illustration 当前浏览器不支持canvas,尝试更换Google Chrome浏览器尝试 illustration Btn illustration illustration ai
AI+数据工程师——职场新贵,薪资飙升

作为AI驱动的新时代技术专家,AI数据工程师正迅速成为职场中的新贵。他们不仅掌握数据处理和分析的核心技能,还能够利用人工智能技术为企业创造巨大价值。随着企业对数据驱动决策的依赖加深,AI数据工程师的市场需求和薪资水平都在快速上升,成为炙手可热的高薪岗位。

2021~2023数据分析不同工作年限的平均薪资(数据来源猎聘大数据研究院)

2021
2021
2021
zhuangshi
AI+数据工程师——职场新贵,薪资飙升

2024年8月AI数据分析领域部分岗位薪资待遇情况(数据来源看准网、职友集等第三方网站)

典型岗位与新增待遇:

报表工程师:11,300元/月
爬虫工程师:18,200元/月

典型岗位与新增待遇:

数据分析师:23,190元/月
BI工程师:16,600元/月

典型岗位与新增待遇:

ETL工程师:19,762元/月
商业分析师:30,100元/月

典型岗位与新增待遇:

数据仓库工程师:31,195元/月

典型岗位与新增待遇:

数据挖掘工程师:34,089元/月
推荐算法工程师:46,422元/月

典型岗位与新增待遇:

用户画像工程师:40,000元/月
搜索算法工程师:47,338元/月

zhuangshi zhuangshi
携手FECSO打造
AI+数据全链路人才

北京外企人力资源服务有限公司(简称FESCO)是中国第一家专业化人力资源服务机构,开创了中国人力资源服务先河。40多年来,FESCO从北京走向全国迈向海外,一直引领着中国人力资源行业的发展。作为专业的人力资源综合解决方案提供商,FESCO始终以温暖的服务与先进的技术,为各种组织和企业提供全方位人力资源解决方案,推动着中外企业在华业务的快速增长,帮助国内外人才不断提升价值。

zhuangshi
AI数据工程师课程最新开班时间信息
我们的教学团队
赵栋

赵栋

大数据专家 20年职业教育经验,层任多家上市公司高管。主导过java、大数据、区块链产品线,在市场上遥遥领先。
兰刚

兰刚

大数据讲师 拥有9年的开发和教学经验。曾就职于东泰科技,紫光科技等公司,担任中台开发工程师,从事软件开发,数据开发等工作。先就职于FESCO国际教育公司,任大数据教研总监一职,擅长离线分析,实时分析,数据仓库,湖仓一体化等技术及课程的讲授。
从庆

从庆

大数据讲师 多年大数据开发经验,数据库技术专家。曾在京东金融、玖富集团担任技术经理和项目经理等职位,参与过多各金融理财系统的研发。多年大数据教学经验,擅长大数据相关技术、底层模块调优、数据库设计与优化、微服务架构设计与性能优化等。
邓强

邓强

AI人工智能讲师 蜗牛学苑资深讲师,教学总监,四川大学硕士,系统架构师。19年软件研发、测试、管理及授课经验,精通各种开发和测试技术,如Java开发、PHP开发、Python开发、性能测试、渗透测试、安全攻防等,具备丰富的项目研发和实施经验。教学严谨细致、原理讲解透彻、注重底层原理,全面培养学生各项素质。
卿淳俊

卿淳俊

数据分析讲师 多年大数据开发经验,数据库技术专家。曾在京东金融、玖富集团担任技术经理和项目经理等职位,参与过多各金融理财系统的研发。多年大数据教学经验,擅长大数据相关技术、底层模块调优、数据库设计与优化、微服务架构设计与性能优化等。
了解更多师资信息 zhuangshi zhuangshi
zhuangshi
课程大纲
小阶段
基础语法
DAY01:
Python语言介绍及安装
Pycharm安装及使用
注释
关键字
标识符
变量
数据类型
数据类型转换
运算符
字符串操作(定义方式、拼接、格式化)
DAY02:
if结构
if-else结构
if-elif结构
if嵌套
while循环
for循环
range语句
循环嵌套
break和continue
DAY03:
函数概述
函数的基本语法
函数传参
函数返回值
函数的嵌套
小阶段
数据容器
DAY04:
列表的定义
列表下标操作
列表函数
列表的遍历
DAY05:
元组的定义和操作
字符串的定义和操作
序列操作序列切片
字典定义
字典函数
数据容器通用操作
小阶段
函数高级
DAY06:
函数的返回值
可变参数
高阶函数
匿名函数
DAY05:
元组的定义和操作
字符串的定义和操作
序列操作序列切片
字典定义
字典函数
数据容器通用操作
小阶段
面向对象
DAY07:
类和对象
构造函数
魔术方法
封装
继承
函数的重写
多态
小阶段
API
DAY08:
文件编码
文件读取
文件写入
文件追加
文件操作综合案例
异常介绍
异常捕获方式
DAY09:
模块概述和导入
自定义模块
main变量
第三方包安装
json解析
DAY10:
网络爬虫概述
爬虫请求模块request
URL地址编码模块
User-Agent如何自动获取
正则解析模块
项目案例: 爬取新浪财经股票实时数据
小阶段
MySQL
DAY01:
数据库基本概念
安装与卸载MySQL
MySQL目录结构
SQL概念
SQL通用语法
SQL分类
DDL语句
DML语句
DQL语句
DAY02:
排序
分组
聚合函数
主键约束
非空约束
唯一约束
外键约束
事务四大特性
MySQL事务隔离级别
隔离性问题演示
DAY03:
外键约束
一对多关系
多对多关系
一对一关系
内连接查询
外连接查询
子查询
DAY04:
索引介绍
索引使用
索引优缺点
视图介绍
视图使用
存储过程介绍
存储过程使用
DCL数据控制语言
数据库设计
DAY05:
Python操作MySQL
Python DB API规范
Connection的使用
cursor的使用
使用Python对数据表进行CRUD操作
数据异常处理
DAY06:
项目案例:爬虫数据分析
小阶段
TableAU
DAY01:
工作区
文件管理
仪表盘
数据角色
字段类型
字段类型转换
DAY02:
本地文件数据
服务器数据
数据连接
数据合并
数据混合
数据加载
数据提取
DAY03:
分层结构
参数
参考线
特殊函数
include函数
exclude函数
fixed函数
DAY04:
帕累托图
盒须图
甘特图
瀑布图
雷达图
动态图
项目案例:爬虫数据展示
小阶段
Linux
DAY01:
操作系统概述
按照Linux
Linux的结构
Linux基本命令
vi编辑器
用户和权限
MySQL安装
DAY02:
Shell解释器
Shell脚本
Shell变量
Shell字符串
Shell算数运算符
流程控制
函数使用
数组
小阶段
Hive
DAY01:
Hadoop概述
HDFS文件存储结构
HDFS常用命令
HDFS API操作
DAY02:
Hive概述
Hive特点
基本语法
Hive表结构
非空约束
唯一约束
DAY03:
数据类型
函数
窗口函数
DAY04:
join
having
排序
beeline
JDBC
视图
Hive存储
优化
大厂笔试题实战
DAY05:
案例:电商⾏业销售数据分析
小阶段
生鲜数据仓库
DAY01:
生鲜数仓立项背景
项目总体架构介绍
技术选型
DAY02:
业务数据库及主要流程介绍:
C端用户库
平台员工库
商品库
订单库
物流库
评价库
DAY03:
ODS数仓搭建:
分层理论介绍
ODS层介绍
通过Sqoop导入
通过DataX导入
DAY04:
DIM维表层搭建
DWD层搭建
组织架构大宽表搭建(重点)
DAY05:
DWD层:
ETL(提取订单等业务表中JSON)
用户活跃日志表处理(利用Python开发UDF)
其它DWD表处理
DAY06:
DWS层:
按地域维度计算C端用户活跃指标
按商品类别维度计算销售指标
计算各端销售指标
DAY07:
DWS层:
按地域维度计算销售指标
用户设置标签指标计算
用户活跃时段指标计算
DAY08:
DWS层:
下单TopN用户提取
当日累计下单指标提取
ADS层:
ADS层定位以及技术要点说明
小阶段
Numpy
DAY01:
Numpy数据类型
数组定义
IO操作
数组运算
索引与切片
统计与聚合
形状操作
广播机制
数学运算
小阶段
Pandas
DAY02:
Series操作
Dataframe操作
数据清洗
CSV与Excel读写
分组与聚合
数据选取
项目:对各类数据集进行操作
小阶段
Matplotlib
DAY03:
基本绘图操作
画布操作
多图绘制
子图与嵌套
折线图
条形图
极坐标图
饼图
热力图
蜘蛛图
3D图形
项目:前述项目图形绘制
小阶段
Seaborn
DAY04:
基础绘图操作
单变量分布
双变量分布
二维直方图
核密度图
散点图
箱形图
提琴图
类别内统计图
热力图
小阶段
数据挖掘通识
DAY01:
机器学习和运算方法论
数据挖掘算法概述
数据归一化和标准化
数据与空间思维
向量空间与距离
梯度下降算法原理
小阶段
线性回归
DAY01:
一元线性回归
最小二乘法
梯度下降实现
损失函数实现
模型训练与评估
多元线性回归
项目:网店销售额预测
小阶段
逻辑回归
DAY02:
逻辑回归
Sigmoid函数
模型训练
模型验证与优化
哑特征设计
项目:病患预测项目实战
小阶段
蒙特卡罗模拟
DAY03:
基本原理
应用场景
核心分析方法
建模与实现过程
Python代码示例
项目:经营风险分析
小阶段
KNN-K近邻分类
DAY01:
KNN-K近邻算法
算法代码实现
模型评估与调优
K折交叉验证
网格搜索确定K值
项目:鸢尾花分类
手写体数字识别(基于MNIST+OpenCV)
小阶段
KMeans聚类
DAY02:
Kmeans原理与算法
非监督学习
案例与代码实现
模型评估之轮廓系数法和CH系数法
PCA特征降维
项目:广告投放渠道分析
小阶段
SKLearn模型库
DAY03:
SVM支持向量机
决策树
随机森林
朴素贝叶斯
集成学习法等算法原理以及在SKLearn上的实现
项目:基于数仓库用户画像和推荐系统
小阶段
深度神经网络
DAY01:
神经网络工作原理
损失函数与激活函数
神经网络分层原理
模型评估与优化
神经网络设计与实现
混淆矩阵
项目:银行客户流失预测
小阶段
CNN卷积神经网络
DAY02:
卷积运算及代码实现
图形基本操作
卷积的现实作用
LeNet5网络架构
项目:基于CNN识别手写数字
基于CNN识别狗狗的类别
小阶段
数据仓库重构
DAY01:
AI辅助项目集群搭建
分析数据结构
数据仓库建模等
DAY02:
AI辅助Hive SQL调优
调度脚本编写
指标体系构建
可视化接口编写
第一阶段
数据分析与BI
第二阶段
ETL与数据仓库
第三阶段
机器学习与数据挖掘
第四阶段
AI大模型辅助
项目案列

爬取博客园列表页数据

项目介绍

随着《中华人民共和国个人信息保护法》的实施,爬虫类项目的规范性受到了前所未有的关注。本项目首先演示了如何规范地使用爬虫,从而避免因数据抓取而产生的各种问题。其次本项目展示了如何从0到1搭建自己的爬虫,让学生明自爬虫真正的原理。最后本项目在开发过程中演示了如何进行规范的ETL操作,为数据分析打下良好的基础。

技术点

Python面向对象开发、requests库、Beautifulsoup、正则表达式容错处理、数据存储。

项目成果

从0到1搭建爬虫框架,为后续深入学习商业爬虫打下良好的基础,通过每日定时抓取,及时把握技术热点。

爬虫数据分析与展示

项目介绍

在本项目中将详细分析博客园的文章发布情况,包括文章发布时间段分析、文章所属类别分析、针对编程语言类文章再细分具体的语言类型。

技术点

Pymysql、MySQL、5QL数据分析、自定义SQL函数、分词、词云、Pandas、Numpy、Matplotlib、桂 状图、饼状图、折线图。

项目成果

通过分析博客园中文章发布的时间段,可以发现用户访问高低峰时段,后续在做系统升级或者维护时找好时间段。
通过数据分析手段,将文章进行智能分类,并通过饼图进行下钻展示。
分析文章标题提取热门词,通过词云展示更直观的看到热点技术。

电商行业销售数据分析

项目介绍

通过电商项目实际案例,学习数仓技术在电商企业下单、促销活动中的实际运用以及企业中的数仓可视化技术。

技术点

HDFS 、Yarn、Hive 、HiveSQLBeeline、pyecharts、箱型图、3D柱状图、漏斗图、折线图。

项目成果

通过箱型图能够直观地看出深圳的销售额中位数最高且分布范围最广,而杭州的销售额较低且分布集中,后续运营上要采取不同的策略。
通过3D柱状图明显可见不同城市在不同月份销售额不同,为后续运营策略提供有力的决策依据。
在电商促销场景中,通过漏斗图精准监控每个环节用户转化情况。

生鲜数仓

项目介绍

通过生鲜电商数仓项目,学习企业中项目的开发流程,数据仓库的架构设计、建模思路和指标计算。

技术点

项目开发流程、技术选型、HDFS、ETL、Hive、WDF、HiveSQL、Sqoop、DataX、ClickHouse、词云、WordCloud、ECharts、地图、折线图、桂状图、散点图、雷达图、Tableau、Bl。

项目成果

快速发现热销商品,及时调整运营资源,帮助企业加速盈利。
及时预警滞销商品,尽早干预,减少企业亏损
运用大数据提前发现潜在爆款单品,匹配目标人群、精准推送,促成更多爆款。

>

鸢尾花分类案例

项目介绍

本项目使用Python的scikit-learn库加载并预处理经典的鸢尾花数据集,通过逻辑回归模型进行训练和评 估,实现了对鸢尾花种类的分类。

技术点

sklearn、数据集划分 5tandardScaler、LogisticRegression、模型评估、seaborn、pandas , DataFrame、数据存储

项目成果

图中各点代表不同种类的鸢尾花,x轴表示花尊宽度(5epal Width),y轴表示花等长度(5epalLength)。从图中可以看出,通过花等的宽度和长度,可以较好地区分Setosa(0)与另外两种鸢尾花,而Versicolor(1)和Virginica(2)之间的区分度相对较低,但我们通过一些高级的分类算法,例如Logistic回归和SVM,进一步提高了其区分度。

>

广告投放渠道分析

项目介绍

在本项目中对比了一段时间内企业广告投放的不同效果,通过机器学习的方法从多个角度找出最优投放策略。

技术点

数据预处理、0ne-Hot Encoding、数据标准化、PCA主成分分析、KMeans、matplotlib、seaborn。

项目成果

通过KMeans及主成分分析方法,将杂乱无章的数据自动分类,以便挑选出转化率最高且投入更低的策略。

>

基于CNN识别狗狗的类别

项目介绍

本项目的目标是构建一个基于卷积神经网络(CNN)的模型,用于识别不同品种的小狗。

技术点

sklearn、图像增强、数据集划分、ConvolutionalPoolingFulLyConnected、损失丽数、Optimizer、模型评估、seaborn、pandas、numpy、折线图、3D图、柱状图。

项目成果

随着训练轮次的增加,训练准确率和验证准确率都在不断提升,说明模型在不断学习和优化。
通过图中能看出各个狗品种的识别准确率,大部分品种的识别准确率都在较高水平,说明模型在识别这些品种时表现良好。但仍有部分品种的准确率相对较低,可能需要更多数据或更复杂的模型进行进一步提升。

>
常见问题答疑
还有这些顾虑?
  • 学习过程中接触到的项目案例都是真实的么?

    答:是的,公司设有专门的研发部门,有单独的网络安全业务线,同时兄弟公司雷人科技(蜗牛创想科技有限公司参股, 专做软件研发业务)也会一直提供技术支持,保证蜗牛学苑有真实开发项目案例。
  • 培训开始或者中途不满意,能退费吗?

    答:完全没问题。我们入学会安排为期一周的免费试读,期间师生双方进行双向考察,如果你觉得我们服务和实力达不到你的心理预期, 或者认为自己确实不适合从事这行,我们无条件给你办理退学手续。等到后期正式入学后,如果因为没有通过我们的阶段考核2次,或者 你自动放弃剩余阶段学习,则终止培训,我们依旧会退还你已缴纳的全部剩余学费,让你完全没有后顾之忧。
  • 你们在学生的就业方面做了哪些保障?

    答:1)明确工作性质。最终的就业职位为你学习的学科(Java学习完一定是从事Java开发工程师的岗位),不会做其它无关职位推荐, 不然学完了安排去送外卖也叫就业了,是吧? 2) 确保你工作后的最低月薪,如果没有达到合同里承诺的最低薪资水平会给予三倍的差价补偿。 3) 66个工作日未成功就业退还全额学费,真出现这种情况,绝不推诿。其实以前这一条规定的是三个月,我们觉得写得太笼统了,现在精确到天数。 4) 通过试用期才算成功就业。如果因为技术问题被辞退,蜗牛学苑会对你负责到底,一直到你过试用期之后才算就业成功。我们的培养目标是让学员 具备解决企业实际问题的能力,而不是靠忽悠面试官。
  • 我是0基础,也不是计算机相关专业,可以来学习吗?

    答:完全没有问题的。在我们的历届线下学员中,有很大部分也是零基础或者非本专业转行过来的,也正是考虑到这点, 我们的课程安排从基础储备、理论知识、实战练习、进阶项目、综合项目分阶段循序渐进,科学完善,系统全面。能让学 生很好的吸收,并配合老师超强的学习气氛管理,保证学习质量。只要用心学,都能听懂上课内容,并且快速掌握各项技术和完成入行
  • 外地那些挂着蜗牛学苑的校区是你们的加盟商还是自己直营啊?

    答:全部是直营校区。我们绝不为了赚快钱搞什么品牌加盟割韭菜,我们最在乎的是品牌形象和学生认可度,决不允许一些 不懂教育和没有情怀的人进来把这块牌子做烂了,那群人为了钱什么无底线的事儿都做。
  • 你们的PBET人才培养模式有什么特别之处?

    答:PBET(Project-Based Experiential Training)即基于项目和任务的体验式驱动培训,所以如何能够帮助学员增强体验, 我们通过5大手段来保证: 1) 项目驱动。贯穿不同阶段的不同项目,是帮助学员提升的必备武器,项目经验的积累是核心任务。 2)任务驱动。由于项目的长期性将导致学习的反馈周期长,所以项目必须拆分为诸多细分任务进行。 3)团队化培养。传统的教育模式强调的是个人能力的培养。而企业的真实项目更多的是团队作战。 4)对比式学习。通过对比不同技术的体现形式来实现同一功能,帮助学员深层次理解技术的本质。 5)可视化学习。面对比较空洞的概念或编程逻辑等,设计一套可视化的流程与步骤,帮助快速理解。 6)场景化教学。任何知识的讲授,都是为了解决实际问题,所以融入某个具体的问题场景才会有效。
  • 在你们这培训完可以不通过包装简历来完成求职么?

    答:学员完全可以自主的选择求职身份。我们对于就业老师的要求是不但不能强制学员进行简历包装,而且还要鼓励学生走培训简历, 我们要让更多的企业认识和认可我们蜗牛学苑出去的学员,慢慢摘掉培训机构和培训生身上的“水货”标签。于学员,减少他们的心理 压力;于我们,打造企业端的知名度;于企业,可以对招聘到的员工知根知底。一举三得,何乐而不为呢?
  • 为什么你们不像一些IT培训机构一样宣传高薪就业呢?

    答:不宣传不代表没有。在我们看来,薪资只是技术水平的具体体现,而教学是学员技术水平的直接保证。很多人把这本末倒置了, 就是抓住了一些人的“贪心”,奔着高薪培训本没有错,但往往让人觉得培训了就一定会高薪,这是错误的。我们更在乎的是学生可以学到东西, 掌握企业中的核心技术,而后再谈找到什么样的工作,获得什么样的薪水。所以,我们敢于把最最真实的就业薪资全部无隐瞒的公布,求真求实才是 做教育的态度。而且,我想告诉大家的是:培训也只是入门,能让你走下去的,是对知识的渴求与无数个孤独寂静的深夜中的思考和沉淀。
zhuangshi zhuangshi zhuangshi