CDA-L1业务数据分析师培训方案
浏览:874次 作者:小编培训背景
「CDA 数据分析师人才行业标准」是一套全方位、多层次、严谨且系统的人才技能规范,它覆盖了全行业的数据分析以及大数据相关岗位。这套标准不仅科学、专业,而且正规、系统,为数据分析师的专业成长提供了明确的指导和方向。
而CDA数据分析师认证考试,则是衡量一个人是否符合「标准化人才」要求的唯一权威途径。这一考试不仅全面检验了考生的理论知识,更重视其实践应用能力和问题解决能力。
CDA考试大纲详细规定了数据分析师认证考试的具体范围、内容和知识点,确保了考试的公正性和公平性。考生可以根据大纲的要求,系统地进行相关知识的学习和技能的提升,从而逐步成长为专业的数据分析师。这一标准化的认证体系,不仅提升了数据分析师的职业素养,也为整个行业的发展提供了坚实的人才保障。
培训对象
产品、运营、营销等业务岗与研发、技术岗在职者、 企业创始人、经理人、管理咨询类岗位从业者等。
培训收益
针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。
1.领会:考生能够领会了解规定的知识点,并能够了解规定知识点的内涵与外延,了解其内容要点和它们之间的区别与联系,并能做出正确的阐述、解释和说明。
2.熟知:考生须掌握知识的要点,并能够正确理解和记忆相关理论方法,能够根据不同要求,做出逻辑严密的解释、说明和阐述。此部分为考试的重点部分。
3.应用:考生须学会将知识点落地实践,并能够结合相关工具进行商业应用,能够根据具体要求,给出问题的具体实施流程和策略。
考试范围
PART 1 数据分析概念与统计学基础 (占比 30%)
a. 数据分析概念、方法论、流程(占比 5%)
b. 描述性统计分析(占比 12%)
c. 推断性统计分析(占比 8%)
d. 方差分析(占比 2%)
e. 一元线性回归分析(占比 3%)
PART 2 SQL 数据库基础 (占比 15%)
a. SQL 及关系型数据库基本概念(占比 1%)
b. SQL 数据类型、运算符、函数(占比 3%)
c. SQL 查询语句(占比 5%)
d. SQL 连接语句(占比 5%)
e. SQL 其它语句(占比 1%)
PART 3 数据采集与处理 (占比 15%)
a. 数据采集方法(占比 5%)
b. 市场调研(占比 2%)
c. 数据预处理方法(占比 8%)
PART 4 数据建模分析 (占比 40%)
a. 主成分分析法(占比 4%)、因子分析法(占比 2%)
b. 系统聚类法(占比 2%)、K-Means 聚类法(占比 3%)
c. 对应分析(占比 2%)、多维尺度分析(占比 2%)
PART 4 多元回归分析法
a. 多元线性回归(占比10%)
b. 逻辑回归(占比10%)
c. 时间序列(占比 5%).
考试形式与试卷结构
考试方式:VUE线上考试,随约随考
考试题型:客观题(单选+多选)
考试时间:120 分钟
考试条件:无要求,皆可报考
考试成绩:分为A、B、C、D 四个层次,A、B、C 为通过考试,D 为不通过.
注:考试未通过者可进行一次补考,补考费用为六折优惠。每个等级科目补考各限一次。
日程安排
章节 | 授课内容 |
PART1 数据分析概念与统计学基础 | 1、数据分析概述 |
2、描述性统计分析 | |
3、抽样估计 | |
4、假设检验 | |
5、方差分析 | |
6、简单线性回归分析 | |
PART 2 SQL数据库基础 | 1、SQL 基础概念 |
2、SQL 查询语句 | |
3、SQL 连接语句 | |
4、其它 SQL 语句 | |
PART 3 数据采集与处理 | 1、数据采集方法 |
PART 4 数据建模分析 总体要求 领会模型基本原理,数值模型操作流程,懂得模型应用场景,能够完成数据建模分析报告。
| 1、描述性数据分析/挖掘方法——主成分分析 |
2、描述性数据分析/挖掘方法——因子分析 | |
3、描述性数据分析/挖掘方法——聚类分析 | |
4、描述性数据分析/挖掘方法——对应分析 | |
5、描述性数据分析/挖掘方法——多维尺度分析 | |
6、预测性数据分析方法——线性回归与模型诊断及优化 | |
7、预测性数据分析方法——构造对二分类变量的预测模型 | |
8、时间序列 | |
推荐学习书目 | 说明:推荐学习书目中,部分书籍结合软件,但考试不会考软件,考生可根据自身需求 选择性学习。参考书目不需全部学完,根据考纲知识点进行针对性学习即可。 |
推荐讲师
刘老师 具备十几年软件研发经验和十年企业培训经验,深入研究Java、Python、区块链等技术领域。在Java方面,他精通J2EE企业级开发技术,包括设计模式、Spring MVC、MyBatis、Spring、StringBoot、WebService和CXF,并对Java源码有深入了解。在Python方面,他掌握核心编程、数据分析、OOP、Mongodb、Django、Scrapy爬虫技术,以及基于Scikit-Learn的机器学习框和Tensorflow深度学习框架,还涉及人脸识别技术。
常老师 北京大学会计学博士,ThoughtWorks中国首席金融数据科学家,18年数据规划、治理及智能算法在金融、电信行业经验。助企业积累数据资产,优化流程,获数字化优势。服务过人民银行、国开行、建行、移动、中行、民生银行等。曾任毕马威大数据总监、中银消费金融数据部高级经理、百度大数据产品经理。兼任北京语言大学金融硕校外导师,中国大数据产业生态联盟专家委员会委员,CDA名誉院长,腾讯云TVP,建行反洗钱和数据资产管理资深外部专家。著有多本金融数据科学著作。
王老师 任某上市软件产品部副总兼大数据总经理,国际信息和数据质量协会会员,ITSS数据治理标准工作组成员。获三项国际认证:CDMP、DGP、IQCP。2010年加入普元,主导大数据产品研发、拓展及团队管理。十年大型企业信息化架构设计与建设经验,曾任中国人民银行核心平台架构师。参与国家开发银行大数据治理、中国人民银行软件开发平台、国家电网云计算平台等项目。对大数据行业有深入研究和丰富经验。
- 标签: CDA课程 业务数据分析 CDA培训 数据分析师 CDA
-
上篇: 没有上一篇了