TopBDA大数据分析师培训

培训等级

大数据分析师（初级）：培训适合有一定数学、统计学知识的学员，有数据分析相关项目实践经验的更容易通过考试。
大数据分析师（中级）：申请人员适合已具有相关大数据从业经验的学员，培训后将达到独立完成数据处理和复杂数据分析报告主导撰写的能力，或具备基于大数据应用场景规划能力。
大数据分析师（高级）：适合于已具有非常丰富的大数据从业经验的学员，通过更多了解其他行业分析方式、大数据分析在企业管理和高层决策方面价值，培训后可以利用大数据为企业创造更多的价值。

大数据分析师培养体系设计依据包括以下五个方面：

	专业技能	如：数据管理、数据处理、数据展示等
	沟通交流	如：基于数据的内外沟通、数据对业务逻辑的支持等
	职业道德	如：信息安全、数据安全等
	项目管理	如：常规项目管理内容，基于数据的业务管理等
	领导力	如：制定企业级大数据应用基础等

培训内容

　　在此基础上，从大数据分析所需的知识与技能出发，设计针对初级、中级、高级大数据分析师的三级能力素质模型。

一级目录	二级目录	中级	高级
数据分析与大数据发展趋势	数据分析与大数据发展趋势	√	√
大数据分析的常用方法	大数据统计基础	√	√
大数据分析的常用方法	十二种数据分析方法介绍	√	√
大数据分析的操作流程	大数据分析的操作流程	√	√
大数据分析的操作流程	大数据分析实操案例	√	√
大数据分析及可视化常用工具详解	EXCEL数据分析与可视化	√	√
大数据分析及可视化常用工具详解	Power BI数据可视化工具	√	√
大数据分析可视化工具及实操	数据可视化	√	√
大数据分析可视化工具及实操	数据可视化案例	√	√
Python数据分析与可视化编程	Python基本知识	√	√
	Python开发常用工具介绍	√	√
	Python基础：程序的控制结构	√	√
	Python基础：列表与元组	√	√
	Python基础：函数与变量作用域	√	√
	Python基础：文件基本操作	√	√
	Python进阶：类和实例	√	√
	Python进阶：常用库介绍	√	√
	Numpy计算基础：矩阵创建和基本计算方式	√	√
	Numpy计算基础：股票分析	√	√
	Numpy计算基础：股票分析进阶	×	√
	Matplotlib绘图工具：绘图基础	√	√
	Matplotlib绘图工具：绘图进阶	×	√
	Pandas数据治理	√	√
	Python爬虫：基于requests的实现	√	√
	Python爬虫：基于selenium的实现	×	√
	Python综合应用	×	√
	Python数据预处理：数据清洗	√	√
	Python数据预处理：数据转换	√	√
	Python数据预处理：文本处理	×	√
	Python数据预处理：图片处理	×	√
	Python数据预处理：语音处理	×	√
数据建模方法与大数据分析案例详解	了解数据建模	√	√
	分类的基本概念	√	√
	典型的分类问题：垃圾邮件识别	√	√
	典型的分类问题：文本分类	√	√
	典型的分类问题：信用评分	√	√
	典型的分类问题：营销响应预警	×	√
	典型的分类问题：图像识别	×	√
	典型的分类问题：广告点击率预估	×	√
	逻辑回归	√	√
	贝叶斯	√	√
	神经网络	×	√
	决策树	√	√
	支持向量机	√	√
	分类案例：客户满意度评估	√	√
	分类案例：用户流失预警	√	√
	回归的基本概念	√	√
	典型的回归问题：房价预测	√	√
	典型的回归问题：股价预测	√	√
	典型的回归问题：收入预测	×	√
	典型的回归问题：购买金额频次预测	×	√
	典型的回归问题：销量预测	×	√
	回归案例：广告投放与销售量预估	√	√
	聚类的基本概念和评估方法	√	√
	K-Means聚类算法	√	√
	DBSCAN聚类算法	√	√
	AGNES聚类算法	×	√
	EM聚类算法	×	√
	聚类案例：精准广告	√	√
	关联的基本概念和评估方法	√	√
	Apriori算法	√	√
	FP-Growth算法	√	√
	关联案例：个性化推荐	√	√
	深度学习基本概念	×	√
	深度学习的基本模型	×	√
	深度学习案例：图像分类	×	√
	深度学习案例：长期股价预测	×	√
数据标签与用户画像的设计及应用	用户画像基础	√	√
	数据指标体系	√	√
	标签数据开发	√	√
	用户画像应用	√	√
经营分析实操训练	认识经营分析	√	√
	经营管理中常用的业绩评估及考核方法	√	√
	分析数据，形成初步结论	√	√
	经营分析报告的撰写与呈现	√	√
大数据开发技术	大数据简介	√	√
	Hadoop核心技术：HDFS	√	√
	Hadoop核心技术：MapReduce	√	√
	Pig简介	√	√
	HBase简介	√	√
	Hive简介	√	√
	Hadoop的优化与发展	√	√
	YARN简介	√	√
	Spark简介	√	√
大数据相关法律介绍	大数据相关法律介绍	√	√
认证备考指南	考试指南	√	√

培训对象

企业单位		参与企业经营、决策管理、项目投资的职业经理人或高级决策人；参与企业项目运营环节中涉及的包括市场分析、市场研究、生产、研究、评价、销售等各个环节的工作人员
政府事业单位		负责项目审核、审批和招商引资、项目评估、项目决策、政策制订等工作的政府机构领导者及相关从业者
高校、科研机构		学习数学、统计学、经济学、市场营销、财务、投资、金融、企业管理等相关专业的大学生、即将面临找工作或实习的大学生、从事大数据相关专业教学和科研的教师等
金融机构		银行或非银行金融机构、管理咨询公司、风险投资、金融产品研发、信贷等相关工作人员
事务所		数据分析师事务所、会计师事务所、资产评估事务所、税务师事务所及律师事务所等工作人员
其他		任何想要从事大数据分析行业或对大数据分析感兴趣的人员

培训后的能力提升


系统学习知识	提升专业技能	实战得心应手	获得社会认可
通过体系化的培训学习，能够全面掌握大数据分析的知识结构	深入学习各个分析算法，理解各项技术的应用领域和适用范围	经过企业案例深入剖析，学会如何分析工作中需要解决的问题	经历培训并且通过考试，可以获得证书并得到社会的普遍认可

我们培训的优势

技术积累

十多年的数据分析和数据挖掘经验，在通信、金融、保险等多个行业具有丰厚的大数据分析方面的技术积累

应用案例

在过去的几百个商业大数据应用项目中，积累了上千个专题分析案例、系统结合应用的案例和大数据变现场景案例

经验分享

技术结合应用的培训，能够有效的根据学员基础，在较短的时间完成从对数据的识别到数据代表问题的识别能力跨越

海量题库

海量的大数据分析技术与应用题库，提供免费的在线学习、模拟考试等能力提升渠道，有助于学员快速巩固各个知识点并尽快通过考试

考试简介

　　参加大数据分析师能力测评考试的学员，必须首先接受大数据分析师的培训。考试采用随培随考的形式，在培训之后随即进行能力测评考试。

	试卷概况	卷面分数　　中级：100分　　　　　　　　　高级：200分
		考试时长　　中级：120分钟　　　　　　　　　高级：180分钟
		考试题型　　中级：单选+多选+判断+简答　　高级：单选+多选+判断+简答+实操
	通过标准	中级：60分　　　　　　　　　　高级：120分

	咨询电话	关于我们联系我们法律条款
	86-10-6567 7878	©戎易商智（北京）科技有限公司京ICP备12049996号-6