北京CDA数据分析师的数字化人工智能培训班面向基础薄弱数据类岗位从业者，系统提升专业技能的学员，课程因材施教，1位学生一套专属学习方法，海量千万级学习题库：分难度梯度式练习，巩固基础数据能力，现在火热报名中。
基础薄弱数据类岗位从业者，系统提升专业技能的学员
产品、运营、营销、财务等业务部门在职者，提升数字化效率的学员
研发、中台、技术类部门在职者，数字化赋能支持业务发展的学员
企业创始人、经理人、管理咨询类岗位从业者，把握数字化转型方案及流程的学员
有一定数学或统计、计算机基础与数据分析业务经验，希望脱产学习后转岗到数据挖掘岗者
希望提升数据挖掘技术的在职提升者
从事算法科学、深度学习等的科研人员、分析师与工程师等
产品、运营、营销、管理、咨询相关岗位从业者，希望增加数据分析技能与思维
参加CDA等级认证考试LEVELⅠ、LEVELII和LEVELⅢ考生
1-1Excel预习
1-2数据库预习
1-3Power BI预习
1-4统计学预习
2章数据分析概述
2-1数据分析分类
2-2数据分析目的及意义
2-3数据分析方法与流程
2-4数据分析角色与职责
2-5数据分析师职业道德与行为准则
3章业务分析方法与业务分析报告
3-1表格结构数据特征
3-2表格结构数据获取方法
3-3表格结构数据引用、查询与计算方法
3-4数据驱动型业务管理（数据埋点、数据治理、数据应用等）
3-5指标的应用-搭建营销运营指标体系
3-6财务指标的分析与应用
3-7业务场景指标-多场景业务场景指标应用精讲（运营、客户、商品、活动等）
3-8指标的设计-多场景指标设计、使用及分析案例（绩效、运营、销售等）
3-9业务指标综合分析案例-互联网运营业务指标综合分析案例
3-10可视化分析方法
3-11业务分析方法应用-杜邦分析法、帕累托分析法、四象限分析法
3-12业务模型应用-价值模型、帕累托模型、漏斗模型、RFM模型
3-13撰写业务分析报告方法
3-14电商、互联网、零售行业的数据分析场景介绍
3-15客户分析-电商客户维度综合分析案例（用户生命周期、用户特征、用户行为分析）
3-16产品分析-电商产品维度综合分析案例（商品画像、商品标签、商品定位策略分析）
3-17运营分析-互联网运营业务综合分析案例（运营效果分析、电商漏斗模型分析应用）
3-18行为效果分析-电商运营活动效果评估分析案例（A/B测试、行为效果评估）
3-19市场分析-汽车行业市场分析案例（市场分析报告撰写方法）
3-20财务分析-地产行业资产负债情况分析报告（偿债能力及营运能力分析评估）
4章统计分析基础
4-1统计学概述
4-2数据的概括性度量
4-3统计分布
4-4参数估计
4-5假设检验
4-6相关分析
5章多维数据分析与可视化分析
5-1表结构数据特征
5-2表结构数据获取
5-3表结构数据加工与使用
5-4ETL及数据仓库应用
5-5多表透视分析逻辑
5-6多维数据模型
5-7透视分析方法
5-8多表透视分析应用案例--多维透视分析应用案例
5-9客户分析-电商客户运营分析仪表板（潜在客户挖掘、电商运营效果监控、运营指标分析应用）
5-10产品分析-产品进销存追踪监控看板（进销存业务流程分析与监控）
5-11运营分析-电商运营分析驾驶舱（电商获客分析、营销漏斗模型监控分析）
5-12销售分析-服装行业销售情况分析（销售情况监控看板制作方法）
5-13财务分析-地产企业盈利分析（企业利润结构构成及盈利能力分析看板）
5-14综合实战案例-电商综合运营分析仪表板（流量、转化、客单相关指标分析监控）
6章SQL数据库应用基础数据库基本概念
6-1数据定义语言
6-2DML数据操作语言
6-3单表查询
6-4多表查询
6-5函数
7章SQL大厂面试直通车
7-1SQL大厂面试题突击训练
7-2查询应用案例1--电商多表查询案例
7-3查询应用案例2--零售业多表查询案例
8章大型数据分析综合项目现场实战
8-1跨国企业完整数据分析实战案例
8-2学生现场探索性实操
8-3项目现场专家评审与1V1指导
9章Python编程基础
9-1Python基础知识
9-2Python标准数据类型
9-3控制流语句
9-4自定义函数
10章Python数据清洗与可视化
10-1Numpy数组分析
10-2Pandas数表分析
10-3Pandas数据清洗与可视化
10-4Python数据可视化-Matplotlib介绍
10-5Python数据可视化-Seaborn介绍与图形绘制
11章Python数据分析案例
11-1斯德哥尔摩气候可视化分析
11-2餐饮订单数据清洗与分析
11-3文本数据分析之QQ聊天信息可视化分析
12章Python统计分析
12-1回归分析
12-2模型的诊断与调优
12-3用户行为显著影响因素分析案例
12-4用户复购预测分析案例
13章数据分析师职业规划课
13-1职业规划
13-2职场沟通力
13-3团队协作力培养
14章面试技巧一对一辅导
14-11V1面试技巧指导与简历修改
15章预习课（录播）——数据库
15-1数据库基本概念
15-2DDL数据定义语言
15-3DML数据操作语言
15-4单表查询
15-5多表查询
15-6Python连接SQL
16章预习课（录播）——Python编程基础
16-1Python标准数据类型
16-2控制流语句
16-3自定义函数
16-4异常和错误
16-5类与面向对象编程
16-6Numpy数组操作
17章预习课（录播）——数学与统计学基础
17-1线性代数
17-2微积分
17-3描述性统计
17-4参数估计
17-5假设检验
17-6相关分析
17-7卡方分析
17-8一元线性回归理论推导
17-9多元线性回归理论推导
18章数据策略分析第1周
18-1用Python做数据分析，必会的库Pandas
18-2用Pandas做数据清洗与数据探索
18-3Python数据可视化库（Matplotlib，Seaborn）
18-4教育行业分析-学校学科教育可视化案例
18-5分析基础-数据分析的概念、过程、能力
18-6统计分析可视化
18-7企业经营分析-指标体系
19章数据策略分析第2周
19-1数据库MySQL实战应用
19-2Python连接SQL数据库
19-3零售电商多表分析案例
19-4统计分析（相关分析，方差分析）
19-5线性回归（建立模型和模型检验）
19-6经营问题识别-用户行为影响因素分析案例
19-7旅游行业分析-旅游线路之黄金周分析案例
20章数据策略分析第3周
20-1逻辑回归（模型的建立与估计，模型评估）
20-2分类与回归的结合
20-3信息压缩-主成分分析与因子分析（数据降维）
20-4用户流失分析-员工流失预警案例
20-5特征分析-区域经济因子分析
20-6客群分析-标签体系与与用户画像
20-7应用用户画像-美国某企业用户画像实战案例
21章数据策略分析第4周
21-1时间序列分析（ARIMA算法）
21-2带滞后项的线性回归
21-3销售额预测-线上平台销售额预测实战案例
21-4数据采集处理方法（数据采集，数据录入，数据预处理）
21-5数据管理（数据分类，数据建模，数据仓库和ETL）
21-6产品目标人群分析-市场数据的应用案例
22章数据策略分析第5周
22-1层次聚类
22-2Kmeans聚类
22-3聚类分析评价方法-决策树应用
22-4用户分群-零售行业运营案例
22-5数字化方法
22-6运筹优化方法（线性规划与二次优化，基于业务流程的优化）
22-7数字化运营综合案例-某机构营销响应概率预测与风险预测案例
23章数据策略分析第6周
23-1数据接入（接入策略，调度工具，实时数据接入方法）（附加内容）
23-2大数据平台技术架构与应用（分布式存储与计算，支持数据分析，大数据架构）（附加内容）
23-3数据挖掘导论
23-4KNN
23-5贝叶斯
24章机器学习进阶第7周
24-1带正则项的回归分析
24-2支持向量机(SVM)
24-3决策树（ID3,C4.5,CART）
24-4决策树的模型调优
24-5生存分析-病马死亡预测案例
24-6用户分类-保险行业用户分类分析
25章机器学习进阶第8周
25-1集成与提升方法（AdaBoost,随机森林,GBDT,XGBoost,LightGBM）
25-2聚类分析进阶（密度聚类，谱聚类）
25-3异常识别（孤立森林，局部异常因子）
25-4交易反欺诈-异常交易识别案例
26章机器学习进阶第9周
26-1关联规则（关联规则的概念，评估指标，Apriori算法）
26-2协同过滤
26-3产品组合策略-电信公司产品捆绑销售策略分析案例
26-4数据处理的前沿方法：特征工程概要
26-5特征工程（特征的建构、选择、转换、学习）
26-6深度神经网络（BP神经网络概述，架构）
26-7感知机及感知机的极限
27章机器学习进阶第10周
27-1文本分析（分词与词性标注，文本特征处理，关键词抽取、文本分类与聚类方法）
27-2文本与用户情绪分析-新闻文本分析案例
28章机器学习进阶第11周
28-1径向基网络
28-2卷积神经网络
28-3循环神经网络
28-4图像分析-手写数字自动识别
28-5自然语言处理-用户情绪自动识别
28-6实战项目-金融行业反欺诈
29章机器学习进阶第12周
29-1实战项目-行业文本分析
29-2实战项目-信用评分卡
30章毕业周
30-1毕业答辩
31章选修课
31-1互联网数字化运营【18课时】
31-2何为数据产品经理？【1课时】
31-3Python爬虫【15课时】
31-4Python办公自动化【10课时】
31-5人工智能(深度学习)实战之图像识别【6课时】
31-6采销、物流与供应链数据分析应用实战【10课时】(需额外付费）
熟练掌握数据清洗，可以完成缺失值填补、异常值处理等
精通数据可视化，制作可视化分析报表
可以独立撰写业务分析报告
SQL数据库应用基础
大型数据分析综合项目现场实战
掌握数据分析在各行业的应用场景
掌握业务数据分析模型与分析方法
熟练掌握数据挖掘全流程的Python实操，括数据清洗算法、特征工程、数据建模、数据治理、数据可视化等
熟练掌握Python数据挖掘算法与实践，括统计分析、统计模型、机器学习算法、深度学习算法、文本挖掘算法
灵活使用数据挖掘算法解决各行业的业务问题，通过策略优化和精准预测来解决运营、产品、营销方面的问题
海量千万级学习题库：分难度梯度式练习，巩固基础数据能力
真人在线or现场教学，轻松解决学生困扰，在家就能学数据分析技能
