数据分析师
嵌入式人工智能培训
职业培训项目
就业发展前景
人才缺口大
岗位需求多
薪资相对较高
入门难度较低
职业寿命长
有机会进大厂
学习资料 · 行业资讯
学习资料
学习资料
精品课程体系
| 数据行业前景、就业生态及岗位方向 | 为学习数据分析的学员理清当前行业发展和就业前景、方向，提供职业发展思路 | ||
| 数据分析入门-逻辑为先 | 思维导图简介与基本使用、学习方法课堂案例，做好零基础入门的准备工作 | ||
| 1.1 数据分析的含义与作用 |
数据分析 - 是什么 - 有什么用 - 怎么用 - 技能要求 |
大数据分析 - 是什么 - 有什么用 - 怎么用 - 技能要求 |
作用 - 现状分析、结果评价 - 问题分析、原因分析 - 成本控制、提高效益 - 挖掘规律、预测方向 |
| 1.2 数据分析的一般流程 |
数据分析流程 - 需求分析 - 数据采集 - 数据预处理 - 数据分析 - 数据可视化 - 数据报告 |
大数据分析流程 - 数据准备 · 数据清洗 - 特征工程 · 特征提取 · 特征选择 - 建模分析 · 模型选择 · 模型训练 · 模型评测 · 模型评测 - 数据可视化 - 数据报告 |
|
| 1.3 数据分析的技能树 |
硬技能 - 理论基础 - 分析工具 - 可视化工具 |
软技能 - 业务知识 - 分析思维 - 沟通与汇报能力 |
|
| 2.1 数据分类 | 学习数据的分类方式和高效处理 | ||
| 2.2 数据分析方法概述 |
定量分析方法 - 描述性分析方法 - 集中趋势 - 离散程度 - 分布形态 - 其它相关描述 - 推断性分析方法 - 探索性分析方法 - 相关分析 - 回归分析 - 时间序列分析 |
定性分析模型 - 战略竞争 - SWOT - PEST - 波特五力模型 - 波士顿矩阵 - 营销推广 - 4P(4C、4I、4R) - APIL - FAST - 漏斗分析方法 - 用户运营 - AARRR - RFM - 用户画像 - 店铺运营 - 人货场 - GROW |
常用分析方法 - 5W2H - A/B测试 - 对比分析 - 多维度拆解分析（辛普森悖论） - 假设检验分析方法 - 鱼骨图分析 - 逻辑树分析（费米问题） - 群组分析方法 - 相关分析方法 |
| 2.3 常用指标与指标体系 |
用户指标 行为指标 产品指标 |
搭建指标体系模型 | |
| 2.4 搭建指标体系实训 | 案例解析:抖音指标体系搭建 | 实战项目:电商自媒体数据分析 | 实训作业：如何搭建指标体系利用指标衡量业务？ |
| 3.1 数据采集 |
数据采集方法 - 日常业务积累 - 埋点 - 爬虫 - 问卷调查 - 相关网站下载 |
采掘采集要求 - 多维度 - 长跨度 |
数据采集原则 - 准确性 - 时效性 - 大量性 - 多维度 - 合法性 |
| 3.2 数据采集实训 | 案例分析：天猫双 11 美妆行业整体销售数据的抓取与采集 | 实战项目:boss直聘网站数据抓取与采集 | 实训作业：如何利用常见数据采集方法，进行互联网岗位招聘数据的采集与分析？ |
| 4.1 数据预处理概述 | 学习数据预处理的定义及实用意义 | ||
| 4.2 数据预处理简单操作及实操 |
4.2.1 数据输入 4.2.2 数据验证 4.2.3 格式设置 4.2.4 排序 4.2.5 筛选 4.2.6 单元格引用 4.2.7 数组公式 |
数据处理任务 数据处理流程 数据处理环境 数据标准化 数据处理常用工具 |
数据预处理是数据分析的重要环节，也是数据分析相关岗位的核心技能之一 |
| 4.3 数据预处理基本应用及实操 |
4.3.1 常用函数 4.3.2 逻辑函数 4.3.3 数学函数 4.3.4 分类汇总 4.3.5 合并计算 4.3.6 文本函数 4.3.7 时间函数 4.3.8 查询函数 |
||
| 4.4 数据预处理实训 | 案例分析：链家网数据的抓取与数据处理 | 实战项目:使用函数处理房地产行业的不规则数据 | 实训作业：工作中遇到的不规则数据如何进行高效处理？ |
| 5.1 数据可视化的含义和作用 | 学习数据可视化的定义、作用价值 | ||
| 5.2 可视化图表及应用场景 | 了解各行业常见的可视化图表 | ||
| 5.3 数据可视化的关键原则 | 学习遵守数据可视化原则及流程要求 | ||
| 5.4 数据可视化工具及应用 | 学习常见的数据可视化工具及实操应用 | ||
| 5.5 数据可视化图表制作 |
5.5.1 绘制各种柱形图 5.5.2 绘制各种条形图 5.5.3 绘制折线图 5.5.4 绘制面积图 5.5.5 绘制各种饼图 5.5.6 绘制矩形树图 5.5.7 绘制散点图 5.5.8 绘制气泡图 5.5.9 绘制雷达图 5.5.10 绘制漏斗图 5.5.11 绘制瀑布图 5.5.12 绘制箱线图 5.5.13 绘制双轴图 5.5.14 数据透视图表和切片器 5.5.15 Flourish绘制条形竞赛图 5.5.16 WordArt、微词云等绘制词云图 |
利用图表完成数据可视化： - 图表元素:图表结构和设计原则 - 图表参数:如何制作商业汇报 - 图表配色神器:如何快速解决配色难题 |
|
| 5.6 数据可视化实训 | 案例分析：拼多多用户行为可视化分析 | 实战项目:教育自动化经营分析可视化大屏 | 实训作业：如何进行数据可视化分析自己所在行业的市场情况？ |
| 主要数据分析方法及案例实训 |
数据分析三步走 - 明确问题 - 分析原因 - 给出结果 |
定量分析方法 | 定性分析模型 |
| 数据可视化报告撰写 | 可视化原则 | 数据报告平台 | 数据可视化工具 |
| 商业智能与可视化分析实战 |
数据分析工具 PowerBI QuickBI BDP |
下载和安装PowerBI | PowerBI在商业可视化和商业智能中的应用 |
| PowerBI动态报表实操 | 案例分析：BI可视化关于公司运营情况的相关分析 | 实战项目:汽车市场客户数据分析实战 | 实训作业：如何使用 BI 工具制作自动化报表监控企业关键指标？ |
| 数据建模与数据仓库基础 | 数据建模的工具与操作方法 |
数据仓库 - 实时数仓 - 实时离线一体化数仓 |
|
| SQL基础操作 |
数据分析流程 建库 建表 建约束 创建索引 添加、删除、修改数据 |
||
| 利用SQL完成数据的预处理 |
缺失值处理：对缺失数据行进行删除或填充 重复值处理：重复值的判断与删除 异常值处理：清除不必要的空格和极端、异常数据 |
||
| 利用SQL进行业务数据查询 |
利用SQL进行简单的业务数据查询： - 查询数据:工作里如何取数 - 运算符:如何指定复杂查询条件 |
利用SQL完成复杂条件查询 |
利用多表关联完成复杂业务查询 利用嵌套子查询完成复杂业务数据分析 |
| 高级SQL分析 |
聚合、分组、排序 函数 行列切换 视图与存储过程 |
||
| 业务指标统计分析 |
业务数据表关联查询及查询 结果纵向融合 ⽇常业务需求数据宽表构建 应⽤⼦查询处理复杂业务 |
SQL经典业务问题 - 排名问题:如何实现分组排名 - topN问题:用户喜好分析 - 复购分析:电商复购用户数 - 累计问题:疫情累计病例 |
|
| 综合数据项目实训 | 案例分析：电商网站流量指标SQL数据分析 | 实战项目:利用SQL进行某零售公司销售业务分析 | 实训作业：如何用SQL找出从没有购买过商品的新顾客？ |
| 数据分析的Python语言基础 |
职场人为什么要学习Python python介绍和安装 |
python课程的目的 使用JupyterLab python数据类型 元组、列表、字典 python分支结构 python数据类型 python字符串处理+随机函数 python循环结构 python面向过程函数操作 python面向对象 |
|
| Python数据分析 |
Python文件操作函数:提升工作效率 Python自动化办公:使速合并多个Excel 数据的读取和输出 数据的高级查询以及映射函数 数据的分组聚合以及重塑透视 数据的合并连接与对比 时序数据的窗口函数以及分析 Python多层索引的操作 Python数据清洗:缺失,异常 ,重复数据的处理 Python数据类型转换 : 时间类型, 文本类型 |
数据分析项目流程 - 问题界定 - 问题拆分 - 指标确定 - 数据收集 - 报告方案 - 趋势预测 - 数据分析 - 趋势预测 - 报告方案 |
|
| Python数据可视化 |
可视化基础:数据可视化元素 可视化技术:matplotlib和seaborn 相关关系:散点图、热力图、回归分析 |
可视化图表 - 直方图：探索变量的分布规律 - 条形图：展示数值变量的集中趋势 - 散点图：表示整体数据的分布规律 - 箱线图：表示数据分散性，极值，中位数 - 提琴图：分位数的位置及数据密度 - 回归图：寻找数据之间的线性关系 - 热力图：表未数值的大小或者相关性的高低 |
|
| Python数据可视化项目实训 | 案例分析：淘宝天猫家居用品的全国销售情况可视化分析 | 实战项目:500强企业金融证券分析 | 实训作业：如何用Python进行企业数据可视化？ |
| Python网络爬虫 |
网络爬虫的定义 爬虫的基本原理 常见的爬虫分类等 基于URL的IP地址，广度以及深度搜索策略的初级内容 |
http的基本原理、网页组成和结构的进阶内容 爬虫的实际应用，包括学习爬虫的基本流程，数据类型解析以及爬虫攻防入门等进阶内容 | 通过定时定向采集互联网的相关数据，通过一系列的技术存储，通过数据清洗以及数据分析后，用以辅助企业做决策判断 |
| Python数据分析实战 | 案例分析：Python自动化办公案例之批量合并多个工作表 | 实战项目：医疗行业Python数据分析 | 实训作业：如何用Python高效处理不规则数据？ |
| 结业项目 | 商业项目综合实战 | 商业项目实战01：电 商数据定性分析模型- SWOT及4P模型分析 | 商业项目实战02：电 商用户行为与营销模 型实战 | 商业项目实战03：金融 风控企业模型的构建与 数据分析实战 |
| 拓展1 | 大数据分析概述 | 什么是大数据分析？ | 学习海量数据业务框架、掌握复杂业 务环境下的业务数据整理、数据抽取 能力。对复杂业务和海量数据做合理 数据分层提高数据应用效率 | |
| 拓展2 | Python机器学习 | Python机器学习入门 KNN算法原理及应用、Kmeans算法 原理及应用、决策树分类、回归算法 原理及应用 | Python机器学习进阶 线性回归、岭回归、Lasso、逻辑回 归、朴素贝叶斯、随机森林、 XGBoost、AdaBoost、协同过滤、 关联规则等算法原理及应用 | |
| 拓展3 | SPSS | SPSS数据挖掘工具安装、配置与环璄测试 | ||
| 拓展4 | 就业指导 + 简历指导 | 如何制作一份优秀的简历 如何熟练应对大厂数据分析岗位的笔 试题 如何选择适合自己的offer | 1V1面试技巧指导与简历修改 - 具备大厂模拟面试通关能力 - 具备大厂青睐的项目撰写和项目答 辩能力 | |
课程内容
C语言开发环境及程序结构、运算符、数据结构与算法、Linux C语言开发、Linux操作系统使用及C高级编程课程内容
IO文件操作系统、并发程序设计、网络编程及实战、数据库开发、Linux应用综合开发课程内容
Linux开发环境搭建与配置、多进程、多线程、socket编程、TCP并发服务器编程、Linux工程管理、python核心编程课程内容
C++开发、Qt嵌入式图形开发、Qt语音控制智能家居项目、物联网ARM开发、NB-IoT开发及实战课程内容:项目开发流程、项目文档整理、需求分析
实战项目：嵌入式Linux智能云家居管理系统、智能机械手臂、物联网车载导航系统、嵌入式AI机器人系统、嵌入式AI工业分拣系统课程内容
行业前景分析、行业选择方法、简历指导、岗位选择指导、职业发展规划
项目实战案例
高品质培训 · 高标准重实用
打造多维度品质保障服务
课程衔接就业 提供定制化就业指导
热门体验课+学习资料免费送!
行业咨询
