
CDA 數(shù)據(jù)策略分析Level Ⅱ培訓
1章 數(shù)據(jù)庫SQL
1-1數(shù)據(jù)庫基本概念
1-2DDL數(shù)據(jù)定義語言
1-3DML數(shù)據(jù)操作語言
1-4單表查詢
1-5多表查詢
1-6Python連接SQL
2章 Python編程基礎,Numpy
2-1Python標準數(shù)據(jù)類型
2-2控制流語句
2-3自定義函數(shù)
2-4異常和錯誤
2-5類與面向?qū)ο缶幊?br>
2-6Numpy數(shù)組操作
3章 數(shù)學與統(tǒng)計學基礎
3-1線性代數(shù)
3-2微積分
3-3描述性統(tǒng)計
3-4參數(shù)估計
3-5假設檢驗
3-6相關(guān)分析
3-7卡方分析
3-8一元線性回歸理論推導
3-9多元線性回歸理論推導
4章數(shù)據(jù)策略分析
4-1數(shù)據(jù)庫MySQL實戰(zhàn)應用
4-2Python連接SQL數(shù)據(jù)庫
4-3零售電商多表分析案例
4-4分析基礎-數(shù)據(jù)分析的概念、過程、能力
4-5統(tǒng)計分析可視化
4-6企業(yè)經(jīng)營分析-指標體系
5章數(shù)據(jù)策略分析
5-1用Python做數(shù)據(jù)分析,必會的庫Pandas
5-2用Pandas做數(shù)據(jù)清洗與數(shù)據(jù)探索
5-3Python數(shù)據(jù)可視化庫(Matplotlib,Seaborn)
5-4教育行業(yè)分析-學校學科教育可視化案例
5-5統(tǒng)計分析(相關(guān)分析,方差分析)
5-6線性回歸(建立模型和模型檢驗)
5-7識別分析-用戶支出影響因素分析案例
6章數(shù)據(jù)策略分析
6-1邏輯回歸(模型的建立與估計,模型評估)
6-2分類與回歸的結(jié)合
6-3信息壓縮-主成分分析與因子分析(數(shù)據(jù)降維)
6-4用戶流失分析-員工流失預警案例
6-5因子分析-城市發(fā)展水平綜合分析
6-6客群分析-標簽體系與與用戶畫像
6-7AB test-應用廣泛的對比分析方法
6-8應用用戶畫像-美國某企業(yè)用戶畫像實戰(zhàn)案例
7章數(shù)據(jù)策略分析
7-1時間序列分析(ARIMA算法)
7-2帶滯后項的線性回歸
7-3銷售額預測-線上平臺銷售額預測實戰(zhàn)案例
7-4數(shù)據(jù)采集處理方法(數(shù)據(jù)采集,數(shù)據(jù)錄入,數(shù)據(jù)預處理)
7-5數(shù)據(jù)管理(數(shù)據(jù)分類,數(shù)據(jù)建模,數(shù)據(jù)倉庫和ETL)
7-6產(chǎn)品目標人群分析-市場數(shù)據(jù)的應用案例
8章數(shù)據(jù)策略分析
8-1層次聚類
8-2Kmeans聚類
8-3聚類分析評價方法-決策樹應用
8-4用戶分群-零售行業(yè)運營案例
8-5數(shù)字化工作方法
8-6運籌優(yōu)化方法(線性規(guī)劃與二次優(yōu)化,基于業(yè)務流程的優(yōu)化)
8-7數(shù)字化運營綜合案例-某機構(gòu)營銷響應概率預測與風險預測案例
9章數(shù)據(jù)策略分析
9-1數(shù)據(jù)接入(接入策略,調(diào)度工具,實時數(shù)據(jù)接入方法)
9-2大數(shù)據(jù)平臺技術(shù)架構(gòu)與應用(分布式存儲與計算,支持數(shù)據(jù)分析,大數(shù)據(jù)架構(gòu))
9-3數(shù)據(jù)挖掘?qū)д?br>
9-4KNN
9-5貝葉斯
9-6SVM