課程大綱

Excel 商業(yè)數據分析入門

Python 語言入門

Python 語言進階

Python 語言應用

數據庫和 SQL

數據分析思維和商業(yè)智能工具

統(tǒng)計思維及其應用

機器學習算法

數據倉庫和大數據挖掘

大模型應用和AI 智能體開發(fā)

就業(yè)指導和模擬面試

數據分析概述

數據分析發(fā)展史

數據分析對現代企業(yè)的重要性

數據分析在各行各業(yè)的應用

數據分析師的日常工作

數據分析師的職業(yè)規(guī)劃

數據分析師招聘需求解讀

安裝和認識 Excel

Excel 快速上手

數據的輸入、填充和格式化

定位條件和查找替換

數據篩選和高級篩選

條件格式和排序工具

數據的合并和拆分

區(qū)域和表格的相互轉換

表格功能的使用

選擇性粘貼

文檔安全性相關設置

Excel 常用快捷鍵詳解

函數和公式計算

單元格的引用

鎖定行和列

實現跨表引用

數學函數的使用

統(tǒng)計函數的使用

文本函數的使用

日期函數的使用

邏輯函數的使用

查找與引用函數的使用

透視表和商業(yè)數據看板

透視表的本質和應用場景

插入和定制透視表

常用統(tǒng)計圖表及其應用場景介紹

基本圖表的應用

高階圖表的應用

迷你圖的應用

添加和定制切片器

Excel 項目實戰(zhàn)

實戰(zhàn) 1：商業(yè)數據分析看板項目

實戰(zhàn) 2：數據分析日報制作

Python 環(huán)境安裝和語言基礎

Python 語言概述

Python 開發(fā)環(huán)境的安裝（3.8+）

PyCharm 的安裝和使用

認識計算機和程序

注釋的使用

定義和使用變量

變量的命名規(guī)范

標識符和關鍵字

常用數據類型

數據類型的轉換

輸入和輸出函數

常用運算符介紹

運算符的優(yōu)先級和結合性

表達式和分支結構

使用變量和運算符構造表達式

通過構造表達式解決問題

分支結構的應用場景

使用 if、elif、else 構造分支結構

嵌套的分支結構

使用 match、case 構造分支結構

循環(huán)結構

循環(huán)結構的應用場景

for 循環(huán)和 range 函數

用 while 構造循環(huán)

for 循環(huán)和 while 循環(huán)應用場景區(qū)分

break 和 continue 關鍵字的使用

嵌套的循環(huán)結構

分支和循環(huán)結構的應用

經典編程練習

在線編程刷題

窮舉法（暴力破解法）的應用

綜合案例：CRAPS 賭博游戲

字符串的應用

字符串的定義

Pythong 中字符串的表示方式

轉義字符和原始字符串

字符串長度獲取

字符串相關的運算

字符串的常用方法

格式化字符串

不變字符串和可變字符串（StringIO）

字符集和字符編碼（編碼黑洞和亂碼問題）

正則表達式簡介

列表的應用

容器型數據類型的應用場景

列表的定義

len 函數和列表元素個數

列表相關的運算

列表元素的循環(huán)遍歷

列表元素的添加和刪除

列表的常用方法

列表的淺拷貝和深拷貝問題

創(chuàng)建列表的生成式（推導式）語法

列表應用舉例

元組和集合的應用

元組的定義和使用

元組和列表的區(qū)別

元組的應用場景（打包解包、變量值交換）

集合類型的特點

集合的定義

集合和列表的區(qū)別

集合相關的運算

集合的常用方法

字典的應用

字典類型的應用場景

字典的定義

字典對鍵和值的要求

字典的索引運算和循環(huán)遍歷

字典的常用方法

字典應用舉例

函數使用入門

為什么要使用函數

函數的定義和調用

函數的參數（自變量）和返回值（因變量）

函數參數的默認值

可變參數和關鍵字參數

函數的嵌套

Python 中的作用域（LEGB）

global 和 nonlocal 關鍵字的用法

包和模塊

Python 常用內置函數

命名沖突問題

包和模塊的概念

import 和 from 關鍵字的用法

包和模塊的別名

_init__.py 文件的作用

Python 標準庫中的常用模塊

如何獲取第三方模塊

安裝和使用第三方模塊（pip 命令詳解）

函數高級用法

一等函數的概念

高階函數的概念和使用

Python 內置函數中的高階函數

Lambda 函數的應用

裝飾器的概念

創(chuàng)建和裝飾器函數

函數的遞歸調用

遞歸函數的優(yōu)化

面向對象編程概述

面向對象編程思想

面向對象的應用場景

面向對象的核心概念（類和對象）

定義類（數據抽象和行為抽象）

創(chuàng)建對象（構造器函數）

給對象發(fā)消息（調用對象方法）

類方法和靜態(tài)方法

dir 函數的使用

面向對象編程進階

常用的魔法方法

運算符重載

繼承的概念

方法重寫和多態(tài)

多重繼承和 MRO 問題

Python 辦公自動化

Python 文件讀寫

異常處理機制

Python 讀寫 Excel 文件

Excel 公式計算和圖表生成

Python 生成 Word 文檔

Python 處理 PDF 文件

用 Python 處理數據

數據的保存方式

JSON 格式

從 API 接口中獲取數據

數據的描述性統(tǒng)計信息

statistics 模塊的應用

數據可視化

pyecharts 庫的使用

關系數據庫概述和MySQL 數據庫

數據庫的作用和分類

關系型數據庫的特點

關系型數據庫產品介紹

MySQL 的安裝和配置

MySQL 的命令行和 GUI 客戶端

SQL（結構化查詢語言）簡介

創(chuàng)建數據庫和二維表

MySQL 數據類型詳解

主鍵約束、默認值約束和非空約束

表關系和 CRUD 操作

表關系和實體關系圖（ER 圖）

多對一關系的建立和外鍵約束

一對一關系的建立和唯一性約束

多對多關系的建立和中間表

使用 insert 插入數據

使用 delete 刪除數據

使用 update 修改數據

使用 select 實現簡單查

SQL 數據查詢詳解

投影、別名和運算

數據篩選和空值處理（where 子句）

模糊查詢和通配符的使用

去重操作（distinct）

排序（order by 子句）

限制查詢數量（limit 子句）

函數的使用

分組和聚合函數（group by 子句）

分組后的數據篩選（having 子句）

嵌套查詢（子查詢）

笛卡爾積、內連接和自然連接

左外連接、右外連接和全外連接

窗口函數及其應用

窗口函數語法概述

使用窗口函數解決排名問題

使用窗口函數解決 TopN 查詢問題

使用窗口函數解決同比環(huán)比問題

SQL 查詢面試題深度解析

JSON 類型和用戶標簽查詢

數據庫其他相關知識

Python 程序接入數據庫概述

三方庫 mysqlclient 和 pymysql 介紹

創(chuàng)建數據庫連接對象（Connection）

創(chuàng)建和使用游標對象（Cursor）

獲取查詢結果的三種方式

使用批處理插入數據

生成和解讀 SQL 執(zhí)行計劃

索引的創(chuàng)建和底層數據結構（B+ 樹）

前綴索引、復合索引、覆蓋索引

使用 DQL 授予和召回權限

視圖的概念和應用場景

函數和存儲過程的應用

指標和指標體系

互聯(lián)網行業(yè)認知

互聯(lián)網產品的定義和商業(yè)模式認知

互聯(lián)網營收通用公式拆解

互聯(lián)網產品和用戶的生命周期

指標的概念和常用業(yè)務指標

北極星指標和伴隨指標

指標體系的概念和作用

如何為企業(yè)搭建指標體系

數據規(guī)劃的 OSM 模型和 UJM 模型

數據分析方法論和模型

使用對比法發(fā)現問題

通過拆解法縮小問題范圍

通過漏斗法定位問題環(huán)節(jié)

通過相關分析找尋業(yè)務抓手

通過象限分析進行分群

RFM 模型用戶價值分群

AIPL 模型和運營三件套

AARRR 模型和 RARRA 模型

Power BI 入門

Excel 中的 Power Query 插件介紹

從 Excel 升級到 Power BI 的理由

Power BI Desktop 的安裝

Power BI 的組成部分

Power BI 的官方網站和幫助功能

Power BI 功能初體驗

輸入和連接數據

Power BI 數據清洗和建模

Power Query 編輯器的使用

更改數據類型

處理重復值和異常值

數據的排序和篩選

刪除行和列

列的合并和拆分

添加自定義列

合并和追加表數據

表關系的編輯和刪除

Power BI 數據可視化和報表制作

DAX 的概念和語法

常用 DAX 函數

度量值和計算列

常用視覺對象的介紹

調整視覺對象的外觀

從市場加載更多視覺對象

Power BI 編輯交互和工具提示

數據的鉆取

切片器的應用

動態(tài)數據單位和指標切換

Power BI 報表設計

認識和使用Tableau

Tableau 簡介

Tableau Desktop 的安裝和功能區(qū)介紹

Tableau 連接數據源

數據類型和運算符

表關系、表連接和數據合并

創(chuàng)建和使用工作表

可視化圖表的應用

深入探索 Tableau

分層結構和數據鉆取

數據分箱和數據桶

計算字段、函數和參數

組、集和篩選器

高級可視化圖表的應用

參考線和參考區(qū)間

相關分析和回歸模型

時間序列分析

LOD 表達式的應用場景

Tableau 項目實戰(zhàn)

項目背景和數據介紹

使用 Tableau Prep Builder 實現數據清洗

數據的加載和建模

制作指標概覽視圖

制作細分數據統(tǒng)計圖表

儀表板的創(chuàng)建和使用

故事的創(chuàng)建和使用

Tableau Server 介紹

使用 Tableau Public 發(fā)布工作簿

Python 數據分析工具介紹

Jupyter 的安裝和啟動

新建和使用 Notebook

編寫和運行代碼

Markdown 筆記和查看文檔

常用快捷鍵和魔法指令介紹

安裝和配置插件

執(zhí)行系統(tǒng)命令的方法

安裝數據分析相關三方庫

NumPy、Pandas 和 Matplotlib 初體驗

使用 NumPy 實現批量數據處理

創(chuàng)建 ndarray 對象

ndarray 對象的屬性

ndarray 對象的索引和切片

ndarray 對象的方法

ndarray 對象和標量的運算

兩個 ndarray 對象的運算

廣播機制

NumPy 中操作數組的函數

pandas 數據分析入門

pandas 三種核心數據類型

讀取 CSV 和 Excel 文件創(chuàng)建 DataFrame

從數據庫二維表讀取數據創(chuàng)建 DataFrame

DataFrame 對象的屬性

DataFrame 對象的常用方法

操作 DataFrame 對象的行和列

操作 DataFrame 對象的單元格

DataFrame 對象的數據篩選

DataFrame 對象的數據拼接和合并

數據清洗的概念

DataFrame 處理缺失值、異常值和重復值

DataFrame 對象數據的變形和預處理

生成虛擬變量

數據的分箱（離散化）

pandas 數據分析進階

DataFrame 對象的數據排序和頭部值獲取

DataFrame 對象的數據分組聚合操作

生成透視表和交叉表

基于 DataFrame 對象繪制統(tǒng)計圖表

DataFrame 對象的數據抽樣

DataFrame 對象的窗口計算

計算協(xié)方差和相關系數

Index 類型及其子類型概述

時間序列和 DatatimeIndex 對象的常用方法

matplotlib 統(tǒng)計圖表繪制

Matplotlib 概述

Matplotlib 的配置參數

創(chuàng)建畫布

定制坐標系

折線圖和面積圖

散點圖和氣泡圖

柱狀圖和堆疊柱狀圖

餅圖和環(huán)狀餅圖

箱線圖和小提琴圖

雷達圖和玫瑰圖

概率論概述

概率論和統(tǒng)計學概述

統(tǒng)計思維對數據分析師的重要性

數據和數據的分類

獲取數據的描述性統(tǒng)計信息

探索數據的分布

隨機事件、樣本空間和隨機試驗

概率的定義

復合事件和條件概率

隨機變量的概念

期望和方差

離散型隨機變量及其分布

中心極限定理和假設檢驗

正態(tài)分布

數據獲取和抽樣

常用統(tǒng)計量

基于正態(tài)分布的三大分布

抽樣均值分布

中心極限定理

假設檢驗的基本原理

z檢驗、t檢驗和卡方檢驗

區(qū)間估計和方差分析

參數估計的方法

點估計的實施方法

區(qū)間估計的原理

應用區(qū)間估計解決實際問題

樣本容量的確定

區(qū)間估計和假設檢驗的聯(lián)系

方差分析的基本思路

方差分析的實施細節(jié)

相關性和回歸分析

變量關系的確定

相關關系和相關系數

一元線性回歸和最小二乘法

回歸模型的驗證

啞變量回歸

多元線性回歸

消除多重共線性

嶺回歸和邏輯回歸

時間序列分析

時間序列的基本定義

平穩(wěn)時間序列

自回歸模型

移動平均模型

自相關移動平均模型

ARIMA 模型

時間序列分析案例講解

機器學習概述和kNN 算法

機器學習概述

機器學習算法的分類

機器學習的工作流程

kNN 算法原理

距離的度量

數據集介紹和數據的劃分

kNN 分類模型的構建

kNN 分類模型的優(yōu)化

分類模型的評估標準

決策樹和隨機森林算法

決策樹算法概述

特征選擇依據

決策樹的分裂和剪枝

決策樹應用實戰(zhàn)

決策樹模型超參數調優(yōu)

隨機森林算法

隨機森林的優(yōu)缺點

隨機森林超參數調優(yōu)

回歸算法

回歸模型的分類

線性回歸算法原理和數學推導

線性回歸代碼實現

回歸模型評價標準

多重共線性的危害、檢驗和避免

Ridge 回歸和 Lasso 回歸原理及應用

梯度下降算法和極大似然估計

損失函數構造及最優(yōu)化

回歸模型的超參數調優(yōu)

多項式回歸

邏輯回歸的算法原理

邏輯斯蒂回歸的應用及優(yōu)化

聚類算法

無監(jiān)督學習算法介紹

聚類算法的應用場景

K-Means 聚類原理

簇的概念和質心的尋找

K-Means 算法的代碼實現

K-Means 算法優(yōu)缺點和擴展優(yōu)化

最佳 K 值選擇和手肘法

支持向量機

SVM 算法原理和數學推導

最大幾何間隔和拉格朗日乘子法

線性核函數的應用及優(yōu)化

線性核函數的斜率和截距

高斯核函數應用及優(yōu)化

SVC 分類算法應用及調參

SVR 回歸算法應用及調參

軟間隔與硬間隔

集成學習算法

集成學習概述

集成學習算法分類

隨機森林和極限樹

AdaBoost 算法

GBDT 梯度提升樹

XGBoost 算法

LightGBM 算法

集成學習算法的應用領域

神經網絡模型

什么是神經網絡

神經網絡與傳統(tǒng)機器學習對比

神經網絡的應用領域

感知機基本結構

激活函數和損失函數

多層神經網絡模型

前向傳播和反向傳播原理

實現一個神經網絡模型

深度神經網絡模型和深度學習

深度學習在計算機視覺中的應用

特征工程

數據挖掘標準流程

特征工程概述

特征選擇方法

主成分分析（PCA）

線性判別分析（LDA）

t 分布隨機鄰域嵌入（t-SNE）

機器學習項目實戰(zhàn)

信用風險評估體系

申請者模型、評級模型、催收模型、欺詐模型

的關系及意義

信用風險評級模型開發(fā)流程

業(yè)務場景定義（觀察窗口、表現窗口）

異常值和空值的處理

探索性數據分析（EDA）

WOE、IV 值意義及特征轉換

特征重要性評估

模型訓練和超參數調優(yōu)

變量選擇

特征重要性評估（RFE）

IV 值檢驗

信用評分轉換和評分卡制作

模型監(jiān)控及拒絕推斷

Linux 系統(tǒng)概述

Linux 操作系統(tǒng)簡介

Linux 的常用發(fā)行版本介紹

常用 SSH 客戶端工具介紹

Linux 系統(tǒng)命令講解

Linux 系統(tǒng)常用工具

Linux 系統(tǒng)軟件和服務的安裝和管理

Vim 和 Shell 腳本編寫

數據倉庫基礎

數據倉庫概述

數據倉庫分層架構

維度建模和關系建模

星型模型和雪花模型

ETL 流程和相關工具

使用 Python+pandas 實現 ETL 流程

增量 ETL 實現方案

數據倉庫的存儲優(yōu)化和安全管理

Hive 實戰(zhàn)

Hadoop 大數據生態(tài)圈概述

安裝和配置 Hive 環(huán)境

配置和初始化 Hive 元數據庫

啟動和驗證 Hive

HiveSQL 語法和數據類型

創(chuàng)建數據庫和表

加載數據到 Hive 表

Hive 查詢操作

分區(qū)表和分桶表

管理表和外部表

Hive 常用內置函數

Hive 性能優(yōu)化

PySpark 大數據分析

Spark 架構與核心組件

RDD、DataFrame、Dataset

Spark 本地環(huán)境和集群環(huán)境

安裝與配置 PySpark

數據讀取和基本操作

數據清洗和轉換

使用 Spark SQL 執(zhí)行復雜任務

PySpark MLlib 的應用

PySpark Streaming 和實時數據處理

數據倉庫項目實戰(zhàn)

項目需求與目標

數據源介紹

企業(yè)級數據倉庫設計

數據加載和準備

使用 Hive 進行數據查詢與分析

Spark SQL 與 Hive 整合

查詢性能優(yōu)化

BI 工具接入和數據可視化

大模型概述和本地化部署

大模型及其發(fā)展史概述

大模型基本原理和架構（Transformer）

大模型的應用領域、優(yōu)勢和挑戰(zhàn)

商業(yè)和開源大模型對比

大模型私有化部署概述

部署大模型的硬件需求

Ollama 介紹

Ollama 安裝和模型導入

Ollama 相關命令介紹

Ollama API 的使用

使用 FastAPI 部署 Ollama 可視化界面

提示詞工程

提示詞的基本概念

提示詞結構與格式

提示詞的上下文設置

如何設計有效的提示詞

基礎 Prompt：Few-shot、Zero-shot、CoT

高級 Prompt：ReAct、ToT、Program-aided

提示詞調優(yōu)工具

設計并優(yōu)化提示詞生成特定內容

大模型開發(fā)工具庫 transformers

transformers 庫是什么

transformers 核心功能模塊

大模型開發(fā)環(huán)境搭建

Hugging Face 數據集

模型訓練基類（Trainer）

訓練參數與超參數配置（TrainingArguments）

模型訓練評估庫（Hugging Face Evaluate）

transformers 預訓練模型

大模型高效微調技術（PEFT）

LangChain 框架入門

LangChain 概述

LangChain 核心模塊

使用 Pipeline

代理（Agents）與工具（Tools）機制介紹

LCEL 的應用

LangChain 調用本地 LLM

RAG 和大模型微調

RAG 的概念與應用場景

向量數據庫概述

通過 LangChain 實現基礎 RAG 流程

結合 Embedding 模型優(yōu)化檢索

高級 RAG 優(yōu)化

RAG+LangChain Agents 結合

RAG 的性能評估與優(yōu)化指標

微調與適配層（PEFT、LoRA）

使用 Hugging Face Trainer 進行 SFT

低秩適配（LoRA）優(yōu)化大模型微調的成本

LangChain 實戰(zhàn)

Agents 的基本原理（LLM+ 計劃 + 記憶 + 工具）

AI 應用架構與系統(tǒng)設計

OpenAI Function 調用

LangChain 工具

ReAct 與 Self-Refine Agent 實現

讓 Agents 具備長期記憶

AI 銷售助理 / 智能客服助手項目實戰(zhàn)

Dify 的部署和應用

Dify 的概念和核心功能

使用 Dify 平臺部署模型

如何可視化構建 AI Agent

數據集管理

Workflow 自動化

結合 LangChain 優(yōu)化 AI Agent 能力

Dify 與其他工具集成

其他智能體開發(fā)框架和工具概述

就業(yè)期的技術和心理準備

數據分析師的硬實力和軟技能

數據挖掘工程師的技能棧

如何成為一個優(yōu)秀的職業(yè)人

就業(yè)期的心理準備和心態(tài)調整

自我介紹話術指導

如何制作一份優(yōu)質的簡歷

數據分析師簡歷要點

數據挖掘工程師簡歷要點

簡歷排版注意事項

簡歷制作常見問題剖析

STAR 法則的應用

如何給簡歷做標注稿

網投簡歷的注意事項和投遞方法

面試流程和注意事項

校招面試流程解析

社招面試流程解析

高頻面試題回答技巧

如何回答開放式問題

如何避開面試中的坑

面試后的總結和復盤

職業(yè)規(guī)劃的相關問題

入職第一周注意事項

免费可以看的无遮挡av无码|国产在线拍揄自揄视频网站|在线无码精品视频播放在|欧美亚洲国产成人精品,国产成人久久77777精品,亚洲欧美视频在线观看,色偷偷色噜噜狠狠网站久久

Python工程師炙手可熱，各地火熱開班

開班準備中提交信息，開班日期我們將在第一時間通知您

通知開班日期

Python應用領域廣泛，受各大企業(yè)青睞

大數據和人工智能紅利期，Python成職場發(fā)展助推器

初學編程選Python，簡單好學有成就

四種不同班型，滿足不同人群需求

從基礎課程到實戰(zhàn)項目，所學即所用

企業(yè)級項目實操，打造真“功夫”

用戶評分自動化處理

業(yè)務功能

掌握能力

淘寶用戶行為數據分析

業(yè)務功能

掌握能力

金融公司風控系統(tǒng)

業(yè)務功能

掌握能力

購物網站用戶畫像

業(yè)務功能

掌握能力

基于電商用戶文本挖掘

業(yè)務功能

掌握能力

目標檢測介紹

業(yè)務功能

掌握能力

（深度學習）圖片風格遷移

業(yè)務功能

掌握能力

千鋒Python課程顛覆升級，聚焦數據分析+AI

專攻數據分析+人工智能

機器學習案例化教學

機器學習案例化教學

立足企業(yè)剛需研發(fā)

面向熱點緊抓痛點

就業(yè)指導助力職場發(fā)展

企業(yè)技術大咖講師團，豐富經驗傾囊相授

領取Python人工智能+數據分析學習視頻

20000余家服務企業(yè)，多種招聘方式組合推進

打造舒適學習環(huán)境，創(chuàng)造良好學習氛圍

關于Python培訓，你需要提前了解這些

Python應用領域廣泛，受各大企業(yè)青睞

初學編程選Python，簡單好學有成就

企業(yè)級項目實操，打造真“功夫”

千鋒Python課程顛覆升級，聚焦數據分析+AI

企業(yè)技術大咖講師團，豐富經驗傾囊相授

20000余家服務企業(yè)，多種招聘方式組合推進

打造舒適學習環(huán)境，創(chuàng)造良好學習氛圍

關于Python培訓，你需要提前了解這些