
编辑:Mika
作者:唐一楠 CDA Level Ⅰ 持证人
唐一楠 LEVEL Ⅰ 持证人
大家好,我叫唐一楠,是一名CDA Level Ⅰ 持证人。在这里很高兴跟大家分享一下我的备考心得。
我是数据科学与大数据技术专业的大四学生,就读于中南财经政法大学统计与数学学院。
大四上学期考研失利后,我打算找数据分析相关的工作。我认为如果能拿到CDA的证书的话,可以在求职过程中让我具有有一定的竞争力。
因为我是大四,学校已经没有什么课了,每天有很多空闲时间,大概每天学习两个小时,一直看视频课程,等到所有课程过完之后,就开始做模拟题。大概复习了一个月时间吧。
我看视频课程时,用的是2倍速,很快过一遍,没听懂的地方重复几次,仔细看看。
在学习数据库部分时,跟着课程自己亲手操作下,会对 SQL 语言更加熟悉,有助于我们记忆。等到全部课程听完做模拟题的时候,我是一个单元一个单元的做,盯对过后将知识点添加到课件中,再将整个单元过一遍。
总之,要提高自觉性,课程中没听懂的知识点要主动上网查找理解记录。
感觉备考中遇到的难点就是第六章,关于电子商务业务方面我是第一次接触,很多的专业术语我都没有听过,像雪花模型星座模型这些,都是很难理解的东西。所以对于这方面的知识我会查找一些课外的资料,积极上网去补全自己的知识漏洞。
接下来就是统计学方面的知识,虽然我自己是学统计的,但是这一节还是很有难度,公式和分布都要去理解,还要知道各个检验要用在什么情形中,总之就是要多看一些例子,想清楚它们的区别。
统计与概率论的部分我推荐贾俊平的《统计学》,里面对各种分布,区间分布,假设检验等讲述的都很清楚易懂,对考试有很大帮助。
Level Ⅰ 中的其他板块我并没有看额外的书籍,跟着官网课程中的视频认真学习就好了。
在我看来,获得CDA Level Ⅰ 认证是对自己目前在数据各方面能力的一个肯定,希望今后自己能够在数据分析的路上越走越远,学到更多的知识和技能,提升自己,实现自我价值。
更多考试介绍及备考福利请点击:CDA 认证考试中心官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28