1)課程改名為數據賦能
更新在所有課程中增加人工智能相關內容
其他課程更新:
更新ETL模塊增加Pandas實現
更新統計學模塊增加二項分布的商業案例
更新決策樹模塊增加回歸樹的案例分析
更新集成學習模塊修改文字描述
更新深度學習模塊增加人工智能與大語言模型
新增將Level 1 實操訓練營課程單獨展示
更新Level 1 實操訓練營更新分析報告授課內容
更新ETL課程更新,更換為Python實現ETL
更新就業班機器學習課程更新文字描述
更新敏捷班和Level 3刪除MLflow內容
新增敏捷班和Level 3的NLP部分新增GPT與Fine-tuning/Prompt內容
新增高速收費數據分析項目(側重實現企業數據倉庫的多層級應用 ODS\DW\APP層)
新增環形餅圖的知識
新增推斷統計python案例
新增窗口函數的應用
新增網格搜索、隨機搜索、貝葉斯搜索
新增C4.5,cart樹處理離散型和連續型數據的例子和處理邏輯
新增單棵樹分類結果的概率
新增分類模型評估指標如Ks 、PR、roc、混淆矩陣等
新增重心法,全聯接法的例子講解
新增建模流程
更新pyspark中的SparkSQL部分
新增統計學增加了統計圖表的內容:直方圖、條形圖、餅圖,箱型圖、散點圖等,添加了練習題和二項分布
新增孤立森林、LOF 的數學背后原理,公式、超參數和小案例
新增增加 smartart 組件
新增Transformers 教學案例,實現自動問答與自動摘要
更新聚類進階和異常識別課程
更新聚類分析、決策樹應用課件,調整上課內容的知識的邏輯順序
更新python 自動化辦公和 python 風控報表自動化代碼課件,其中辦公自動化課件用五個 excel表格批量自動化案例替換了之前課程中的爬蟲內容,與爬蟲相比,Excel 處理更貼近課程主題和學員需求
更新風控報表自動化中的數據處理部分把sql代碼替換成 python 代碼,繪圖部分代碼替換成 matplotlib 庫
更新線性回歸模型案例方法
更新邏輯回歸案例
新增數據挖掘課程,涵蓋統計建模+機器學習
新增ETL內容
新增增加評分卡和反欺詐實戰案例
新增選修課增加SPSS內容
更新Python基礎增加一天時長
新增ETL大量內容
新增Pipeline.工作流內容,此內容為CDA獨家
新增ML_Ops內容,此內容為CDA獨家
新增模型可解釋性專題,此內容為CDA獨家
新增CatBoost, NGBoost, 后者是現在的前沿算法
新增選修課增加SPSS內容
更新所有課程的選修課統一設置為5門課,全部免費
更新預習課程里去掉統計學,統計學已完全改為面授
更新課表文字描述做了大大優化
更新集成學習中增加隨機森林的Spark實現
更新選修課統一設置為5門課,全部免費
新增增加預訓練與 Bert 的內容,框架更換為 PyTorch
更新選修課統一設置為 5 門課,全部免費
更新Level III 深度學習改為"深度學習與 NLP 前沿技術“
新增增加 AB test 內容
新增在正則回歸和協同過濾的課程中增加 Spark 的模型實現費
新增NLP 課程中增加 Attention、Transformer、Bert 內容
更新深度學習課程中去掉徑向基網絡,改為殘差網絡
更新授課順序調整
新增推斷性統計
新增AB test 內容
更新原數據產品設計課程更換為精準營銷全流程
更新授課順序調整
新增數據治理
新增企業架構與數據架構基礎
新增商業策略分析
新增數字化最優化工作方法
新增CDA 數據分析師 App 上線
新增大數據隱私、安全及立法
新增區塊鏈分析
新增項目管理
新增案例:深度學習在影像物體辨識上的應用
新增案例:深度學習在手寫數字辨識上的應用
新增大數據存儲與計算
新增集群資源管理與調優
新增基于Tensorflow、Keras、Scikit-Learn、TFLearn的機器學習算法
新增感知機與神經網絡
新增課程每一個階段都有相關的作業練習與項目案例
新增學員分組合作
更新畢業答辯涉及大型商業項目
新增好學 AI
新增Mahout
新增Hbase
更新機器學習
新增語音分析
新增財務數據分析
新增Hive 工具操作
新增Power BI 數據可視化分析
更新大數據實驗室在線編程環境 v2.0,實驗室涵蓋 SQL、Spark、R 語言、Python 等語言操作工具
新增數學基礎
新增關系型數據庫
新增非關系型數據庫
新增機器學習
新增深度學習 TensorFlow
新增文本分析
新增圖像識別
新增語音分析
新增對抗生成網絡智能問答系統
新增CDA 數據分析師網校上線
新增大數據平臺分析工具 Spark
新增可視化工具 Tableau 及報告撰寫
新增Scala 開發
新增MapReduce工作原理
新增大數據實驗室 v1.0
新增Hadoop 2.X 集群部署
新增大數據倉庫 HiveQL
新增Pyspark 應用
新增Excel 數據處理技巧
新增Power BI
新增數理統計
新增Python 編程基礎
新增Numpy 基礎
新增Pandas 應用
新增Python 推薦系統
新增Tableau
新增數據預處理
新增Python 大數據工程師
新增課程包括 Excel、SQL、SPSS、 R 語言、SAS 等軟件應用
新增統計基礎、業務數據分析
新增R 數據可視化
CDA 大數據實驗室采用全球領先的英偉達 A100-80G 內存的 GPU,在深度學習如 BERT 模型推理上相當于 200 多個 CPU,對于具有龐大數據表的超大型模型(例如深度學習推薦模型 [DLRM]),A100-80G 可提供高達 2TB 的統一顯存。在 AI 和部分 HPC 應用主要使用的張量運算中,提供每秒 312 萬億次的數據處理能力,結合 CDA 在人工智能和語音數據分析方面的技術研發,可以處理超大型模型和數據集
數據科學學習路徑設計:186個實驗
數據科學教學視頻:53門課程,1000+小時視頻課程
數據中心強大數據集:8大分類,200多個脫敏數據集
兼容主流數據分析工具:python、spark、R、SQL
智能推薦學習方案,實現因材施教
無需搭建編程環境,直接上手練習
不同科目海量題庫,反復鞏固知識
垂直數據問答社區,真人老師應答
SCRM 系統讓數據價值更精準
機器人外呼系統讓銷售回訪更便捷
智能營銷系統讓客戶成交更輕松
在招聘市場上,越來越多的企業要求持CDA數據分析師?證書
人人皆需的職場數據思維與通用數據技能
? 零基礎就業轉行者、應屆畢業生
? 產品、運營、營銷等業務崗與研發、技術崗在職者
? 企業創始人、經理人、管理咨詢類崗位從業者
考試大綱 >>考試報名 >>企業數字化發展中必備的數據分析流程與技能
? 產品、運營等業務部門與研發、中臺、技術類部門數據分析相關崗位在職者
? 數字化轉型企業創始人與數字化流程中相關負責人
考試大綱 >>考試報名 >>企業數字化發展中必備的高級數據分析方法與技術
? 業務崗與技術崗從事數據分析、數據挖掘、機器學習等技術在職提升者
? 從事算法科學、深度學習等工作的科研人員、分析師與工程師等
考試大綱 >>考試報名 >>CDA認證LEVEL I對于考生的學歷、專業、技能等沒有限制性報考條件,在與全球計算機化考試服務商 Pearson VUE達成深度合作后LEVEL I更是隨報隨考機制。 查看CDA認證報考流程 >>