京东CDA数据分析师总裁班：对于数据分析师来说，缺乏足够的项目经验无疑让个人履历显得平平无奇，泛乏可陈。在人才市场上，具有一线大厂项目经验的数据分析从业者，无疑可以让用人单位另眼相看，重金以待。 为了让包括CDA俱乐部成员在内的数据分析从业者吸取一线互联网公司的项目经验，CDA联合京东云数据科学团队联合推出《京东&CDA数据分析师总裁班》。
熟知数据分析实施流程和方法论
掌握表格数据获取和加工的方法
熟练掌握数据科学领域最受欢迎的编程语言-Python
掌握数据分析体系
掌握用户数据分析框架
掌握EDIT模型在电商用户数据分析场景的使用
掌握AIPL以及4A用户营销分析方法
掌握商品数据分析框架
掌握EDIT模型在商品数据分析场景的使用
掌握销售分析、库存分析、市场分析、促销分析等常用分析诊断方法
掌握商品数据分析常用数据挖掘模型
掌握流量数据分析框架
掌握流量分析的基本工具
掌握流量异常检测方法和常用的流量分析模型
掌握基于Power BI的动态数据可视化报告制作
缺少一线互联网大厂数据分析与数字化决策的项目经验，希望个人履历能添光溢彩者
希望了解一线互联网大厂在数据资产变现思路者
简历无亮点缺乏竞争优势
学习更多前沿项目思路的CDA老学员
01章数据分析基础
1-1电子表格应用工具
1-2数据分析概念
1-3数据结构
1-4数据库应用（My SQL）
02章商业智能企业项目实战
2-1描述性统计分析
2-2商业智能分析工具应用
2-3多维数据透视分析（Power BI）
2-4业务数据分析
2-5业务分析方法
03章Python编程基础
3-1基本操作
3-2基本数据类型与方法
3-3自定义函数
3-4流程控制语句
3-5面向对象编程
3-6文件读取与写入
3-7常用模块
04章Python数据清洗基础
4-1NumPy基本数据结构: Ndarray
4-2DataFrame对象的索引、切片与过滤
4-3DataFrame对象的排序与汇总
4-4DataFrame简单处理缺失值方法
05章Python可视化
5-1Python数据可视化包-Matplotlib介绍
5-2Python数据可视化包-Seaborn介绍与图形绘制
06章机器学习算法
6-1机器学习入门介绍
6-2scikit-learn入门
6-3KNN-最近邻分类算法：原理、实现
6-4决策树算法：原理、实现、相关技术应用及实例
6-5随机森林算法：原理、实现及相关技术应用：以乳腺癌预测为例
6-6K-Means聚类算法：原理、实现及簇选择与矢量化应用
6-7关联规则算法：原理、实现
6-8线性回归
6-9逻辑回归
6-10SVM支持向量机
6-11朴素贝叶斯算法
07章电商数据分析理论
7-1“人货场”理论基础
7-2用户数据分析指标体系与常用方法
7-3商品数据分析指标体系与常用方法
7-4流量数据分析指标体系与常用方法
7-5新媒体电商数据分析
7-6杜邦分析法搭建案例
7-7店铺诊断与复盘方法
08章数字化决策方法与数据行业赋能商业案例
8-1基于消费者行为的资产模型的分析和应用
8-2零售营销资源投放策略分析
8-3用户关注度模型构建及运营
8-4基于用户搜索行为的商品推荐策略
8-5品牌触点分析与营销资源投放策略
8-6行业发展指数的构建与营销策略的配置
8-7金融反欺诈业务指标概述
8-8金融反欺诈预测系统的搭建
8-9探查与问题定位
8-10问题诊断方法
8-11策略优化和指导
8-12构建基于LBS的线下实体运营决策支持
8-13电商数据赋能线下实体行业的应用
09章选修实战项目
9-1使用Python进行离网用户预警案例
9-2基于fbprophet算法的股价预测
9-3基于深度学习的舆情监控系统的搭建
9-4基于Xgboost的消费者购买意向预测
9-5数据科学岗位调研
9-6音乐推荐系统算法的搭建
9-7用电敏感客户分类
9-8基于用户搜索关键词的用户画像
9-9基于决策树的通讯客户满意度分析
9-10基于基站定位数据的商圈分析
9-11基于客户购买行为数据分析的的商业策略优化
9-12医疗数据分析行业应用之糖尿病预测
9-13房价预测案例
