長(zhǎng)沙大數(shù)匠教育大數(shù)據(jù)分析培訓(xùn)學(xué)費(fèi)
長(zhǎng)沙大數(shù)匠教育大數(shù)據(jù)分析培訓(xùn)學(xué)費(fèi)
1.課程簡(jiǎn)介
根據(jù)嚴(yán)謹(jǐn)?shù)臉I(yè)務(wù)數(shù)據(jù)分析教學(xué)大綱,從數(shù)據(jù)庫(kù)管理,統(tǒng)計(jì)理論方法,數(shù)據(jù)分析主要軟件應(yīng)用,數(shù)據(jù)挖掘算法模型,一整套數(shù)據(jù)分析流程技術(shù)進(jìn)行系統(tǒng)講解。從金融、電商、零售、互聯(lián)網(wǎng)、醫(yī)藥、保險(xiǎn)、房地產(chǎn)等行業(yè)需求出發(fā),結(jié)合在工作中實(shí)際遇到的數(shù)據(jù)分析案例,讓學(xué)員全面掌握商業(yè)數(shù)據(jù)分析的能力。
2.教學(xué)目標(biāo)
熟練掌握Excel、SPSS數(shù)據(jù)分析,Power BI、tableau商業(yè)智能,掌握統(tǒng)計(jì)學(xué)理論知識(shí),精通聚類(lèi)、回歸、因子分析等算法,熟練掌握數(shù)據(jù)清洗,可以完成缺失值填補(bǔ)、異常值處理等,掌握MySQL數(shù)據(jù)庫(kù)基本操作,精通數(shù)據(jù)可視化,例如箱線(xiàn)圖、動(dòng)態(tài)圖等,學(xué)會(huì)簡(jiǎn)單的Python網(wǎng)絡(luò)數(shù)據(jù)爬取,了解各類(lèi)數(shù)據(jù)挖掘算法,掌握數(shù)據(jù)分析在各行業(yè)的應(yīng)用場(chǎng)景,分工完成大型項(xiàng)目,可以獨(dú)立完成數(shù)據(jù)建模,數(shù)據(jù)報(bào)告撰寫(xiě)。
3.適合人群
無(wú)論你是想成為一名全職開(kāi)發(fā)人員,還是在從事運(yùn)營(yíng)或業(yè)務(wù)崗位,數(shù)據(jù)分析都是你所需要的關(guān)鍵技能。任何沒(méi)有背景或只有基礎(chǔ)知識(shí)的人都非常適合這門(mén)課程,因?yàn)槲覀儗淖罨镜?span>Excel高級(jí)技能開(kāi)始,并教你使用相關(guān)數(shù)據(jù)分析工具。
4.授課內(nèi)容
章節(jié)1:Excel數(shù)據(jù)處理
章節(jié)2:基于Excel的SmartBI開(kāi)發(fā)(選修)
章節(jié)3:Power BI學(xué)習(xí)
章節(jié)4:數(shù)據(jù)存儲(chǔ)之MySQL
章節(jié)5:Python數(shù)據(jù)科學(xué)
章節(jié)6:自然語(yǔ)言處理(選修)
章節(jié)7:R數(shù)據(jù)分析(選修)
章節(jié)8:統(tǒng)計(jì)學(xué)基礎(chǔ)
章節(jié)9:R語(yǔ)言數(shù)據(jù)挖掘(選修)
章節(jié)10:echarts(選修)
章節(jié)11:可視化開(kāi)發(fā)框架-D3(選修)
章節(jié)12:SPSS modeler數(shù)據(jù)挖掘
章節(jié)13:數(shù)據(jù)采集和處理-爬蟲(chóng)
章節(jié)14:數(shù)據(jù)采集和處理Kettle
章節(jié)15:數(shù)據(jù)采集處理Informatica
章節(jié)16:大數(shù)據(jù)離線(xiàn)分析平臺(tái)(選修)
章節(jié)17:大數(shù)據(jù)數(shù)據(jù)倉(cāng)庫(kù)-Hive(選修)
章節(jié)18:商業(yè)智能與可視化-Tableau
章節(jié)19:商業(yè)智能與可視化- Matplotlib
章節(jié)20:商業(yè)智能與可視化- Pyecharts
章節(jié)21:機(jī)器學(xué)習(xí)(選修)
5.項(xiàng)目實(shí)戰(zhàn)
項(xiàng)目一:某新零售品牌綜合運(yùn)營(yíng)分析。分析該零售品牌營(yíng)業(yè)額下滑的重要原因,學(xué)會(huì)如何整理規(guī)范的數(shù)據(jù)報(bào)告。
項(xiàng)目二:某商超產(chǎn)品關(guān)聯(lián)分析。應(yīng)用定制表、假設(shè)檢驗(yàn)、購(gòu)物車(chē)分析法、維恩圖等技能,分析商品是否可以組合營(yíng)銷(xiāo)。
項(xiàng)目三:電信客戶(hù)流失分析。應(yīng)??元logistic回歸模型,建模預(yù)測(cè)流失?戶(hù)特征畫(huà)像,以便建?流失預(yù)警模型。
項(xiàng)目四:某?微?融?控模型設(shè)計(jì)。應(yīng)?指標(biāo)、權(quán)重、決策樹(shù)模型,建?評(píng)分卡預(yù)測(cè)新所屬放款類(lèi)型,根據(jù)借貸客戶(hù)實(shí)際違約情況,對(duì)模型深入優(yōu)化。
項(xiàng)目五:某房產(chǎn)連鎖品牌數(shù)據(jù)爬取。應(yīng)? python爬取房產(chǎn)連鎖品牌的官網(wǎng),獲取多個(gè)數(shù)據(jù),利用機(jī)器學(xué)習(xí)模型預(yù)測(cè)房?jī)r(jià)。
項(xiàng)目六:某餐飲?碑網(wǎng)站數(shù)據(jù)爬取。應(yīng)? python 爬?到該餐飲?碑網(wǎng)站中,獲取指定品類(lèi)的商家信息等關(guān)鍵信息,并利?這些數(shù)據(jù)來(lái)做餐廳選址參考。
項(xiàng)目七:某房產(chǎn)連鎖品牌數(shù)據(jù)可視化。綜合應(yīng)? python 各種繪圖功能,結(jié)合條形圖、餅圖、詞云圖、熱?圖、地圖等,對(duì)該房產(chǎn)連鎖品牌的數(shù)據(jù)進(jìn)?可視化展現(xiàn)。
項(xiàng)目八:某餐飲公眾號(hào)運(yùn)營(yíng)分析。獲取該公眾號(hào)的所有?章標(biāo)題,通過(guò)描述性分析觀察每個(gè)詞的頻數(shù)及其分布情況,結(jié)合 Matplotlib 進(jìn)?可視化展?,并對(duì)詞進(jìn)?“情感分析”。
評(píng)論 丨 共0個(gè)