上课方式

面授,录播,网课

上课校区

招生对象

课程目标

课程详情

授课机构

教学点

同类课程

学员评论

大数据技术是一个能够去对企业的创新能力进行革新的利器，可以去帮助企业去实现自己在技术领域的革命。这里的课程可以去帮助学生成为企业非常需要的人才。博为峰在教学的过程当中是可以去帮助学生去采用科学和系统的方式去进行学习，逐步的掌握专业的知识和技能。这个学习领域对于学生的学习的要求是比较高的，帮助学生取得很不错的职业发展前景。

丰富的教学特色抢先看

实战
导向

课程注重实际操作，通过丰富的案例和项目实践，提升学员的实际能力。

系统
学习

课程内容涵盖大数据的各个领域，全面系统地培养学员的综合能力。

师资
团队

由业内专业讲师和实践经验丰富的师资组成，确保教学质量和效果。

就业
指导

提供就业指导和支持，帮助学员更好地适应行业要求。

大数据的特征

大量化。这也是大家容易想到的。比如我们日常生活离不开的微信、支付宝，我们的任意的聊天或者支付都会有相应的记录，这样每天将会产生数十亿条、百亿条乃至更多条数据。这仅仅是一天的量，那一个月呢，一年呢？与此类似的场景在各行各业均有涉及。
数据的可靠性。它指在数据的生命周期内, 所有数据都是完全的、一致的和准确的程度。保证数据的完整性意味着以准确的、真实的、完全地代表着实际发生的方式收集、记录、报告和保存数据和信息。

武汉博为峰大数据课程

课

< >

K

大数据课程内容

课程大纲	课题名称	课程内容
前导基础	数据分析入门	数据分析入门；数据分析的意义；数据分析的流程控制；数据分析的思路与方法
	逻辑为先—XMIND	xmind简介与基本使用；学习方法课堂案例；滴答拼车实战演练；其他思维导图介绍
	专业展现—PPT	专业展现——PPT；基本简介；几个不得不说的真相；经验分享；实战动画
	数据分析工具安装与环璄配置	Excel工具的安装、配置与环璄测试；Power BI工具的安装、配置与环璄测试；Tableau工具的安装、配置与环璄测试；MySQL数据库的安装、配置与环璄测试；SPSS数据挖掘工具安装、配置与环璄测试；SAS数据挖掘工具安装、配置与环璄测试；Python开发工具的安装、配置与开发环璄测试
	Linux基础应用之大数据必知必会	虚拟机的安装配置；虚拟机网络配置；安装Linux；利用SSH连结Linux；Linux基础命令；Linux系统管理
	数据分析的Python语言基础	python课程的目的；使用JupyterLab；python数据类型；元组、列表、字典；python分支结构；python字符串处理+随机函数；pthon循环结构；python面向过程函数操作；python面向对象
问题定义与数据获取	数据分析项目流程	问题界定；问题拆分；指标确定；数据收集；报告方案；趋势预测；数据分析；趋势预测；报告方案
	问题的定义	边界：明确问题的边界；逻辑：确定业务的关键指标和逻辑；定性分析与定量分析
	分析问题的模型	基于经典的模型：5W2H；SWORT；4P管理模型；CATWOE；STAR原则、波士顿5力模型。基于业务的模型：用户画像；销售影响因素；市场变化因素；AARRR流量模型；金定塔思考方法
	数据清洗与处理	数据科学过程；数据清洗定义；数据清洗任务；数据清洗流程；数据清洗环境；数据清洗实例说明；数据标准化；数据格式与编码；数据清洗常用工具；数据清洗基本技术方法；数据抽取；数据转换与加载
	内部数据的获取	产品数据；用户数据；行为数据；订单数据
	外部公开数据	开放网站；政务公开数据；数据科学竞赛；数据交易平台；行业报告；指数平台
	Web网站数据抓取	财经数据抓取；投资数据抓取；房产数据抓取；舆情数据抓取；娱乐数据抓取；新媒体数据抓取
数据查询与提取	SQL基础操作	建库；建表；建约束；创建索引；添加、删除、修改数据
	利用SQL完成数据的预处理	缺失值处理：对缺失数据行进行删除或填充；重复值处理：重复值的判断与删除；异常值处理：清除不必要的空格和异常数据
	利用SQL进行业务数据查询	利用SQL进行简单的业务数据查询；利用SQL完成复杂条件查询；利用多表关联完成复杂业务查询；利用嵌套子查询完成复杂业务数据分析
	高级SQL分析	聚合、分组、排序；函数；行列转换；视图与存储过程
	业务指标统计分析	业务数据表关联查询及查询；结果纵向融合；常业务需求数据宽表构建；查询处理复杂业务
数理统计基础	数据分析的数学基础	计算和连续函数的性质；导数/微分的概念和运算法则；积分的概念和运算法则；幂级数、泰勒级数、傅里叶级数、傅里叶变换；向量的概念和运算；矩阵的转置、乘法、逆矩阵、正交矩阵、SVD奇异值分解、特征值；行列式的计算和性质；凸优化
Python数据分析	基于Numpy库的Python数据科学计算	创建数组；切片索引；数组操作；字符串函数；数学函数；统计函数
Python数据分析	基于Pandas库的Python数据处理与分析	直方图：探索变量的分布规律；条形图：展示数值变量的集中趋势；散点图：表示整体数据的分布规律；箱线图：表示数据分散性，中位数；提琴图：分位数的位置及数据密度；回归图：寻找数据之间的线性关系；热力图：表未数值的大小或者相关性的高低
大数据分析	HIVE大数据查询平台搭建	大数据概述；数据集群； Hadoop 架构；Hive开发环璄搭建
	HIVE与MySQL进行数据交换	从MySQL中导入数据到Hive；从Hive导出数据到MySQL
	HQL海量业务数据需求查询	Hive数仓；HQL 数据查询基础语法
	HQL海量业务数据需求查询	从MySQL中导入数据到Hive；从Hive导出数据到MySQL
	HQL业务数据指标统计分析	分区表；分桶表；关联表；数据查询
	HQL海量数据查询优化	内置函数及开窗函数；特殊类型数组查询方式；HQL 查询语句优化技巧
建模与数据挖掘	数据挖掘与分析算法	描述统计；相关分析；判别分析；方差分析；时间序列分析；主成分分析；信度分析；因子分析；回归分析；对应分析；列联表分析；聚类分析
	数据挖掘工具SPSS	从MySQL中导入数据到Hive；从Hive导出数据到MySQL
	HQL海量业务数据需求查询	课程规划与简介；数据挖掘项目生命周期；简单的统计学基础；用Modeler试手挖掘流程；数据挖掘的知识类型 6、商业分析基础简介；信度分析；因子分析；回归分析；对应分析；列联表分析；聚类分析
	数据挖掘工具SAS	SAS概述：SAS简介与教育版安装；SAS概述：教育版基本使用；SAS编程基础；SAS编程基础-循环；SAS数据集操作1-合并；SAS数据集操作72-排序与对比；SAS数据集操作3-查重与筛选；练习-斐波那契数列；练习-百元百鸡问题
人工智能预测算法	人工智能实战十大预测数据算法	机器学习入门；sk-learn机器学习库；十大预测算法原理与使用场景；算法调用、参数设置；特征选择、特征工程；回归预测模型实战；分类预测试模型实战；聚类模型实战；集成学习；模型优化
可视化商业报告撰写	商业智能与可视化分析实战	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-3：BI可视化关于公司运营情况的相关分析案例-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
	数据可视化报告撰写	数据可视化的概念；数据可视化的意义；数据可视化的对比；数据可视化的分类；数据可视化图表举例；数据可视化应用领域；数据可视化步骤；数据可视化工具梯度；图表呈现流程；数据报告撰写
	实战：O2O电商平台功能优化效果评估及可视化数据分析报告撰写	了解电商业务背景；、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；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；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；根据业务实际背景做舆情分析；将分析结果及建议制成报告进行发布
商业分析项目实战	五大商业项目实战	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商业项目实战02：电商用户行为与营销模型实战商业项目实战03：金融风控模型的构建与分析实战商业项目实战04：展会电话邀约项目数据分析实战商业项目实战05：零售行业数据分析

你可能关心的大数据问题

01

大数据、数据分析和数据挖掘有什么区别？

02

如何提高大数据分析的效果和价值？

03

大数据行业的从业者是从哪获得数据的？

大数据就业方向

数据分析师。数据分析师主要负责对数据进行分析和解释，帮助企业了解客户需求、市场趋势和业务变化等。从事这类职业需要具备较高的数理统计学、计算机科学、商业分析和市场研究等方面的专业知识，同时需要熟练掌握各种数据分析工具和技术。
人工智能工程师。人工智能工程师主要负责利用各种机器学习、深度学习等技术来解决各种实际问题。他们需要熟悉各种机器学习算法和框架，如TensorFlow、Keras、PyTorch等，并能够分析和优化算法的性能和准确度。

好机构，师资说话

童金浩

主讲：数据分析师培训/大数据培训

教学总监，工信部大数据评委，十余年技术开发经验，十余年教学管理经验。擅长.NET、Java、手机移动开发、大前端技术、软件架构及项目管理。曾担任某知名在线教育副总裁及负责逾百人团队的产品研发、线上线下教学管理工作。