数学中国-数据分析师在线直播课
中国大数据行业发展的如火如荼，作为互联网时代新型的产业，大数据行业其实是互联网和计算机结合的产物，互联网实现了数据的网络化，计算机实现了数据的数字化，两者结合赋予了大数据飞速发展生命力。
截止3月全国已有300所高校开设“数据科学与大数据技术专业”，在未来5—中，我国大数据市场规模年均增速将超过30%。未来5年，国内大数据人才缺口将突破150万。培养大数据专业人才能有效缓解大数据人才供给的缺乏，为大数据领域注入新的动力！
数学中国致力于数学建模、数据分析，一直是把数据分析端人才培养作为我们企业的发展理念。把真正意义上的理论与实际相结合，共同解决现阶段企业中的共性问题，作为我们的奋斗目标。
数据分析师在线直播课，每周周六日上课，一年里让你真正成为企业最需要的人，全程名师在线面对面授课，推荐就业。行业1年从业者平均工资8000+。
学习内容：EXCEL，My SQL，统计学，SPSS，R语言，Python
上课时间：即报即学（时间会略有调整）
联系人：朱老师（QQ，数学中国-意外 874635785）
电话：15326098376（微信同号）
数据分析师就业班在线直播课课程大纲
实际课程会根据课程安排作细节调整
【第一部分】EXCEL数据分析+My SQL数据库管理（10天60课时）
EXCEL基础
EXCEL基本操作
处理重复数据与不完整数据，处理格式错误数据
处理异常值和提取数据，数据转换，数据标准化，加权平均
函数基础
数学函数，文本函数，逻辑函数，查找定位函数，日期函数
统计函数，函数的嵌套使用
基本图表
饼图，折线图，柱形图，条形图，散点图，气泡图，雷达图
面积图，组合图
动态图表
控件基础，基本动态图表方法
数据透视表
数据透视表基础，数据透视图基础，计算规则设定方法
切片器，数据透视表与切片器的组合应用
EXCEL高级
杜邦分析仪制作
杜邦分析仪业务背景介绍及制作方法详解
Power Map
Power Map概述及使用方法，Power Map应用案例
Power View
Power View概述及使用方法，Power View应用案例
Power Query
Power Query概述，Power Query数据导入
Power Query功能介绍，横纵向合并数据，M公式介绍
Power Pivot
Power Pivot概述，数据导入，功能介绍，搭建多维数据集
创建KPI，创建层次结构，Power Pivot使用案例
My SQL基础
数据库简介
My SQL与wordbench的安装与配置，数据库管理系统介绍
数据库管理系统主要功能及类型，My SQL简介
SQL语言
数据定义语言（DDL），数据操作语言（DML）
数据查询语言（DQL）
SELECT查询语句
单表查询，使用集合函数查询，连接查询，子查询
合并查询，使用正则表达式查询，时间函数查询
存储过程
使用存储过程的意义Delimiter语句，调用存储过程
局部变量，用户变量，应用IN参数及OUT参数
流程控制，执行预处理语句
My SQL案例
实际案例讲解和项目实战
综合案例
实际案例讲解和项目实战
【第二部分】统计理论+SPSS数据分析（10天60课时）
统计基础
描述性统计
集中趋势，离散测度
统计量及其抽样分布
统计量，分布，样本均值的分布与中心极限定理
样本比例抽样分布，两个样本均值之差的抽样分布
关于样本方差的分布
参数估计
一个总体参数的区间估计，两个总体参数的区间估计
估计量的求法，样本量的确定
假设检验
假设检验，单样本T检验，配对样本T检验
两个独立样本T检验
分类数据分析
分类数据与卡方统计量，拟合优度检验，列联分析
独立性检验，线性回归，列联分析相关测量
SPSS案例
SPSS基础
综合绩效案例讲解，SPSS软件综合特征，访问数据源
如何理解描述型数据
员工绩效管理
相关分析，方差分析，线性回归，模型构建流程
模型条件与调整
信用行为特征
Y的量化，哑变量变换，卡方分析，模型构建流程
Logistics模型在评分卡制作的应用
降维在消费行为
中的应用
X自变量的筛选，主成分分析的应用，主成分回归
缺省值填补
用户行为画像
行列数据标准化，数据标签与统计量，细分与用户分组
客户细分评价与市场营销
客户价值评分
客户价值理论，RFM指标量化，市场应用
数据离散化与客户价值细分，RFM模型有缺点
购买行为组合与预测
商品或服务的组合问题，消费者的潜在行为与因子关系
回归分析的关系，常用解决类型的市场问题
【第三部分】R基础编程+统计分析（6天36课时）
R数据分析
R基础知识
准备，数据对象，运算，读写
R基本语句结构
及循环
语句结构，创建循环函数
R数据清洗
时间数据清洗
文本对象处理
文本对象处理正则表达式
R画图
基本绘图，图像格式Ggplot2，目前好用的扩展
R统计分析
参数统计，假设检验
【第四部分】R数据挖掘（15天90课时）
R数据挖掘
数据挖掘模型
线性回归，逻辑回归，梯度下降，聚类，关联规则
主成分分析，因子分析，决策树，随机森林，神经网络
贝叶斯，支持向量机
【第五部分】数据分析应用案例及项目实战（10天60课时）
行业案例
行业实际案例讲解和项目实战
【第六部分】数据分析前言技术（15天90课时）
Python基础
Python基础知识
Python语言特点，Python数据类，Python中的运算
Python数据结构，Python控制流语句
Python基础应用
Python异常处理与调试，Python函数调用和定义及函数的参数
Python的类和面向对象编程，Python的文件及模块操作
Python数据清洗
Numpy基础
Numpy的ndarray，数组的索引和切片，数组运算
常用的数组方法
Pandas基础应用
Series数据结构，DataFrame数据结构，基本功能
汇总和计算统计描述，缺失值的处理
Pandas数据规整
数据加载与输出，数据集的合并，数据集的重塑，数据结构
Pandas分组运算
GroupBy技术，数据聚合，分组级运算和转换
透视表和交叉表
Python爬虫
网络爬虫
网络协议的简单介绍，网页数据结构介绍
使用BeautifulSoup4库解析网页，Selenium获取动态网页数据
Python机器人学习
文本挖掘原理和案例
新闻的文本分类
（TF-IDF准则，旅游新闻个性化推荐）
预测分析核心算法
时间序列预测案例分析
机器学习经典算法
垃圾短信或邮件识别与分类
Python概率统计
概率图模型
数据可视化
Python数据可视化的方式
Python金融分析
综合案例分析
算法模型优化
交叉验证（CV）
模型精度评估和提升
机器学习的格点搜索与参数寻优
特征选取的方法
分类预测
最佳K-means分类数
Python图片结构与分析（K-means聚类分析）
不平衡数据处理
分类预测
XGBoost
机器集成学习算法案例
贝叶斯分析
朴素贝叶斯决策
马尔科夫与蒙特卡罗
Python随机模型模拟案例
【第七部分】老师带着做项目（15天30课时）
【第八部分】面试技巧答辩（6天30课时）
