京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA LEVEL II Python专题开课倒计时,你从未见过的_用Python玩转数据挖掘!
Python具有简单、易学、免费、开源、可移植、可扩展、可嵌入、面向对象等优点,它的面向对象甚至比java和C++更彻底。 作为一种通用语言,Python几乎可以用在任何领域和场合,角色几乎是无限的,Python开发者的哲学是“用一种方法,最好是只有一种方法来做一件事情”。下面这些公司都在使用Python完成各种各样的任务,国内:豆瓣、搜狐、腾讯、网易、百度、阿里、淘宝、新浪…; 国外:谷歌、NASA、YouTube、Facebook…
一、 课程安排
时间:2016年7月16-17日,23-24日 ,30-31共六天
地点:北京&直播,CDA数据分析研究院
费用:现场班5900元,远程班4400元
授课安排:
(1) 授课方式:面授形式,中文多媒体互动式授课方式
(2) 授课时间:上午9:00-12:00,下午13:30-16:30,16:30-17:00(答疑)
(3) 学习期限:现场与视频结合,长期学习加练习答疑。
二、 授课大纲
|
第一讲 1.1 Python入门,Anaconda安装 1.2 Python数据类型、数据语法、运算符 |
第二讲 2.1 函数、模块、异常与文件处理 2.2 函数与重要Python包 2.3 数据挖掘常用包介绍 |
|
第三讲 3.1 特征变量选择:主成分和因子等 3.2 样本聚类 3.3 案例1:汽车类型聚类与地域购买偏好分析 |
第四讲 4.1 决策树模型 4.2 模型验证+组合算法 4.3 案例2:电信离网用户预警 |
|
第五讲 5.1 最近邻域法(KNN)、MBR、样条曲线 5.2 线性回归与岭回归、可实现的Lasso算法 5.3 案例3:婚恋网站被约会可能性预测 案例4:零售业客户价值预测模型 |
第六讲 6.1 逻辑回归;广义线性模型 6.2 支持向量机 6.3 案例5:新闻内容分类 |
|
第七讲 7.1 文本分析流程概述 7.2 常用字符串函数与正则表达式 7.3 分词与词频统计 7.4 案例6:新闻内容分类 案例7:构造新闻热点词指数 |
第八讲 8.1 社会网络分析 8.2 案例8:电信客户交友圈与流失预警 案例9:电信再入网 |
三、 讲师介绍
王小川,同济大学管理学博士,MATLAB技术论坛管理团队核心成员,证券从业人员。现就职于国内某大型券商研究所,从事量化投资相关工作,并承担了部分高校统计课程教学任务。长期研究机器学习在统计学中的应用,精通MATLAB、Python、SAS、SPSS等统计软件,热衷数据分析和数据挖掘工作,有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》一书。
赵仁乾,北京邮电大学管理科学与工程硕士,现就职于北京电信规划设计院,从事移动、联通集团及各省分公司市场业务财务规划、经济评价及运营咨询。重点研究方向包括离网用户挖掘、市场细分与精准营销、移动网络价值区域分析、潜在价值客户挖掘等。
于小洋,中山大学计算机系硕士,百度股市通主要开发人员。原百度大数据研发工程师,现美团数据挖掘工程师。主攻大数据与文本分析。
四、 学员对象
1)各行业数据分析、数据挖掘从业者
2)金融、电信、零售、医学等各行业业务数据分析人员
3)政府事业单位大数据及数据挖掘项目人员
4)数据挖掘岗位就业、提拔涨薪、技能优化等从业人员
5)对数据挖掘感兴趣的各界人员
五、 课程优惠
1. 全日制学生及CDA LEVEL Ⅰ老学员8折优惠(学生证证明文件);
2. 同一单位三人及以上报名9折优惠,五人及以上8折优惠;
3. 论坛其他课程老学员9折优惠.
六、 学员基础要求
1)掌握CDA LEVEL I 大纲要求
2)报名赠送《PYTHON初级视频》,提前观看视频做好预习工作。
七、 关于证书
此证书为CDA等级认证证书中英文双证,此证书为CDA数据分析师证证书,可以作为企业事业单位选拔和聘用专业人才的任职参考依据。)
八、 报名流程
1. 在线填写报名信息
2.给予反馈,确认报名信息
3.网上缴费
4.开课前一周发送电子版课件和教室路线图
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19