课程简介
学习目标
学习对象和基础
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
希望提升统计分析技术的在职提升者
从事算法科学、统计学习等工作的科研人员、分析师与工程师等
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
参加CDA等级认证考试 LEVELII的考生
| 细分课程 | 周 | 日 | 内容 | 详细内容 |
|
预习课 （录播） |
数据库SQL |
1. 数据库基本概念 2. DDL数据定义语言 3. DML数据操作语言 4. 单表查询 5. 多表查询 6. Python连接SQL |
||
| Python编程 |
1. Python标准数据类型 2. 控制流语句 3. 自定义函数 4. 异常和错误 5. 类与面向对象编程 6. Numpy数组操作 7. 用Python做数据分析，必会的库Pandas 8. 用Pandas做数据清洗与数据探索 9. Python数据可视化库（Matplotlib，Seaborn） |
|||
| 数学与统计学基础 |
1. 线性代数 2. 微积分 3. 描述性统计 4. 参数估计 5. 假设检验 6. 相关分析 7. 卡方分析 8. 一元线性回归理论推导 9. 多元线性回归理论推导 |
|||
|
商业策略分析 (Level 2) |
第1周 | 周六 | SQL |
1. 数据库MySQL语句与实战 2. Python连接SQL数据库 3. SQL使用案例 4. 金融行业多表分析案例 |
| 周日 | 指标体系与数据治理进阶 |
1. 分析基础-数据分析的概念、过程、能力 2. 指标体系的意义与构建 3. 常用指标体系示例 4. 数据治理进阶 5. 淘宝经营分析案例 |
||
| 第2周 | 周六 | Pandas与数据可视化 |
1. Python基础与数据清洗可视化技术回顾 2. Python数据可视化常用方法 3. 交通数据分析 4. 经典数据集：生还率的影响因素 5. 零售行业产品分析 |
|
| 周日 | 方差分析，线性回归 |
1. 方差分析 2. 线性回归（模型的建立与估计） 3. 统计模型的检验 4. 识别分析-用户支出影响因素分析案例 |
||
| 第3周 | 周六 | 逻辑回归，主成分分析 |
1. 逻辑回归（模型的建立与估计） 2. 模型评估 3. 信息压缩-主成分分析与因子分析（数据降维） 4. 成交分析-Talkingviews案例 5. 因子分析-城市发展水平综合分析 |
|
| 周日 | 标签体系与用户画像 |
1. 标签体系的设计原理 2. 用户标签的制作方法 3. 客群分析-标签体系与用户画像 4. 应用用户画像-信用卡持卡用户画像实战案例 |
||
| 第4周 | 周六 | 时间序列 |
1. 时间序列分析（ARIMA算法） 2. Box-Jenkins 建模流程 3. 时间序列回归 4. 销售额预测-线上平台销售额预测实战案例 |
|
| 周日 | 聚类分析，决策树应用 |
1. 层次聚类 2. Kmeans聚类 3. 聚类分析评价方法-决策树应用 4. 用户分群-金融行业运营案例 |
||
| 第5周 | 周六 | 数据采集与处理，特征工程基础 |
1. 数据采集（概率与非概率抽样） 2. 数据处理方法（数据录入，数据清洗，数据编码） 3. 特征工程基础（特征预处理，特征的选择与转换） |
|
| 周日 | 数字化工作方法，最优化方法 |
1. 数字化工作方法 2. 运筹优化方法（线性规划与二次优化，基于业务流程的优化） 3. 数字化运营综合案例-某机构营销响应概率预测与风险预测案例 |
||
| 第6周 | 周六 | ETL数据接入与数据模型管理 |
1. 数据分类 2. 数据建模 3. ETL基本概念与常用工具 4. 基于Python的ETL程序开发 5. ETL实战项目 6. 数据接入策略与调度工具 |
|
|
CDA认证考试辅导 （仅限报名考试的学生） |
Level 2 认证考试辅导 |
CDA Level 2 认证考试辅导 1. 数据基本概念 2. 指标体系 3. 标签体系与用户画像 4. 数据采集与处理 5. 数据模型管理 6. 统计分析 7. 数据分析模型与应用 8. 数字化工作方法与应用 |
