询价
1537人看过
CDA大数据符合企业用人需求,从大数据编程——数据库编程——大数据仓库——大数据分析方法——数据挖掘算法——大数据真实项目应用——大数据解决方案等。
零基础脱产学习,5个月学会大数据技术;计算机、统计、数学等专业学习更佳;包学会,成为大数据稀缺人才,高薪就业;CDA大数据就业帮,助你前程似锦。
各行业数据分析、数据挖掘从业者;在校数学,计算机,统计等专业教师和学生;经济,医学生物研究院科研人员;数据分析,数据挖掘兴趣爱好者及转行人士。
趋势:人工智能(AI)。人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能需要被教育,汇入很多信息才能进化,进而产生一些意想不到的结果。AI影响幅度很大,例如媒体业,现在计算机跟机器人可以写出很好的文章,而且1小时产出好几百篇,成本也低。AI对经济发展会产生剧烈影响,很多知识产业跟白领工作也可能被机器人取代。但他对于AI的态度很正面,这会让生活更好,例如自驾车绝对比人驾车更安全。
学习章节 | 学习具体内容 |
业务分析基础技能 | 数据分析概述;常用高阶函数;条件格式应用;数据透视表高阶应用;图表进阶;项目排期管理;案例背景介绍;动态考勤表制作;每月考勤统计;考勤汇总统计;常用指标概述;基础指标统计;人力资源指标体系概述;案例背景介绍;员工绩效评定思路解析;实操绩效统计及可视化;案例背景介绍;活动评估报表思路解析等 |
数据库应用技能 | 数据库简介;表结构的特点;数据库分类;MySQL简介;数据库基本结构;SQL语言分类;SQL书写要求;创建、使用及删除数据库;创建表;数据类型;约束条件;修改及删除表;插入数据;批量导入数据;更新数据;删除数据;查询指定列;查询不重复记录;条件查询等 |
商业智能分析技能 | 数据仓库结构说明;基于数据仓库的数据处理方法;数据仓库数据处理进阶;数据仓库应用案例;创建多维数据模型;理解多维模型表连接规则;业务数据分析指标介绍;业务数据汇总分析进阶;时间维度分析方法说明;业务背景介绍;理解及加工处理数据;可视化界面创建方法介绍;制作零售业销售情况分析仪;业务背景介绍;客户价值模型说明;数据加工处理;制作电商客户行为分析仪;业务背景介绍;理解餐饮业关键运营指标等 |
数据挖掘数学基础 | 函数;极限;微分及应用;定积分;向量;线性方程组;线性变化与矩阵;矩阵乘法;行列式;矩阵的秩;逆矩阵;点乘与内积;外积;特征值与特征向量;集中趋势的度量;离散程度的度量;偏态与峰态的度量;统计量概念与常用统计量;抽样分布等 |
Python数据清洗 | NumPy基本介绍;NumPy基本数据结构: Ndarray;数组的索引与切片;数组其他常用函数与方法;Pandas基本数据结构: Series与DataFrame;索引、切片与过滤;排序与汇总;DataFrame简单处理缺失值方法;数据集的合并与连接;重复值的处理;数据集映射转化方法;异常值查找与替换;排序和随机抽样;DataFrame字符串常用操作;DataFrame分组操作等 |
Python数据可视化 | 数据可视化入门;常用可视化第三方库介绍: matplotlib、seaborn、PyEcharts;常用可视化图形介绍,如饼图、柱图、条形图、线图散点图等;图形选择;Pandas绘图方法;图例配置方法和常用参数;颜色条配置方法和常用参数;subplot多子图绘制方法;文字与注释、自定义坐标轴方法;Seaborn入门介绍;Seaborn API介绍;Seaborn绘图示例;Echarts介绍;PyEcharts API介绍;PyEcharts绘图示例等 |
机器学习快速入门 | 机器学习入门介绍:机器学习基本思想、常用算法分类、算法库等;Python机器学习算法库Scikit-Learn入门介绍;超参数与模型验证:学习曲线、网格搜索;特征工程概念介绍;分类特征、文本特征;图像特征、特征衍生;缺失值填充、特征管道;KNN基本原理;KNN函数详解;KNN高级数据结构实现;原理补充:归一化方法、学习曲线、交叉验证;KNN-最近邻分类器;KNN算法示例;无监督学习与聚类算法;聚类分析概述与簇的概念;距离衡量方法;聚类目标函数和质心计算方法等 |
分布式集群架构 | 大数据概念介绍;Hadoop入门与分布式集群基本概念;Hadoop生态和及其技术栈;Linux生态介绍;常用虚拟化工具介绍;常用Linux操作系统;Vmware与VirtualBox;Ubuntu操作系统与CentOS;Ubuntu安装与常用命令;JDK的安装与使用;Hadoop安装与使用;Hadoop单机运行方法;Hadoop伪分布式运行方法;利用多节点安装Hadoop集群;Hadoop生态其他常用组件基本介绍等 |
Sqoop安装与使用 | Sqoop组件介绍与发展历史;Sqoop组件特性及核心功能;ETL基本概念;Hadoop生态中的数据转化方法;Linux中安装Sqoop方法;Sqoop集成MySQL方法;Sqoop集成Hbase方法;Sqoop集成Hive方法;Sqoop功能测试;Sqoop导入功能介绍;Sqoop数据导入import命令基本格式;Sqoop数据导入import命令常用参数;利用Sqoop从MySQL中导入数据至HDFS;Sqoop生成相应Java代码方法codegen;利用Sqoop导入数据至Hive等 |
Hadoop基础 | HDFS概念及设计原理;HDFS体系结构和运行机制;NameNode、DataNode、SecondaryNameNode配置文件及修改方法;HDFS备份机制和文件管理机制;NameNode、DataNode、SecondaryNameNode作用及运行机制;HDFS的常用操作方法介绍;HDFS Java API介绍;HDFS Shell命令格式;HDFS创建文件目录命令;HDFS文件复制、重命名命令;HDFS文件移动、删除命令;HDFS其他常用命令;YARN基本概念;YARN相关进程介绍;YARN核心组件及其功能等 |
电子科技大学副教授
工信部软件设计师
(1)机器学习: 机器学习是大数据处理承上启下的关键技术,机器学习往上是深度学习、人工智能,机器学习往下是数据挖掘和统计学习。核心目标是通过函数映射、数据训练、最优化求解、模型评估等一系列算法实现让计算机拥有对数据进行自动分类和预测的功能。 大数据处理要智能化,机器学习是核心的核心。
(2)数据挖掘:数据挖掘核心技术来自于机器学习领域,数据挖掘的提法比机器学习要早,应用范围要广,数据挖掘和机器学习是大数据分析的核心技术,互为支撑,为大数据处理提供相关模型和算法,而模型和算法是大数据处理的关键。
课程背景
随着大数据时代的到来,数据分析师的需求日益增多。长沙作为一个经济发展快速的城市,对数据分析师的需求也越来越大。因此,长沙大数据分析师培训中心应运而生,旨在培养更多高素质的数据分析师,以满足市场的需求。
课程特色
1.师资力量雄厚:中心拥有一支经验丰富、业界知名的师资团队,他们不仅具备扎实的理论功底,还在实际操作中有着丰富的经验,能够为学员提供全面的教学指导。
2.课程系统全面:本课程涉及数据分析工具、统计学、机器学习、数据可视化等多个方面,可以让学员全方位、系统地学习数据分析知识。
3.实战教学:课程中充分融合实际业务场景,重点讲解实际工作中遇到的难点和解决方案,让学员学以致用。
课程目标
1.全面掌握数据分析相关工具和技能;
2.深入理解数据分析过程和方法;
3.熟练掌握相关的编程技巧和算法;
4.能够在实际工作中独立解决问题;
5.能够根据业务需求进行数据挖掘和分析。
学习对象
1.有志于从事数据分析行业的初学者;
2.已经从事数据分析工作,但希望提高自己的技能水平;
3.企业内部数据分析师,希望提高自身能力,提升工作质量和效率。
课程内容
1.数据分析工具:R语言、Python、SQL等;
2.统计学基础:假设检验、方差分析、回归分析等;
3.机器学习:分类、回归、聚类、决策树等;
4.数据可视化:Tableau、Power BI等;
5.实战案例:实际业务场景下的数据分析案例。
学习时长
本课程共计120学时,分为理论学习和实践操作两部分,学员需要投入足够的时间和精力才能取得理想的成果。
收费范围
本课程收费根据不同班型和学员需求进行定制,以满足不同学员的需求。同时,中心也提供免费的体验课程,让学员可以更好地了解课程内容和学习方式。
学习收获
1.全面掌握数据分析工具和技能,能够熟练应用于实际工作中;
2.深入理解数据分析的过程和方法,能够根据实际需求进行数据分析和挖掘;
3.提高编程能力和算法功底,能够在日常工作中快速解决问题;
4.能够制作出生动、直观、美观的数据可视化图表,帮助企业更好地决策;
5.与同行业人员进行交流和分享经验,增加自身知识和见识。
结语
以上信息仅供参考,实际情况以到校咨询为准。如果您有兴趣,可以联系在线客服,预约免费体验课,更好地了解课程。我们相信,我们的课程能够成为你在数据分析行业的坚实后盾,为你的职业道路保驾护航。
学员评论
来自第三方
来自第三方
来自第三方