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

大数据专业课程紧跟着时代热点，更新技术课程，全链路数据开发，包含多个企业项目，无缝对接课程，实践与理论相结合，注重项目的实际操作。课程内容包含数据开发所用的工具及编程语言，贴近企业的人才要求，满足高薪就业的标准。

丰富的教学特色抢先看

01

集中讲授大数据系统技术

着重讲授大数据系统技术，包括大数据系统的组成、数据存储、数据处理、数据分析、数据可视化等方面。

02

实践操作环节充足

课程设置了大量的实践操作环节，帮助学员掌握大数据系统管理、操作技能。

03

专业团队教学

我们聘请了一批经验丰富的大数据系统工程师作为课程讲师，能够为学员提供专业的指导。

大数据的特征

高速。就是通过算法对数据的逻辑处理速度非常快，1秒定律，可从各种类型的数据中快速获得高价值的信息，这一点也是和传统的数据挖掘技术有着本质的不同。并且这些数据是需要及时处理的，因为花费大量资本去存储作用较小的历史数据是非常不划算的。基于这种情况，大数据对处理速度有非常严格的要求，服务器中大量的资源都用于处理和计算数据，很多平台都需要做到实时分析。数据无时无刻不在产生，谁的速度更快，谁就有优势。

长沙博为峰大数据课程

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

大数据需要什么人才？

企业大数据如何起步？

为什么需要大数据技术？

大数据是否存在泡沫呢？

云计算与大数据是什么关系？

大数据分析的常用方法有哪些？

大数据的就业方向

1、数据分析师。数据分析师是大数据行业中常见的职位之一。他们负责收集、整理和分析大量的数据，提供有关市场趋势、用户行为、销售统计等方面的洞察和建议。数据分析师需要熟练运用数据分析工具和编程语言，如SQL、Python和R，以便能够处理和解释大规模数据集。
2、数据工程师。数据工程师主要负责构建和维护数据基础设施，包括数据管道、数据仓库和ETL（抽取、转换和加载）流程。他们需要具备深入的数据库知识和编程技能，并熟悉大数据技术栈，如Hadoop、Spark和NoSQL数据库。数据工程师还需要解决数据质量和性能问题，确保数据的准确性和可靠性。

一起来了解博为峰

关于博为峰

你真正了解多少

博为峰，隶属于上海博为峰软件技术股份有限公司。公司总部位于上海，在北京、深圳、广州、成都、南京、西安、武汉、杭州、重庆、济南、昆山等地均设有分支服务机构。十数年来，博为峰始终坚守教学品质，真诚服务学员。博为峰已帮助很多的应届毕业生和职场新人找到满意工作，实现职业梦想；帮助很多的用人单位轻松招到可用之才，推动企业发展和进步。