就业服务

老师一对一答疑,全程学习管理,赠送教材源码、课程资料、相关笔记,提供面试辅导、岗位推荐!

PBET高阶就业班

  • 报名即签订正规培训合同,保障各项学习权益
  • 报名即赠送一对一专属VIP学习辅导,随时随地享受答疑服务
  • 全程严格管理,专属班主任监督学习进度
  • 全程录播+直播学习模式,每周2-3次直播知识梳理和重难点讲解
  • 全程课后作业+阶段考试+综合项目实战
  • 免费就业机会推荐、面试辅导、就业指导
  • 课程学习无有效期,一期不会下期免费再学,学会为止
  • 终生优惠享受凡云教育所有课程升级及其他活动

PBET无忧就业班

  • 报名即签订正规培训合同,保障各项学习权益
  • 报名即赠送一对一专属VIP学习辅导,随时随地享受答疑服务
  • 全程严格管理,专属班主任监督学习进度
  • 全程录播+直播学习模式,每周2-3次直播知识梳理和重难点讲解
  • 全程课后作业+阶段考试+综合项目实战
  • 课程学习无有效期,一期不会下期免费再学,学会为止
  • 终生优惠享受凡云教育所有课程升级及其他活动
  • 面试辅导、就业指导、就业无忧,享受薪资保底承诺

名师介绍

周一

  • 蜗牛学院讲师,硕士,统计师,数据挖掘工程师
  • 从事数据科学研发多年,历任数据分析师、数据挖掘工程师
  • 具备深厚的数学、统计学和数理统计功底,擅长商业数据项目研发管理
  • 熟悉EXCEL、SPSS、Python、STATA等语言工具
  • 熟悉机器学习、深度学习等相关技术
  • 启发式教学,个性化教学,课堂氛围轻松,知识点凝练,深受学生好评

为什么选择数据分析以及岗位薪资数据

数据分析为什么这么火?

潜景好

数据分析技术已经广泛应用于电商、旅游、金融、交通、教育等各行各业,人才需求不断增大,是名企争先抢夺的高薪技术人才,潜力非常大

前景好

据主流数据媒体报道的数据,用数据分析替代传统的人工分析已成为主流和趋势,全国目前的数据分析人才缺口巨大,未来3-5年人才需求量更是高达百万以上,属于高度稀缺人才。

钱景好

根据行业薪资调查显示,未来3-5年,拥有实际分析经验的数据分析师薪资涨幅可达50%以上,年薪普遍在22-50W之间。据职友集数据统计结果,仅1年工作经验的数据分析师,月薪达到18K的占比都已经达到了50%以上。

  • 数据收集
  • 数据预处理
  • 数据分析
  • 数据可视化
  • 数据分析报告

哪些人可以学数据分析?

  • 1

    接触过一些简单的程序,对数据分析感兴趣

  • 2

    刚毕业的大学生、在读研究生想从事数据分析行业工作

  • 3

    工作2-3年期待转行想从事数据分析行业工作

  • 4

    测试或者运维人员,想跳槽或者想往更高层提升

  • 5

    想从编程小白变成专业的数据分析师、数据建模师

  • 6

    数据分析从业者想提升大数据分析能力及互联网行业的业务分析能力

Python数据分析课程体系及知识点(PBET)

第一阶段

Python与数据库基础

阶段目标

1. 能够熟练掌握Python开发环境配置,python基础语法以及类、实例、继承和多态等高级与编程核心知识。

2. 能利用Python面向对象知识进行程序开发。

3. 初步具备使用Python语言进行程序编写的能力,能够阅读一般Python程序的源码。

4. 熟练应用SQL语句进行数据库常用操作,掌握python操作mysql数据库的基本功能。

Python开发基础
课程目标

1. 熟练掌握Python数据分析中需要用到的Python语言
2. 能够利用Python语言完成基本的功能并能阅读简单的代码程序
3. 能够利用Python编写数据分析代码,理解编程中各种常见的概念
4. 熟练掌握Python的各种代码技巧,实现Python数据分析中的各种功能
5. 熟练掌握Python面向对象的概念,方法及使用

知识要点
  • Python语言简介、Python安装配置
  • Python基本语法及编程规范、Python六大基本数据类型使用
  • Python循环及判断控制语言、Python函数定义及使用
  • Python模块及包导入机制、面向对象的编程概念
  • 面向对象编程(类和对象的定义及使用、Python中封装、继承和多态特性)
  • Python文件对象、Python异常处理、Python面向对象基础
MySQL数据库
课程目标

1. 熟悉数据分析中要用到的常规知识点和技术点
2. 能够自行安装、配置、使用Mysql数据库
3. 熟悉Mysql常用命令,并且能够使用这些命令完成测试相关的工作
4. 了解一些常用的数据库优化相关的知识,为将来性能测试打下基础

知识要点
  • 数据库基本概念、Mysql数据库安装和配置
  • 创建数据库和表、数据库约束、数据库设计方法
  • 数据库三大范式、数据库增删改查操作
  • 数据库多表连接原理、数据库常见多表连接操作
  • 分组聚合函数、子查询
  • 数据库高级进阶专题1(数据库索引设置及优化、数据库事务概念及其特性)
  • 数据库高级进阶专题2(数据库存储过程及其应用、视图概念及应用、游标及触发器)

第二阶段

数据分析基础

阶段目标

1. 能够熟练掌握Python三大数据科学库numpy、pandas、matplotlib的安装使用。
2. 掌握相关特征工程的知识,理解特征分析、质量分析、归一处理。
3. 熟练掌握数据清洗的过程与方法,能够在实际项目中识别有价值的信息,并结合相关业务背景处理特征。
4. 掌握描述性分析、数据可视化的基本操作,并在具体的项目中理解掌握数据科学数据处理的概念、方法及评估。

Python数据科学基础库
课程目标

1. 理解numpy、pandas相比较于原生python的优势
2. 熟练掌握numpy、pandas的安装与基本语法
3. 熟练掌握Series、DataFrame基本数据结构的操作
4. 能够利用numpy、pandas分析处理数据,使用matplotlib实现基本的可视化

知识要点
  • 为什么用numpy
  • 向量、数组-数据类型与结构数组
  • 数组的索引与切片、数组的属性、数组的排序
  • 数组的组合、数组的分拆、ufunc运算、矩阵概念与应用
  • csv读写、excel读写、其他数据读写、高级数组操作
  • pandas数据机构-Series、pandas数据机构-DataFrame
  • pandas数据操作-排序、pandas数据结构-排名、pandas数据结构-运算
  • pandas数据结构-函数应用。pandas数据结构-映射、pandas数据结构-分组
  • pandas数据结构-合并、pandas数据结构-分类
  • 时间序列-日期类型、时间序列-日期处理、时间序列-时区处理、时间序列-采样及相关绘图
  • 数据探索与预处理。matplotlib可视化流程、方法
  • matplotlib可视化流程、方法
数据探索与预处理
课程目标

1. 数据常见的统计学概念、统计学处理方法
2. 熟悉特征工程的常见概念、处理过程
3. 使用特征工程的方法构造因子、处理数据
4. 熟练掌握数据清洗的预处理方法
5. 熟练掌握数据可视化基本图形的制作与优化

知识要点
  • 质量分析-缺失值、质量分析-异常值、质量分析-一致性分析
  • 特征分析-分布分析、特征分析-对比分析
  • 特征分析-统计量分析、特征分析-周期性分析
  • 特征分析-贡献性分析、特征分析-相关性分析
  • 特征函数、数据清洗、数据集成-实体识别
  • 数据集成-冗余识别、数据变换基础、属性规约与数值规约
  • 数据描述-集中趋势概念应用、数据描述-离散趋势概念应用
  • 数据描述-分布形状、数据描述-统计表概念、建立与应用
  • 函数绘图、图形基本设置、面向对象绘图、绘图样式
  • pandas基本绘图、折线图、面积图
  • 直方图、条形图、龙卷风图、饼图等
项目实战
课程目标

通过某电商用户数据预处理,掌握数据分析的基本过程、数据理解、数据清洗、特征构造等知识。 掌握特征工程领域的基本操作 掌握标量、向量与空间、计数、对数、缩放与归一化的方法 掌握特征工程文本数据扁平化、过滤与分块的方法 理解在具体商业项目中如何使用python实现数据预处理目标的步骤要求,提升后续数据分析数据挖掘的信度、效度。

第三阶段

统计推断与建模挖掘

阶段目标

1. 掌握统计推断、方差分析与非参数检验的概念、方法
2. 在具体项目中使用基础统计学处理数据,获得描述统计结果

统计推断
课程目标

1. 熟悉掌握数据分布总体分布、样本分布、 抽样分布
2. 熟悉掌握参数估计点估计、区间估计的概念与方法
3. 熟悉掌握假设检验概念、基本步骤和不同的假设检验的应用
4. 熟悉掌握单总体均值估计、 单总体方差、标准差估计、 单总体比例估计的方法
5. 熟悉掌握独立样本均值差的假设检验、 独立样本比例差的假设检验、 成对样本的假设检验

知识要点
  • 数据分布-总体分布、数据分布-样本分布
  • 数据分布-抽样分布、参数估计-点估计、参数估计-区间估计
  • 假设检验概念、假设检验的生活实例
  • 假设检验基本步骤、不同的假设检验
  • 单总体均值估计、单总体方差、标准差估计
  • 单总体比例估计、单总体均值的假设检验
  • 独立样本均值差的假设检验
  • 独立样本比例差的假设检验
  • 成对样本的假设检验
方差分析与非参数检验
课程目标

1. 熟悉方差分析基本原理、一元单因素方差分析同质性检验、方差来源及检验、多重比较知识
2. 熟悉一元单因素方差分析参数估计、模型预测、主效应、交互效应及协方差分析相关知识
3. 熟悉非参数检验基本问题、单因素非参数检验中位数检验分布检验、游程检验知识
4. 熟悉两样本非参数检验-wilcoxon秩和检验、分布检验、中位数检验概念与基本方法
5. 熟悉多样本非参数检验-分布检验、 独立样本位置检验和相关分析与关联分析相关知识
6. 熟悉非参数检验基本问题、单因素非参数检验中位数检验分布检验、游程检验知识

知识要点
  • 方差分析基本原理、一元单因素方差分析-同质性检验
  • 一元单因素方差分析-方差来源及检验、一元单因素方差分析-多重比较
  • 一元单因素方差分析-参数估计、一元单因素方差分析-模型预测
  • 一元多因素方差分析-只存在主效应、一元多因素方差分析-存在交互效应
  • 协方差分析
  • 非参数检验-基本问题、单因素非参数检验-中位数检验
  • 单因素非参数检验-分布检验、单因素非参数检验-游程检验
  • 两样本非参数检验-wilcoxon秩和检验、两样本非参数检验-分布检验
  • 两样本非参数检验-中位数检验、多样本非参数检验-分布检验
  • 独立样本位置检验。相关分析与关联分析
回归分析
课程目标

1. 了解线性回归的概念、线性回归适用条件、一元回归分析、多元回归分析概念意义
2. 掌握线性回归实现、残差分析、强影响点分析、多重共线性、非线性回归扩展
3. 掌握具体实战中使用python进行回归分析的步骤、方法与评估

知识要点
  • 线性回归的概念、线性回归适用条件
  • 一元回归分析、多元回归分析
  • 线性回归实现、线性回归诊断-残差分析
  • 线性回归诊断-强影响点分析、线性回归诊断-多重共线性
  • 非线性回归扩展
  • 波士顿房价预测-数据准备
  • 波士顿房价预测-数据理解
  • 波士顿房价预测-模型搭建
  • 波士顿房价预测-模型诊断
逻辑回归与决策树
课程目标

1. 了解线性回归与逻辑回归区别
2. 熟悉逻辑回归的概念、适用条件、逻辑回归模型实现
3. 熟悉逻决策树的概念、适用条件、逻辑回归模型实现
4. 掌握具体项目中逻辑回归、决策树的使用、评估与优化

知识要点
  • 线性回归与逻辑回归、逻辑回归的概念
  • 逻辑回归的适用条件、逻辑回归模型实现
  • 电商优惠券使用情况分析-数据准备
  • 电商优惠券使用情况分析-模型搭建
  • 电商优惠券使用情况分析-诊断评估
  • 决策树基础、决策树算法-ID3、决策树算法-C4.5、决策树算法-CART
  • 决策树减枝、决策树实现
  • 从逻辑回归到决策树
  • 鸢尾花分类-数据准备
  • 鸢尾花分类-模型搭建
  • 鸢尾花分类-模型评估
项目实战
课程目标

通过某电商用户优惠券使用数据分析项目,掌握完整的商业项目流程
掌握数据预处理、特征工程处理
在规范数据基础上使用描述性分析初步得到数据各个统计量
在基础统计量的基础上构造新的符合业务要求、统计学要求及相关理论背景的新指标
使用统计推断技能,探索数据各个属性关系
对数据关系,总体参数进行检验
使用回归分析、逻辑回归及决策树等方法,预测电商平台优惠券发放及商业成果
掌握数据科学算法应用于商业项目的流程方法,并对比不同算法使用方法的差异及效用
掌握模型挖掘效果评估的方法,并理解模型改进的技巧

咨询QQ:3068609995

关注微信公众号

添加好友

咨询电话:19150192914

友情链接: 蜗牛创想 阿多比设计学院
版权所有 © 成都凡云科技有限公司 蜀ICP备15014130号-12 网络文化经营许可证 站长统计
logo

教学优势

Teaching advantages

图标

全程项目实战

所有技术点的学习都基于项目实战,只有掌握技术才能学会技术,边学边做,边做边学,真正的项目驱动式教学

图标

严管教学

授课+答疑+班主任+就业四师全程监督,有班级学习群,有严苛的学员管理制度,精细化的学习计划

图标

免费终身学习

无论课程更新了多少次,凡是购买了该课程方向的学员都可终身享受最新版课程的学习福利,以及日常对应IT技术的专题课程学习

图标

课程体系实时更新

每门学科建立专业的教研组,结合市场需求实时更新课程体系,确保所学即为技术前沿

图标

面试强化冲刺高薪

简历辅导、模拟面试、职业规划,多位就业老师为您的转行之路加持,目标不仅限于offer,而是一份高薪且满意的offer

课程核心

Course Core

Excel数据分析
MySQL数据库
Power BI
Python
Pandas
Matplotlib
商业数据分析模型
数据挖掘

课程大纲

Course Outline

第1阶段

数据分析入门

第2阶段

数据分析进阶

第3阶段

高阶数据分析

阶段目标:

  • 本阶段课程是作为数据分析师的基础入门课程,对于0基础入门的同学而言,通过对数据分析行业的介绍、 数据分析师职业发展路径的分析,并数据分析三剑客Excel、Power BI分析工具以及Mysql数据库操作, 能够让大家具备基本的数据分析师的能力,对一般规模的数据集能够进行多维度、可视化方式进行分析。 并且,在本阶段的课程中,我们还着重对学员的数据分析思维能力的培养,着重培养大家通过现象看本质、 透过数据看原因的能力,能够胜任大部分公司初级数据分析或数据分析助理岗位。在各行各业的业务数据中, 也可以通过这些工具提升自己对数据的理解和业务问题梳理及解决方案挖掘能力。

第1周:

Excel商业数据分析

知识要点:
数据分析行业现状及介绍、商业分析相关基本概念、数据分析常见专业术语介绍、数据分析工作基本流程、Excel安装和配置、Excel基本操作、常用 函数、透视表、可视化图形、清洗处理类函数、日期时间类函数、统计计算类函数、常见数据处理方式、条形图、柱状图、折线图、散点图、气泡图、 雷达图、面积图、直方图等。
课程目标:
  • 1. 熟练掌握Excel工具在数据分析中的各种常见操作
  • 2. 熟练掌握Excel常用函数的使用方式
  • 3. 熟练掌握Excel工具的透视表操作及应用
  • 4. 熟练掌握Excel可视化图表制作,能够绘制常见数据分析图表
  • 5. 通过项目实战熟练掌握Excel数据分析工作全流程,具备独立使用Excel完成数据分析工作的能力

第2周:

Power BI入门到实践

知识要点:
Power BI基本介绍、安装和配置、数据源导入、利用Power BI进行数据建模、传统报表的生成及美化、 DAX数据分析表达式应用、Power BI可视化应用。
课程目标:
  • 1. 掌握市面上常用BI工具分类及其优缺点
  • 2. 熟练掌握Power BI工具的安装、配置及基本使用
  • 3. 熟练掌握Power BI进行数据建模的能力
  • 4. 熟练掌握利用Power BI的DAX进行各种函数处理
  • 5. 熟练掌握Power BI的可视化图表及面板操作
  • 6. 独立使用Power BI完成数据分析全流程工作

第3周:

Mysql数据库

知识要点:
MySQL数据库基础、管理数据库和表、使用DML操作数据、数据查询语句、聚合函数与分组查询、 MySQL子查询语句编写、多表连接查询语句、SQL中常用函数的应用和实践。
课程目标:
  • 1. 熟练掌握Mysql数据的基本增删改查操作
  • 2. 熟练掌握利用Mysql进行提数、清洗及数据转换操作
  • 3. 熟练掌握Mysql数据建模
  • 4. 独立利用Mysql完成数据分析全流程

阶段目标:

  • 本阶段是对数据分析能力的提升课程,对标各大企业中的中高级数据分析师岗位。本阶段通过引入Python编程语言以及基于Python的数据处理三剑客——Numpy、 Pandas以及matplotlib的使用,使大家具备大规模数据集清洗、处理、转换以及分析能力,能够对各种复杂业务场景和数据进行建模、 可视化分析,突破简单Excel和BI工具的限制,大大提升大家的数据分析能力,具备在企业中胜任中高级数据分析师的能力。 同时,通过对各种常见商业数据分析模型的讲解,让学员在学习工具的同时,加深对行业业务认知,透视问题的表面看到数据业务的内在逻辑, 从而定位问题并找出解决方案。在真实的数据分析项目中熟练应用各种不同的数据分析模型来进行处理,用数据和图标帮助企业进行商业决策。

第4周:

Python编程基础

知识要点:
Python编程入门、整型、字符串、列表、元组、集合、字典、控制结构、函数编程、包和模块、面向对象编程、 文件对象处理、异常处理、多线程编程、封装数据库操作对象。
课程目标:
  • 1. 熟练掌握Python基本语法和在数据分析中的应用场景
  • 2. 熟练掌握Python变量定义、函数定义、循环判断等基本结构
  • 3. 熟练掌握Python文件处理及异常处理
  • 4. 利用Python熟练操作数据库,完成数据库常规操作

第5周:

web爬虫开发

知识要点:
web网页爬虫基本概念、webscraper基本功能介绍及原理解析、安装和配置、基本webscraper的基本数据爬取、 webscraper爬取分页数据、配置文件导入和导出、使用CouchDB整理抓取到的数据、针对有反爬措施的网站的处理、 规避爬虫的法律风险、使用python爬取基于API接口的数据。
课程目标:
  • 1. 熟练掌握web爬虫的基本原理
  • 2. 熟练掌握无代码爬虫web scraper的各种使用场景和技巧
  • 3. 熟练掌握基于API接口和python代码的数据爬取
  • 4. 能够通过各种web页面获取自己需要的数据,完成数据分析的数据获取工作

第6周:

Numpy数据分析

知识要点:
numpy库功能介绍及安装和配置、编辑器介绍和基本配置、常见数据类型、数组及运算、文件IO操作、 索引和切片操作、形状操作、进阶高级操作。
课程目标:
  • 1. 掌握numpy的安装和基本配置
  • 2. 熟练掌握numpy在数据分析中的基本应用
  • 3. 熟练掌握numpy在数据分析中的高级应用,提升数据处理能力和效率
  • 4. 熟练利用numpy完成各种数据分析工作

第7周:

Pandas数据分析

知识要点:
Pandas模块介绍及安装和配置、基本功能使用、基本数据结构、数据清洗操作、数据转换、分组聚合操作、 时间序列操作。
课程目标:
  • 1. 熟练掌握Pandas的安装和配置工作
  • 2. 熟练掌握Pandas的基本数据类型Series和DataFrame
  • 3. 熟练掌握Pandas各种常见数据操作

第8周:

Matplotlib数据可视化

知识要点:
matplotlib模块介绍及安装配置、图形绘制基本操作、布局和图形嵌套、多图操作技巧、折线图、 条形图、极坐标图、直方图、箱式图和散点图、热力图、面积图等。
课程目标:
  • 1. 熟悉Matplotlib库的安装和基本配置
  • 2. 熟练利用Matplotlib完成各种常见分析图形的绘制

第9周:

商业数据分析建模及实战

知识要点:
基本商业数据分析统计基础、商业数据分析九大分析方法、周期性分析法、结构分析法、分层分析法、矩阵分析法、 指标拆解法、漏斗分析法、相关分析法、标签分析法、MECE法、用户生命周期、AARRR模型、RFM模型、5W2H、 逻辑树、AB测试、SWOT、PEST、波特五力模型、拉新获客指标、活跃指标、 留存指标、转化变现指标、传播指标、 概率与概率分布、估计和假设验证、聚类分析方法、回归分析方法、分类分析方法、组间差异分析方法、商业数据分析工作流程、 构建用户画像、电商用户引流与转化分析、顾客消费行为数据分析、AB测试实验流程与分析、数据分析报告编写技巧、 利用chatgpt完成数据分析工作。
课程目标:
  • 1. 熟练掌握各种常见的商业数据分析模型和方法
  • 2. 熟练掌握常见的统计分析概念,为继续进阶为数据挖掘师做好准备
  • 3. 熟悉商业数据分析的完整流程
  • 4. 通过各种常见数据分析真实项目,独立利用python及各种工具完成数据分析全流程工作

阶段目标:

  • 本阶段课程是基于学员在有一定的数据分析能力和经验的基础上,通过统计与概率基础理论、常见算法模型和实战项目的深入学习, 进一步提升从数据中挖掘价值和业务预测相关的能力。 从数据预处理到特征选择、模型构建以及优化,用Python编写代码实现机 器学习算法和数据分析,以及如何把模型部署到生产环境中,在本课程中都将得到涉及。学完本阶段课程后,将可以胜任企业中高 级数据挖掘工程师的职位。

第10周:

数据挖掘统计与概率基础

知识要点:
统计学基本概念、总体推断、抽样方法、卡方检验、t检验和方差检验。
课程目标:
  • 1. 掌握数据挖掘工作中所必须的统计与概率相关基础理论知识
  • 2. 能够在后续的数据挖掘算法学习中熟练运用概率与统计理论知识进行算法推导

第11周:

数据挖掘常
见算法

知识要点:
数据挖掘基础算法理论、线性回归算法、逻辑回归算法、支持向量机SVM、决策树算法、随机森林算法、 梯度提升算法、XGBoost算法、聚类算法Kmeans、时间序列算法、推荐算法。
课程目标:
  • 1. 通过常见数据挖掘算法的学习,熟练掌握数据挖掘常用算法
  • 2. 能够熟练利用数据挖掘算法解决不同领域的数据挖掘问题
  • 3. 能够通过实际的数据集及业务规则,判断对应的数据挖掘算法,并选择合适的数据挖掘算法实现数据挖掘

第12周:

数据挖掘项
目实战

实战内容:
  • 1. 某短视频平台用户流失预警系统项目实战
  • 2. 某建筑公司行业得分预测项目实战
  • 3. 某银行金融信用项目评分模型实战
  • 4. 某银行金融信用项目评分模型实战
  • 5. 某保险公司用户精细分层项目实战
  • 6. 某大型上市公司营收预测模型项目实战

第13周:

综合项目与
就业辅导

课程目标:
  • 1. 帮助学员将前面阶段所学内容进行梳理,融入实际场景进行分析总结。
  • 2. 提供5个以上的完整商业实战项目供学员选择,完成最后的综合性项目。
  • 3. 为学员提供全方位的面试辅导,从企业需求、岗位分析、简历制作、项目经验、面试题、沟通表达、职业素养等方面进行强化提升。
  • 4. 通过对不同专题的引入帮助学员拓展知识面,更加适应未来企业的各类技术岗位的需求,更加及时理解技术热点。