学习目标
熟练掌握数据挖掘全流程的Python实操，包括数据清洗算法、特征工程、数据建模、数据治理、数据可视化等熟练掌握Python数据挖掘算法与实践，包括统计分析、统计模型、机器学习算法、深度学习算法、文本挖掘算法灵活使用数据挖掘算法解决各行业的业务问题，通过策略优化和精准预测来解决运营、产品、营销方面的问题。
培训对象
1
有一定数学或统计、计算机基础与数据分析业务经验，希望脱产学习后转岗到数据挖掘岗者
3
从事算法科学、深度学习等工作的科研人员、分析师与工程师等
4
产品、运营、营销、管理、咨询相关岗位从业者，希望增加数据分析技能与思维
5
参加CDA等级认证考试 LEVELII和 LEVEL Ⅲ 考生
学企业需要的敏捷算法建模能力
数智赋能
人工智能时代，如何用机器来提高生产力？在这里，你可以学到前沿且实用的技术，挖掘数据的魅力。
模板应用
教你用可落地、易操作的数据科学思维和技术模板构建出优秀模型。
工具应用
课程中安排了Sklearn/LightGBM、Tensorflow/PyTorch、Transformer等工具的应用实现，并根据输出的结果分析业务需求，为进行合理、有效的策略优化提供数据支撑。
技术精进
聚焦策略分析技术及企业常用的分类、NLP、深度学习、特征工程等数据算法，只教实用干货，以专精技术能力提升业务效果与效率。
案例实战
课程涉及大量企业项目案例：精准营销预测、营销策略优化、客户行为分析、风险管理、客户管理、智能推荐、情感分析、反欺诈等，加持实战经验，为你进入名企做项目背书
课程大纲
数据库SQL
主要内容
・数据库基本概念 ・DDL ・DML ・单表查询 ・多表查询 ・常用函数
・SQL 大厂面试题
可解决的现实问题
解决从数据库提取目标数据的问题，实现单表和多表查询
可掌握的核心能力
1、掌握 MySQL 数据库基本概念，常用函数、DDL 数据定义语言及 DML 数据操作语言
2、掌握单表查询、多表查询查询方法，查询结果排序、限制查询等方法
Python 编程基础 + Numpy
主要内容
・Numpy 数组 ・Pandas 数表 ・Pandas 数据清洗与可视化 ・控制流 ・类与对象
・自定义函数
可解决的现实问题
解决海量数据处理的技术问题
可掌握的核心能力
掌握使用 Python 进行海量数据清洗以及可视化探索数据的能力。
数学与统计学基础
主要内容
・线性代数 ・微积分 ・描述性统计 ・参数估计 ・假设检验 ・卡方分析
・相关分析 ・一元线性回归
可解决的现实问题
解决实际情况中根据样本对总体特征的推断性统计问题
可掌握的核心能力
1、掌握数学基础知识（线性代数、微积分等）
2、掌握统计学基础知识（描述性统计、参数估计、相关分析、卡方分析、一元线性回归等）
SQL
主要内容
・MySQL 语句 ・Python 连接 SQL 数据库 ・SQL
・实操案例：零售电商多表分析
可解决的现实问题
解决 Python 连接 SQL 数据库的问题
可掌握的核心能力
1、掌握数据库 MySQL 语句与实战
2、Python 连接 SQL 数据库
3、掌握案例：零售电商多表分析
指标体系与统计分析可视化
主要内容
・分析基础 ・指标体系的意义与构建 ・常用指标体系 ・统计分析可视化 ・指标体系
・案例：企业经营分析
可解决的现实问题
解决常用指标体系的构建及统计分析可视化
可掌握的核心能力
1、掌握数据分析基础：数据分析的概念、过程、能力
2、掌握常用指标体系的意义与构建
3、掌握统计分析可视化
4、掌握指标体系案例：企业经营分析
Pandas
主要内容
・Python 基础 ・Python 数据清洗可视化 ・Python 实操
・案例：
・教育行业分析-学校学科教育可视化
・数据分析师岗位需求-lagou 数据处理及分析
可解决的现实问题
使用 Pandas 做数据清洗与数据探索
可掌握的核心能力
1、掌握 Python 基础与数据清洗可视化
2、掌握 Python 实操案例：教育行业分析-学校学科教育可视化
主要内容
・统计分析 ・相关分析 ・方差分析 ・线性回归 ・模型建立 ・模型估计
・模型检验
・实操案例：识别分析-用户支出影响因素分析
可解决的现实问题
灵活使用统计分析解决各行业的业务问题
可掌握的核心能力
1、掌握统计分析，包含相关分析，方差分析等
2、掌握线性回归，包含模型的建立与估计等
3、掌握统计模型的检验
逻辑回归，主成分分析
主要内容
・逻辑回归 ・模型评估 ・分类与回归的结合 ・数据降维 ・主成分分析
・因子分析 ・实操案例： ・用户流失分析-员工流失预警 ・因子分析-城市发展水平综合分析
可解决的现实问题
灵活使用逻辑回归、模型评估等技能，解决行业实际业务文字
可掌握的核心能力
1、掌握逻辑回归，包含模型的建立与估计
2、掌握模型评估、分类与回归的结合
3、掌握信息压缩-主成分分析与因子分析（数据降维）
4、掌握案例：用户流失分析-员工流失预警
5、掌握案例：因子分析-城市发展水平综合分析
标签体系与用户画像
主要内容
・标签体系的设计原理 ・用户标签的制作方法 ・客群分析-标签体系与用户画像 ・AB test
・实操案例： 应用用户画像-美国某企业用户画像实战案例
可解决的现实问题
使用标签体系知识对用户画像进行分析
可掌握的核心能力
1、掌握标签体系的设计原理
2、掌握用户标签的制作方法
3、掌握客群分析-标签体系与用户画像
4、掌握 AB test 应用广泛的对比分析方法
更多培训课程，学习资讯，课程优惠等学校信息，请进入北京国富如荷网站详细了解，免费咨询电话：400-998-6158
