合肥大數(shù)匠大數(shù)據(jù)分析培訓(xùn)班

1.課程簡介

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，精通聚類、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)庫基本操作，精通數(shù)據(jù)可視化，例如箱線圖、動態(tài)圖等，學(xué)會簡單的Python網(wǎng)絡(luò)數(shù)據(jù)爬取，了解各類數(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。

3.適合人群

無論你是想成為一名全職開發(fā)人員，還是在從事運(yùn)營或業(yè)務(wù)崗位，數(shù)據(jù)分析都是你所需要的關(guān)鍵技能。任何沒有背景或只有基礎(chǔ)知識的人都非常適合這門課程，因?yàn)槲覀儗淖罨镜?span style="margin-right: auto; margin-left: auto; box-sizing: border-box;">Excel高級技能開始，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開發(fā)（選修）

章節(jié)3：Power BI學(xué)習(xí)

章節(jié)4：數(shù)據(jù)存儲之MySQL

章節(jié)5：Python數(shù)據(jù)科學(xué)

章節(jié)6：自然語言處理（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語言數(shù)據(jù)挖掘（選修）

章節(jié)10：echarts（選修）

章節(jié)11：可視化開發(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

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)離線分析平臺（選修）

章節(jié)17：大數(shù)據(jù)數(shù)據(jù)倉庫-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)營分析。分析該零售品牌營業(yè)額下滑的重要原因，學(xué)會如何整理規(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)、購物車分析法、維恩圖等技能，分析商品是否可以組合營銷。

項(xiàng)目三：電信客戶流失分析。應(yīng)??元logistic回歸模型，建模預(yù)測流失?戶特征畫像，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、決策樹模型，建?評分卡預(yù)測新所屬放款類型，根據(jù)借貸客戶實(shí)際違約情況，對模型深入優(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)測房價(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，獲取指定品類的商家信息等關(guān)鍵信息，并利?這些數(shù)據(jù)來做餐廳選址參考。

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：某餐飲公眾號運(yùn)營分析。獲取該公眾號的所有?章標(biāo)題，通過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?，并對詞進(jìn)?“情感分析”。