學會數(shù)據(jù)分析職場收益長久，越老越吃香，受其他外部業(yè)務影響相對較小，職位相對穩(wěn)定。
大部分行業(yè)都會應用到數(shù)據(jù)分析，互聯(lián)網(wǎng)銀行、零售、醫(yī)藥業(yè)、制 造業(yè)、交通等等。
01華信智原大數(shù)據(jù)分析專業(yè)體系
運算符與表達式、垃圾回收機制、函數(shù)式編程、類和對象、Git操作
Python內(nèi)存管理、引用計數(shù)、函數(shù)式編程定義、高階函數(shù)、遞歸、學生信息錄入、刪除、修改、成績排序、存儲等功能
網(wǎng)絡爬蟲基礎、Scrapy框架、Linux & 數(shù)據(jù)庫基礎
Mysql高級查詢、單表、多表、子查詢、分頁、聯(lián)表、視圖、函數(shù)、觸發(fā)器、索引、優(yōu)化；pipeline的介logging模塊的使用、構造請求、item的介紹使用、debug信息的認識、scrapy shell、scrapy settings存儲過程、事務
Excel數(shù)據(jù)分析、數(shù)據(jù)分析工具Numpy、數(shù)據(jù)分析工具Pandas、數(shù)據(jù)可視化工具matplotlib
ndarray對象、索引和切片、組合與拆分、數(shù)據(jù)類型、Pandas定義、Pandas功能、Pandas的安裝、Tableau圖表分析、Tableau地圖繪制與 圖像、Tableau高級圖表類型
Scikit-Learn機器學習、深度學習
掌握機器學習常用回歸、分類以及聚類算法原理及API使用；掌握機器學習算法超參數(shù)優(yōu)選方法，并訓練模型；掌握深度學習框架Tensorflow的原理及常用API的使用；掌握神經(jīng)網(wǎng)絡的特點及原理；在數(shù)據(jù)分析師的基礎之上進一步增加核心競爭力；邁進數(shù)據(jù)挖掘和人工智能大門,掌握必備的入門條件
02理論+實踐 由淺入深逐級構建開發(fā)能力
03行業(yè)大咖教學團隊，讓你所學即所用
開發(fā)了RainBoSoft監(jiān)管系統(tǒng)、車管所車輛信息監(jiān)管系統(tǒng)、某公司電子商務系統(tǒng)、北京市稅務局稅務申報系統(tǒng)、智能室內(nèi)設計系統(tǒng)、智能駕駛系統(tǒng)、票務智能檢票系統(tǒng)
通俗易懂，能夠使用淺顯的道理比喻、解決問題
參與多項教育、銀行、企業(yè)的OA系統(tǒng)開發(fā)
有豐富的經(jīng)驗，通過啟發(fā)式教學，讓學生更好接受知識點
04產(chǎn)學結合的項目化教學
基于Python數(shù)據(jù)分析工具Numpy、Pandas對多支股票進行各項指標分析，包括股票k線圖、移動平均線、布林帶、股票波動、股票相關性分析、股票趨勢性分析、股票交易風險評估。利用Sciki-Learn機器學習建立模型，進行股票價格預測、股票交易策略模擬、股票交易時機分析。利用數(shù)據(jù)可視化工具matplotlib、seabron對結果予以圖形化展示
Numpy、Pandas、機器學習、matplotlib、seabron
使用Scrapy框架爬取各大網(wǎng)站房屋數(shù)據(jù)，利用Python數(shù)據(jù)分析工具分析各城市房屋均價、房屋總價、房價走勢、房源數(shù)量、房屋面積分布、樓層、裝修等。利用機器學習建立模型，對房價影響因素進行深度揭秘、并對房屋價格進行預測。
Python爬蟲、Numpy、Pandas、機器學習、可視化工具matplotlib、seabron、pyecharts
收集用戶基本信息、用戶交易信息，構建用戶畫像。構建模型并進行訓練，基于K-Means算法對用戶進行聚類分析，用戶相似度分析，基于用戶相似度進行商品推薦，對不同用戶實現(xiàn)精準營銷。
大型門戶網(wǎng)站和大型婚戀網(wǎng)站積累了海量信息，提取有用的價值，應用于數(shù)據(jù)挖掘、海量數(shù)據(jù)分析、市場分析（包括熱點資訊、關鍵詞點擊、輿情分析、全國婚戀市場、個人信息分析等情況），掌握爬蟲技術顯得尤為重要。
1、Python 多線程爬蟲及其機制
2、使用Python、requests等網(wǎng)絡模塊
3、使用Python lxml、BeautifulSoup、re、json模塊進行數(shù)據(jù)提取
4、XPath語法規(guī)則和各CSS Selector的使用
5、使用Selenium+Chrome實施動態(tài)HTML抓取
6、掌握Scrapy框架，以及編寫各類中間件
7、掌握scrapy-redis分布式框架，了解各組件工作機制
使用Lambda架構整合實時計算和離線計算，借助分布式環(huán)境提升計算能力；使用Flume收集用戶的點擊、瀏覽、收藏等行為，建立用戶畫像和文章畫像，并存儲于HDFS集群；通過離線Spark SQL計算建立HIVE特征中心，存儲到HBase集群；通過ALS、LR、Wide&Deep等機器學習與深度學習、推薦算法進行智能推薦，達到千人千面的用戶推薦效果。
1、ABTest實驗平臺
2、用戶反饋收集
3、實時計算平臺
4、離線計算分析平臺
