课程介绍

• 

  周宇航

  CTO/CIO/技术副总裁/总工程师

  就职于一线互联网企业，拥有10多年项目开发经验与教学经验，擅长Python、汇编，.net，C++，ObjectiveC等技术语言，对前后端业务开发，游戏开发以及ios移动端和小程序等有丰富的经验，授课案例丰富，在Python爬虫、数据分析、自动化测试、机器学习等方面培养出很多优秀人才。

• 

  康志纶

  技术总监/研发总监

  康志纶，拥有多年项目研发与教学经验，擅长Java、Python、机器学习算法、Q语言、前端框架、MySql、Redis、MongoDB等技术语言，目前致力于课程体系研发，教学与项目的管理工作，曾担任多家公司的项目工程师与培训讲师，授课幽默风趣，注重学员反馈与吸收。

• 

  杨安尧

  数据科学家

  德国奥格斯堡大学，物理学， 北京邮电大学，计量经济学、 主要研究 凝聚态物理模拟，金融物理化模拟研究 极端事件预测及巨灾风险管理 在Science,  Nature ,   Risk Analysis , PNAS , PRE等顶级期刊发表论文10篇，谷歌学术引用次数达1291次，H指数达63。 中信建投数据分析师，量化分析师，宏观经济研究员， CSDN职业教育讲师

• 主题说明

  随着移动互联网的发展和5G技术的逐步普及，我们已从IT时代走入
  DT（Data Technology）时代，用理性的数据分析替代人工的经验分析
  已成为主流。数据分析行业具有人才缺口大，易入门，薪资高，行业适
  应性强，职业寿命长等特点。我们的课程以实战案例为驱动，企业实战
  项目为核心，以培养“懂业务，会工具，擅工程，精算法的全能型数据
  分析人才”为目标，覆盖数据分析领域的全套技术栈，保证学员学到最
  全面最前沿的技术，并高薪就业

• 适合对象

  1、在校大学生 2、想得到技能提升的业务人员 3、新入职场的小白 4、零基础想转行的非数据分析从业人员 5、有基础想转行的在职IT人员

• 学习要点

  模块一：
          1.讲解Python核心语法
          2.编程逻辑思维、实践代码边写、阅读他人代码能力
          3.了解数据分析和数据挖掘、机器学习关系
          4.掌握数据分析 三剑客(Numpy Pandas Matplotlib)
  模块二：
          1.数据库的存储结构、原理与常用命令
          2.开发与生产环境中数据库的部署
          3.针对业务需求，建立数据库关系结构
          4.业务结果的多维分析方式
          5.高级检索技巧
          6.智能数据分析系统开发
  模块三：
          1.数据检索、采集的方式
          2.Django前台展示与后台管理系统搭建
          3.数据分析的前后端对接技巧
          4.Seaborn实例数据图谱绘制
          5.红酒品质项目Seaborn与Matplotlib应用对比
          6.Tableau数据展示与项目实战
  模块四：
          1.通过机器学习解决问题的流程，新数据的预测和评估优化
          2.解特征工程、特征提取、数据清洗、数据可视化原理
          3.线性回归、聚类、SVM、Kmeans等机器学习和数据挖掘常用模型
  模块五 ：
          1.数学建模的定义与使用
          2.常用数学模型，模型参数计算
          3.金融量化平台使用部署
          4.熟悉金融经济与市场业务，策略与应用，模型回测，模拟交易
  模块六：
          1.HDFS原理与应用
          2.Map-Reduce与Python结合应用
          3.Combiner原理与解析
          4.RDD变换与Spark-dag调度器
          5.SparkSQL实例与运用
          6.SparkStreaming与kafka

• 课时安排

  模块一： Python语言与数据分析（2周）

           第一章：Python语言

           第二章：数据分析三剑客

  模块二：SQL与数据持久化（2周）

          第一章：数据库核心

          第二章：SQL实现销售任务派发系统

  模块三：数据采集与数据可视化     

          第一章：搭建自动化采集、分析与展示的WEB架构

          第二章：多维数据可视化

  模块四：数据处理与数据挖掘

        第一章：特征工程

        第二章：机器学习与数据挖掘

  模块五：量化交易实战

       第一章：量化交易业务

       第二章：金融量化分析

  模块六：大数据

        第一章：分布式存储Hadoop

        第二章：分布式计算Spark