| 課程模塊 | 課程名稱 | 課程內容 |
|
Python認識和使用 |
python基礎 |
Python版本特性介紹、Python應用場景及趨勢發展、Python開發環境搭建、Python開發工具及運行環境、標識符與關鍵字、注釋 |
|
Python入門 |
Python在各系統中的安裝、應用場景及數據存儲設計、Python程序開發基礎指南、如何運行python代碼 |
|
|
python基本語法 |
Python選擇與循環、Python字符串處理、可視化python編程、數據及類型操作、Python對象、數字、序列、Python映射和集合類型、Python條件和循環、Python文件和輸入輸出、python錯誤和異常 |
|
|
python高級語法 |
函數和函數式編程、Python面向對象編程、Python正則表達式、Python函數編程、Python多線程編程、Python圖形界面編程、Python數據庫編程創建、Python擴展 |
|
|
數據庫 |
數據庫設計 |
數據庫設計及運行管理、數據庫設計過程講解、概念結構設計與ER圖、邏輯結構設計與ER轉換規則、數據流圖與數據字典、數據庫設計物理模型、數據庫事務與隔離級別、數據庫范式及ACID特性、MySQL安裝與登、數據庫創建與刪除 |
|
數據庫基礎 |
表結構創建，查看、字段類型與數據類型、字段增加，重命名，刪除、記錄的增加，修改，刪除、表查詢、條件查詢、模糊查詢、視圖創建與操作、索引創建與操作 |
|
|
MongDB |
Mongodb初識、Mongodb快速部署、Mongodb數據庫操作 Mongodb collection操作、Mongodb MapReduce、Mongodb數據導入/導出/備份/恢復、Mongodb安全、Mongodb權限控制、Mongodb Python API |
|
|
內存數據庫Redis |
REDIS分布式緩存介紹、REDIS網絡模型與內存管理、REDIS的數據一致性問題、REDIS支持的KEY類型、REDIS水平動態擴展、REDIS數據淘汰策略、REDIS訪問工具、REDIS shell api、REDIS包引入、REDIS Python API |
|
|
高階應用 |
urllib.lib庫 |
Python urllib認識、urllib庫的基本操作、urllib基本get請求、urllib基本post請求、超時配置與會話對象、代理與API |
|
requests庫 |
Response對象與文件上傳、Cookies與會話對象、超時與異常、綜合應用案例、CSS選擇器與bs4、BeautifulSoup基本介紹、BeautifulSoup安裝、BeautifulSoup基本語法、BeautifulSoup的基本運算符、BeautifulSoup語法定位 |
|
|
css選擇器與Xpath |
CSS選擇器基本使用、Xpath基本介紹、Xpath基本語法、XPath 軸與表達式、Xpath的基本運算符、Xpath語法定位、常用的反爬蟲技術、多線程與多進程爬蟲、代理設置與Cookie操作、動態網頁內容的抓取 |
|
|
Scrapy分布式爬蟲 |
Selenium與PhantomJS、模擬表單登錄、創建項目與定義Item、命令行工具、Spiders參數與選擇器、Scrapy的Feed輸出、數據收集與終端輸出、Scrapy爬蟲常見問題、vvScrapy爬蟲調試優化 |
|
|
進軍數據分析 |
數據分析 |
數據分析工具講解、數值計算包學習、數據處理包Pandas、Pandas與數據庫、讀取文本文件、函數解析、利用DataFrame、關系型數據庫驅動、非關系型數據庫驅動、Web API操作網絡資源 |
|
數據處理 |
數據清洗原理、缺失數據處理、合并數據集、數據DataFrame合并、數據軸向連接、數據樣本分位數、數據聚合運算、面向列的多函數應用、定義不同列的函數、通過函數進行分組 |
|
|
Matplotlib |
Matplotlib基本介紹、Matplotlib可視化包認識、2D與3D圖表圖表使用、Matplotlib圖像顯示、Matplotlib應用、從文件加載數據、從網絡加載數據、繪圖與可視化、統計學基礎、時間序列分析基礎 |
|
|
SPSS、SK-LEARN |
序列分析周期算法與應用、機器學習知識、spss軟件介紹、spss使用算法簡單講解、sk-learn算法講解、sk-learn安裝、sk-learn算法調用、pandas接入模型、statsmodels使用、線性模型估計 |
|
|
項目實戰 |
個人用戶信用評估 |
針對脫敏的幾十個維度的用戶數據，以及銀行提供的黑名單，建立個人用戶的信用評估模型；在建模過程中涉及到用戶數據缺失值處理，特征篩選，特征量化，類別不平衡策略，模型參數調優；涉及到SPSS數據分析，pandas，sklearn工具的使用；通過該項目的學習，完整掌握各類數據分析軟件，分析流程以及相關算法。 |
|
運營商數據統計分析 |
對運營商用戶真實瀏覽記錄，利用瀏覽數據分類，以及爬蟲抓取數據擴充標簽，統計用戶瀏覽行為，給用戶貼上對應標簽，針對個人用戶以及群體用戶的特征，進行相關數據推薦；涉及到數據全量與增量統計，實時計算，協同過濾等技術與算法，分布式爬蟲部署，以及反爬蟲策略；通過該項目學習，完整掌握數據抓取技術，海量數據實時計算，以及主流用戶推薦算法。 |
|
|
電商網站評價情感分析 |
針對某互聯網電商平臺上的商品數據，抓取其評論數據，進行情感分析，并抽取評論關鍵詞，分析用戶關心的商品問題；涉及到爬蟲知識，數據篩選，清洗，去重以及貝葉斯，LDA算法等；通過該項目的學習，加深對數據處理流程的理解以及對自然語言處理知識的認識。 |
|
|
股票數據擬合與推薦 |
針對網上獲取的實時股票數據，利用多種方法對數據進行短期擬合，評估擬合效果，并在擬合多支股票的基礎上，進行有價值股票的推薦；涉及到時間序列數據擬合，預警等技術；通過該項目的學習，加深對時間序列分析與理解。 |
關鍵決策權。大數據分析是任何公司的附加價值，使其能夠做出明智的決策并提供優于競爭對手的優勢。大數據職業生涯增加了成為公司關鍵決策者的機會。
提高Microsoft Excel技能。數據分析職業需要使用Excel來清理、組織、操作和可視化數據。Excel是管理數據不可或缺的工具之一，因此擁有一些知識可以破解數據分析工作。
理論深入講解，項目驅動教學，注重學員自訓，10-15人小班授課，面授+1對1輔導。教學環境優美，軟硬設施齊全，生活配套完善，團隊氛圍濃厚。
加米谷特聘講師
加米谷特聘講師
用戶分群。針對符合某種特定行為或背景信息的用戶，進行歸類處理，是我們常常講到的用戶分群(segmentation )的手段。
轉化漏斗。絕大部分商業變現的流程，都可以歸納為漏斗。漏斗分析是我們最常見的數據分析手段之一，無論是注冊轉化漏斗，還是電商下單的漏斗。 通過漏斗分析可以從先到后還原用戶轉化的路徑，分析每一個轉化節點的效率。其中，我們往往關注三個要點：從開始到結尾，整體的轉化效率是多少？每一步的轉化率是多少?哪一步流失最多，原因在什么地方?流失的用戶符合哪些特征?
課程特色
1. 國內知名的教育機構提供授課，并由一線數據分析師輔導學員的實戰案例，教學質量有保障。
2. 開設一系列在線課程，靈活選擇并進行自主學習。
3. 課程使用真實案例和數據，注重培養學員的實際能力。
課程目標
1. 幫助學員系統掌握數據分析技術及工具。
2. 跟蹤行業趨勢，了解最新技術和熱點。
3. 培養學員具備發現與解決問題的能力，成為一名合格的數據分析師。
學習對象
任何對數據分析感興趣的人，尤其是想在該領域發展的學生、初學者和行業從業者。
課程內容
1. 數據分析基礎（數據清洗、數據整理、數據可視化等）。
2. 統計學原理與應用（概率論、假設檢驗、方差分析、回歸分析等）。
3. 數據分析工具（Excel、SQL、Python、R語言等）。
4. 數據挖掘和機器學習（決策樹、聚類分析、神經網絡、SVM等）。
學習時長
該培訓班共計120學時，學員可根據時間靈活安排學習計劃。
收費范圍
根據學員需求不同，收費范圍在10000元至20000元之間。
學習收獲
1. 掌握數據分析的理論和實踐技能。
2. 獲得實際案例分析的經驗，有助于從實際中掌握數據分析技能。
3. 學會合理運用數據分析工具，做出準確的數據分析報告。
結語
以上信息僅供參考，實際情況以到校咨詢為準。可聯系在線客服，預約免費體驗課。我們致力于為廣大學員提供優質教育培訓服務，歡迎來校咨詢或在線咨詢。
勤學教育網
