达内旗下的在线IT职业教育平台,目前已推出众多内容优质、生动实用的各类IT培训课程,利用在线学习的便捷性,着重加强IT项目实战技能,结合在线答疑、实时笔记、在线题库及考试等教学辅助功能,满足学习者从零基础起步直至IT岗位的技能所需,以匹配个人提升或企业用人需求。Atstudy个性化的教学和学习形式,有助于实现真正意义上的因材施教效果。
达内,全称达内软件技术股份有限公司,成立于2004年,是*IT职业人才培训领域的先行者,公司总部位于上海,在北京、天津、上海、广州、成都、南京、西安、武汉、杭州、重庆、济南、合肥、苏州、长沙、南昌、石家庄、郑州、昆山等地均设有校区和分支服务机构。2016年4月,达内在新三板挂牌上市(股票代码:836392,2020年4月入选创新层),成为备受瞩目的创新型IT企业
1、数据分析入门2、数据分析的意义
3、数据分析的流程控制4、数据分析的思路与方法
1、xmind简介与基本使用2、学习方法课堂案例
3、滴答拼车实战演练4、其他思维导图介绍
1、专业展现——PPT2、基本简介
5、实战动画
1、Excel工具的安装、配置与环璄测试
2、PowerBI工具的安装、配置与环璄测试
3、Tableau工具的安装、配置与环璄测试
4、MySQL数据库的安装、配置与环璄测试
5、SPSS数据挖掘工具安装、配置与环璄测试
6、SAS数据挖掘工具安装、配置与环璄测试
7、Python开发工具的安装、配置与开发环璄测试
1、虚拟机的安装配置2、虚拟机网络配置
3、安装Linux4、利用SSH连结Linux
5、Linux基础命令6、Linux系统管理
1、python课程的目的2、使用JupyterLab
3、python数据类型4、元组、列表、字典
5、python分支结构6、python字符串处理+随机函数
7、pthon循环结构8、python面向过程函数操作
9、python面向对象
1、问题界定2、问题拆分3、指标确定
4、数据收集5、报告方案6、趋势预测
7、数据分析8、趋势预测9、报告方案
1、边界:明确问题的边界
2、逻辑:确定业务的关键指标和逻辑
3、定性分析与定量分析
基于经典的模型
1、5W2H
2、SWORT
3、4P管理模型
4、CATWOE
5、STAR原则、波士顿5力模型
基于业务的模型
1、用户画像
2、销售影响因素
3、市场变化因素
4、AARRR流量模型
5、金定塔思考方法
1、数据科学过程2、数据清洗定义
3、数据清洗任务4、数据清洗流程
5、数据清洗环境6、数据清洗实例说明
7、数据标准化8、数据格式与编码
9、数据清洗常用工具10、数据清洗基本技术方法
11、数据抽取12、数据转换与加载
1、产品数据2、用户数据
3、行为数据4、订单数据
1、网站2、政务公开数据
3、数据科学竞赛4、数据交易平台
5、行业报告6、指数平台
1、数据抓取2、投资数据抓取
3、房产数据抓取4、舆情数据抓取
5、娱乐数据抓取6、新媒体数据抓取
1、建库2、建表
3、建约束4、创建索引
5、添加、删除、修改数据
1、缺失值处理:对缺失数据行进行删除或填充
2、重复值处理:重复值的判断与删除
3、异常值处理:清除不必要的空格和异常数据
1、利用SQL进行简单的业务数据查询
2、利用SQL完成复杂条件查询
3、利用多表关联完成复杂业务查询
4、利用嵌套子查询完成复杂业务数据分析
1、聚合、分组、排序2、函数
3、行列转换4、视图与存储过程
1、业务数据表关联查询及查询
2、结果纵向融合
3、常业务需求数据宽表构建
4、应查询处理复杂业务
1、计算和连续函数的性质2、导数/微分的概念和运算法则
3、积分的概念和运算法则
4、幂级数、泰勒级数、傅里叶级数、傅里叶变换
5、向量的概念和运算
6、矩阵的转置、乘法、逆矩阵、正交矩阵、SVD奇异值分解、特征值
7、行列式的计算和性质8、凸优化
1、创建数组2、切片索引
3、数组操作4、字符串函数
5、数学函数6、统计函数
1、直方图:探索变量的分布规律2、条形图:展示数值变量的集中趋势
3、散点图:表示整体数据的分布规律4、箱线图:表示数据分散性,中位数
5、提琴图:分位数的位置及数据密度6、回归图:寻找数据之间的线性关系
1、大数据概述
2、数据集群Hadoop架构
3、Hive开发环璄搭建
1、从MySQL中导入数据到Hive
2、从Hive导出数据到MySQL
1、Hive数仓
2、HQL数据查询基础语法
1、分区表2、分桶表
3、关联表4、数据查询
1、常内置函数及开窗函数
2、特殊类型数组查询式
3、HQL查询语句优化技巧
3、判别分析4、方差分析
7、信度分析8、因子分析
9、回归分析10、对应分析
11、列联表分析12、聚类分析
1、课程规划与简介2、数据挖掘项目生命周期
3、简单的统计学基础4、用Modeler试手挖掘流程
5、数据挖掘的知识类型6、商业分析基础简介
7、信度分析8、因子分析9、回归分析10、对应分析
1、SAS概述:SAS简介与教育版安装2、SAS概述:教育版基本使用
3、SAS编程基础4、SAS编程基础7-循环
5、SAS数据集操作1-合并6、SAS数据集操作2-排序与对比
7、SAS数据集操作3-查重与筛选8、练习-斐波那契数列
9、练习-百元百鸡问题
1、机器学习入门2、sk-learn机器学习库
3、预测算法原理与使用场景4、算法调用、参数设置
5、特征选择、特征工程6、回归预测模型实战
7.分类预测试模型实战8.聚类模型实战
9、集成学习10、模型优化
案例-1:BI电商数据市场分析项目实战
案例-2:BI电商数据客户分析项目实战
案例-4:基于Tableau的客户主题对客户进行合理分群
案例-5:基于Tableau的营销主题分析如何衡量媒体的营销价值
案例-6:基于Tableau的保公司索赔情况分析
1、数据可视化的概念2、数据可视化的意义
3、数据可视化的对比4、数据可视化的分类
5、数据可视化图表举例6、数据可视化应用领域
7、数据可视化步骤8、数据可视化工具梯度
9、图表呈现流程10、数据报告撰写
1、了解电商业务背景
2、以客户分析为应用场景,对数据进行加载、清洗、分析及模型建立
3、以货品分析为应用场景,针对品类销售及商品销售进行分析
4、以流量分析为应用场景,针对流量渠道及关键词做有效分析
5、根据业务实际背景做舆情分析
6、将分析结果及建议制成报告进行发布
商业项目实战01:电商数据分析——分析方式之漏斗模型及数据量化