京公网安备 11010802034615号
经营许可证编号:京B2-20210330

来自CDA考试中心的通知!
亲爱的考生:
诚挚地向您通告,我们即将在 2023 年 10 月 31 日实施 CDA 认证考试的重大更新。这是为保持认证考试的内容与实际行业需求、最新技术及其发展同步而进行的必要步骤, 使 CDA 认证更具有前瞻性、实用性以及严谨性。
这次更新将涉及考试大纲的修改以及考试题目的全新设计,新的题目将更加强调对于应用能力的测试,更加注重考查各位考生在实际工作中所能应用的技能。
我们建议所有的考生尽早开始准备新的考试大纲,这将有助于你们在考试中取得更好的成绩。
Level I 考纲主要更新内容如下:
1. 增加趋势分析法的相关内容
2. 增加指标体系的相关内容,主要关注指标的设计和应用
3. 增加数据管理的相关内容,主要关注数据标准和数据质量的管理
4. 降低了数据结构和业务数据分析的考察占比
5. 调高了数据安全和数据立法等内容的考察占比
6. 业务分析方法做了部分更新,并更名为数据分析方法
Level II 考纲主要更新内容如下:
1. 增加数据治理的内容
2. 增加指标体系的内容
3. 调整各部分的得分占比
4. 标签体系与用户画像的内容调整到和教材一致
5. 更新数据分析模型的部分内容
6. 更新统计分析的部分内容
本次更新后,Level II 考试内容将与教材内容一一对应,推荐各位考生以教材为核心复习资料。
Level III 考纲主要更新内容如下:
1. 增加 LightGBM 等集成算法内容
2. 增加 Pipeline 内容
3. 增加随机参数搜索和贝叶斯搜索等调参内容
4. 增加深度学习的优化算法,正则化,自编码器与表示学习等内容
5. 增加 Transformer 架构的内容
6. 增加大语言模型的架构,使用,微调,Agent 等内容
7. 降低了概论,数据处理与特征工程,文本分析,机器学习基础算法等内容的占比
8. 删除了朴素贝叶斯等过时算法,删除了自动机器学习的部分内容
9. 部分文本分析,特征转换,SVM,序列模式等内容的考察要求降为领会
本次 Level III 更新将在2023年10月1日正式实施,新的考纲和新的题目将会同时启用。
请各位考生注意,从那时起参加的所有考试将根据新的大纲进行,并使用新的题目。为了帮助大家适应这次的更新,CDA 将提供一系列的备考资源,包括新考试大纲的详细介绍、新题目类型的模拟题,以及一些实用的学习资源。我们建议所有的考生尽早开始准备新的考试大纲,这将有助于考生在考试中取得更好的成绩。
感谢大家的理解和配合,希望这次的更新能帮助大家更好地提升自己的数据分析技能,并在自己的技术道路上更进一步。
祝各位考试顺利!
通知和新大纲详见:
https://www.cdaglobal.com/article/356.html
为此,CDA北京授权中心准备了一系列直播对此次大纲升级做详细解读,大家可以点击下放预约卡片预约直播,关注视频号获取后续更多更新。
最后,这里再分享一个考试备考过程中人人皆需的模拟题库——CDA考试模拟题库。
题库是紧密结合CDA考试大纲而编写的一套模拟试题库。为顺利通过考试奠定坚实的基础
1、解析详尽:每道题目基本上都配备了详细的解析和答案,帮助你深入理解题目背后的知识点和解题思路。
2、便捷高效:你可以随时随地通过手机或电脑访问题库,进行自主学习和练习,充分利用碎片时间,提高备考效率。
3、模拟考试:题库提供了多套模拟考试试卷,帮助你熟悉考试流程和题型。
点击CDA题库链接,获取免费版CDA题库入口,祝考试顺利,快速拿证!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14