IT与互联网人才孵化基地
  • 前往学习!
    前往腾讯课堂学习我们的Python直播课程,或者前往蜗牛网校了解更多Python课程知识!
    腾讯课堂
    蜗牛网校
Industry Analysis
为什么选择Python开发(爬虫及数据方向)?
为什么选择Python开发爬虫及数据分析方向
Python爬虫及数据分析方向的课程是立足于大数据时代对数据科学人才的需 求,培养企业急需的数据分析和决策人才的学科。企业想要在竞争激烈的市 场中胜出,需要快速的决策和响应,那么决策和响应时靠的是什么?靠的并 不是拍脑袋,而是靠数据。根据调查显示,75%的企业在面临拟定策略时, 常常无法获得实时且有根据的决策信息。什么样的数据、要透过什么样的方 法,才能快速且实时的转变成决策时有用的信息,是现代企业所面临最迫切 性的问题。
·行业前景广
·岗位选择宽
·发展空间大
·就业薪资高
平均薪资:18140.0/月
>10年
27500.0元
5-10年
23200.0元
3-5年
18200.0元
1-3年
12400.0元
应届生
9400.0元
高完整度培训生态链八大核心成就高薪之路
全国同步直营校区
自建培训机构教育基地及项目研发公司,拒绝加盟,全国全自营,课程全同步
严格把控招生门槛
大专及以上学历,三十岁以及以下年龄,良好的学习氛围,与同水平学习伙伴
免费试学双向考核
0元试学一周,不满意随时退,不收费,多项指标双向考核,为你的职业道路负责
高强度学习与管理
一周六天学习时间,专业讲师监督晚自习,早九晚九,享受沉浸式学习体验
完整学员考核体系
晨考,周考,阶段考,项目答辩贯穿全流程,考核不及格执行末尾强制淘汰制度
入学签署就业协议
入学即签订就业合同协议,白纸黑字,真实有效,培训毕业后,66天未就业,退还全部学费
课程体系实时更新
建立专业学科教研组,实时更新课程体系,自研PBET项目驱动式教学模式
真实商业项目驱动
自建研发项目公司,承接众多商业项目,真实自接项目用于学员学习,真正项目实战
Python
(
)
(
)
Course
阶段目标
1. 能熟练掌握Python开发环境配置
4. 初步具备使用Python语言进行程序编写的能力,能够阅读一般Python程序的源码
2. python基础语法以及类、实例、继承和多态等高级与编程核心知识
5. 熟练应用SQL语句进行数据库常用操作,掌握python操作mysql数据库的基本功能
3. 能利用Python面向对象知识进行程序开发
阶段项目
通过ATM项目掌握Python的环境搭建,语法及编程规范,使用基本数据类型和循环判断进行项目开发
并在具体的流程中,使用python异常诊断、处理机制综合考虑各种可能出现的意外,使得程序使用更加友善
项目过程中通过函数定义,模块包的使用简化代码
并根据面向对象思想,打包代码以便达成代码的复用
第一节
Python编程基础
知识要点
Python语言简介
Python安装配置
Python基本语法及编程规范
Python六大基本数据类型使用
Python循环及判断控制语言
Python函数定义及使用
Python模块及包导入机制
面向对象的编程概念
面向对象编程
类和对象的定义及使用
Python中封装
继承和多态特性
Python文件对象
Python异常处理
Python面向对象基础
课程目标
熟练掌握Python数据分析中需要用到的Python语言。 能够利用Python语言完成基本的功能并能阅读简单的代码程序。 能够利用Python编写数据分析代码,理解编程中各种常见的概念。 熟练掌握Python的各种代码技巧,实现Python数据分析中的各种功能。 熟练掌握Python面向对象的概念,方法及使用。
第二节
MySQL数据库
知识要点
数据库基本概念
Mysql数据库安装和配置
创建数据库和表
数据库约束
数据库设计方法
数据库三大范式
数据库增删改查操作
数据库多表连接原理
数据库常见多表连接操作
分组聚合函数
子查询
数据库高级进阶专题
数据库索引设置及优化
数据库事务概念及其特性
数据库存储过程及其应用
视图概念及应用
游标及触发器
课程目标
熟悉数据分析中要用到的常规知识点和技术点。 能够自行安装、配置、使用Mysql数据库。 熟悉Mysql常用命令,并且能够使用这些命令完成测试相关的工作。 了解一些常用的数据库优化相关的知识,为将来进一步通过SQL语句进行数据分析打下基础。
阶段目标
1. 熟练掌握Python三大数据科学库numpy、pandas、matplotlib的安装使用
3. 熟练掌握数据清洗的过程与方法,能够在实际项目中识别有价值的信息,并结合相关业务背景处理特征
2. 掌握相关特征工程的知识,理解特征分析、质量分析、归一处理
4. 掌握描述性分析、数据可视化的基本操作,并在具体的项目中理解掌握数据科学数据处理的概念、方法及评估
阶段项目
通过某电商用户数据预处理,掌握数据分析的基本过程、数据理解、数据清洗、特征构造等知识
并掌握特征工程领域的基本操作,包括标量、向量与空间、计数、对数、缩放与归一化的方法以及特征工程文本数据扁平化、过滤与分块的方法
理解在具体商业项目中如何使用python实现数据预处理目标的步骤要求,提升后续数据分析数据挖掘的信度、效度
第三节
Python数据科学基础库
知识要点
numpy
向量
数组-数据类型与结构数组
数组的索引与切片
数组的属性
数组的排序
数组的组合
数组的分拆
ufunc运算
矩阵概念与应用
csv读写
excel读写
其他数据读写
高级数组操作
pandas数据机构-Series
pandas数据机构-DataFrame
pandas数据操作-排序
pandas数据结构-排名
pandas数据结构-运算
pandas数据结构-函数应用
pandas数据结构-映射
pandas数据结构-分组
pandas数据结构-合并
pandas数据结构-分类
时间序列-日期类型
时间序列-日期处理
时间序列-时区处理
时间序列-采样及相关绘图
数据探索与预处理
matplotlib可视化流程与方法
课程目标
理解numpy、pandas相比较于原生python的优势。 熟练掌握numpy、pandas的安装与基本语法。 熟练掌握Series、DataFrame基本数据结构的操作。 能够利用numpy、pandas分析处理数据,使用matplotlib实现基本的可视化。
第四节
数据探索与预处理
课程目标
数据常见的统计学概念、统计学处理方法,熟悉特征工程的常见概念、处理过程,使用特征工程的方法构造因子、处理数据,熟练掌握数据清洗的预处理方法,熟练掌握数据可视化基本图形的制作与优化
知识要点
质量分析-缺失值
质量分析-异常值
质量分析-一致性分析
特征分析-分布分析
特征分析-对比分析
特征分析-统计量分析
特征分析-周期性分析
特征分析-贡献性分析
特征分析-相关性分析
特征函数
数据清洗
数据集成-实体识别
数据集成-冗余识别
数据变换基础
属性规约与数值规约
数据描述-集中趋势概念应用
数据描述-离散趋势概念应用
数据描述-分布形状
数据描述-统计表概念
建立与应用
函数绘图
图形基本设置
面向对象绘图
绘图样式
pandas基本绘图
折线图
面积图
直方图
条形图
龙卷风图
饼图
第五节
项目实战
课程目标
通过某电商用户数据预处理,掌握数据分析的基本过程、数据理解、数据清洗、特征构造等知识。并掌握特征工程领域的基本操作,包括标量、向量与空间、计数、对数、缩放与归一化的方法以及特征工程文本数据扁平化、过滤与分块的方法。理解在具体商业项目中如何使用python实现数据预处理目标的步骤要求,提升后续数据分析数据挖掘的信度、效度。
阶段目标
1. 掌握统计推断、方差分析与非参数检验的概念、方法
2. 在具体项目中使用基础统计学处理数据,获得描述统计结果
阶段项目
通过某电商用户优惠券使用数据分析项目,掌握完整的商业项目流程,包括数据预处理、特征工程处理
并在规范数据基础上使用描述性分析初步得到数据各个统计量,并在基础统计量的基础上构造新的符合业务要求、统计学要求及相关理论背景的新指标
使用统计推断技能,探索数据各个属性关系,并对数据关系,总体参数进行检验
使用回归分析、逻辑回归及决策树等方法,预测电商平台优惠券发放及商业成果
掌握数据科学算法应用于商业项目的流程方法,并对比不同算法使用方法的差异及效用
掌握模型挖掘效果评估的方法,并理解模型改进的技巧
第六节
统计推断
知识要点
数据分布-总体分布
数据分布-样本分布
数据分布-抽样分布
参数估计-点估计
参数估计-区间估计
假设检验概念
假设检验的生活实例
假设检验基本步骤
不同的假设检验
单总体均值估计
单总体方差
标准差估计
单总体比例估计
单总体均值的假设检验
独立样本均值差的假设检验
独立样本比例差的假设检验
成对样本的假设检验
课程目标
熟悉掌握数据分布总体分布、样本分布、 抽样分布,熟悉掌握参数估计点估计、区间估计的概念与方法,熟悉掌握假设检验概念、基本步骤和不同的假设检验的应用,熟悉掌握单总体均值估计、 单总体方差、标准差估计、 单总体比例估计的方法,熟悉掌握独立样本均值差的假设检验、 独立样本比例差的假设检验、 成对样本的假设检验
第七节
方差分析与非参数检验
知识要点
方差分析基本原理
一元单因素方差分析-同质性检验
一元单因素方差分析-方差来源及检验
一元单因素方差分析-多重比较
一元单因素方差分析-参数估计
一元单因素方差分析-模型预测
一元多因素方差分析-只存在主效应
一元多因素方差分析-存在交互效应
协方差分析
非参数检验-基本问题
单因素非参数检验-中位数检验
单因素非参数检验-分布检验
单因素非参数检验-游程检验
两样本非参数检验-wilcoxon秩和检验
两样本非参数检验-分布检验
两样本非参数检验-中位数检验
多样本非参数检验-分布检验
独立样本位置检验
相关分析与关联分析
课程目标
1. 熟悉方差分析基本原理、一元单因素方差分析同质性检验、方差来源及检验、多重比较知识 2. 熟悉一元单因素方差分析参数估计、模型预测、主效应、交互效应及协方差分析相关知识 3. 熟悉非参数检验基本问题、单因素非参数检验中位数检验分布检验、游程检验知识 4. 熟悉两样本非参数检验-wilcoxon秩和检验、分布检验、中位数检验概念与基本方法 5. 熟悉多样本非参数检验-分布检验、 独立样本位置检验和相关分析与关联分析相关知识 6. 熟悉非参数检验基本问题、单因素非参数检验中位数检验分布检验、游程检验知识
第八节
相关分析与关联分析
知识要点
函数关系与相关关系
相关关系基本概念
简单相关关系
偏相关关系
点二列相关关系
非参数相关关系-spearman相关系数
非参数相关关系-kendalltau-b系数
非参数相关关系-hoeffding‘D系数
关联分析-基础概念与数据预处理
关联分析算法-apriori算法
关联分析算法-fp-growth算法
课程目标
1. 了解函数关系与相关关系、相关关系基本概念、简单相关关系 2. 掌握偏相关关系、点二列相关关系、非参数相关关系-spearman相关系数 3. 掌握非参数相关关系-kendall tau-b系数、 非参数相关关系-hoeffding‘D系数知识 4. 掌握关联分析-基础概念与数据预处理、关联分析算法-apriori算法、关联分析算法-fp-growth算法
第九节
回归分析
知识要点
线性回归的概念
线性回归适用条件
一元回归分析
多元回归分析
线性回归实现
线性回归诊断-残差分析
线性回归诊断-强影响点分析
线性回归诊断-多重共线性
非线性回归扩展
波士顿房价预测-数据准备
波士顿房价预测-数据理解
波士顿房价预测-模型搭建
波士顿房价预测-模型诊断
课程目标
1. 了解线性回归的概念、线性回归适用条件、一元回归分析、多元回归分析概念意义 2. 掌握线性回归实现、残差分析、强影响点分析、多重共线性、非线性回归扩展。 3. 掌握具体实战中使用python进行回归分析的步骤、方法与评估
第十节
逻辑回归与决策树
知识要点
线性回归与逻辑回归
逻辑回归的概念
逻辑回归的适用条件
逻辑回归模型实现
电商优惠券使用情况分析-数据准备
电商优惠券使用情况分析-模型搭建
电商优惠券使用情况分析-诊断评估
决策树基础
决策树算法-ID3
决策树算法-C4.5
决策树算法-CART
决策树减枝
决策树实现
从逻辑回归到决策树
鸢尾花分类-数据准备
鸢尾花分类-模型搭建
鸢尾花分类-模型评估
课程目标
1. 了解线性回归与逻辑回归区别 2. 熟悉逻辑回归的概念、适用条件、逻辑回归模型实现 3. 熟悉逻决策树的概念、适用条件、逻辑回归模型实现 4. 掌握具体项目中逻辑回归、决策树的使用、评估与优化
第十一节
项目实战
课程目标
1. 通过某电商用户优惠券使用数据分析项目,掌握完整的商业项目流程,包括数据预处理、特征工程处理。并在规范数据基础上使用描述性分析初步得到数据各个统计量,并在基础统计量的基础上构造新的符合业务要求、统计学要求及相关理论背景的新指标。使用统计推断技能,探索数据各个属性关系,并对数据关系,总体参数进行检验。使用回归分析、逻辑回归及决策树等方法,预测电商平台优惠券发放及商业成果。掌握数据科学算法应用于商业项目的流程方法,并对比不同算法使用方法的差异及效用。掌握模型挖掘效果评估的方法,并理解模型改进的技巧。
第一阶段
第二阶段
第三阶段
课程核心
Course

Python基本知识及核心编程、Python网络编程

Python多线程编程、Python网络爬虫工作流程及结构

Python网络爬虫开发、基于Scrapy的分布式高效爬虫框架

大型商业级爬虫开发实战、数据分析基本流程

数据分析各流程学习、数据分析相关的理论基础

数据分析可视化及报告编写、基于行业数据的数据分析实战

项目案例
Project Cases
某电商平台针对客户年龄数据分析
某电商平台针对某新品做了一次调查问卷,现要求根据问卷相关数据统计调查问卷用户的年龄分布情况,并作图进行可视化展示。
下一个项目
基于RFM模型的电商平台用户价值数据分析实战。
基于RFM模型的电商平台用户价值数据分析实战。
下一个项目
某电商平台月度数据分析
某公司要求数据分析师每月需要做一个统计表,这个表要包括销售额、客流量、客单价这三个指标的本月累计、上月同期、去年同期、环比、同比这几个指标,并且对本月,上月以及去年同期销量前十的商品分别做出统计图。
下一个项目
新冠病毒死亡病例分析
新冠病毒死亡病例分析
下一个项目
Questions & Answers
还有这些顾虑?
  • 1.参加你们的线下面授培训需要具备什么样的条件?
    答:大专及以上学历,年龄在30岁以下,对互联网行业高度热情,并立志在IT行业发展的有识之士,抱着花钱买工作的态度,我们不要。还是那句话,你选择蜗牛学苑,请为蜗牛学苑的教学成果负责;蜗牛学苑选择你,会为你的职业道路负责。
  • 2.培训中途不满意或者个人有其他安排不能继续学习,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阶段,期间师生双方进行双向考察。如果你觉得我们达不到你的学习预期,或者觉得我们这边的情况跟你入学之前了解到的有所出入,或者觉得你确实不适合从事这行,我们分文不取并无条件给与办理退学手续。正式入学后,如果没有通过我们的阶段考核或者你自动放弃剩余阶段学习,则终止培训,我们依旧退还已缴纳的学费,让你的培训完全没有后顾之忧。
  • 3.你们的线下Python全栈开发数据及爬虫方向课程适合哪些人学习?
    答:IT行业没有懒人,只要你想学习这门技术,想改变自己,有一颗愿意奋斗的心,都可以来学习。在往期报名的学员中,有职场新人、在校学生、其他行业的销售、欲转行进入IT行业的人士等等,只要抱有一个决心,我们就能助您在IT行业打拼出自己的一片天。
  • 4.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。
  • 5.我是0基础,也不是计算机相关专业,可以来学习吗?
    答: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。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,并且掌握各项技术。
  • 6.为什么你们不像一些培训机构一样宣传高薪就业学员?
    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。
蜗牛学员专享认证服务
Certification services
蜗牛学员专享认证服务
  • 国家信息化培训认证中心
    与信息化培训认证管理办战略合作成为国家信息化培训认证中心
  • 学历教育认证
    与秋实教育战略合作推出专、本、硕学历教育认证
  • ISTQB国际软件测试认证
    与滔瑞未来战略合作推出ISTQB国际软件测试认证
  • PMP项目管理认证
    与清晖管理战略合作推出PMP项目管理认证
  • DEEP大数据平台及工具认证
    与数猎云战略合作推出DEEP大数据平台及工具认证
  • 网络流量安全分析师认证
    与四川省计算机学会共同打造网络流量安全分析师认证
 :  :  : 
DAYS
  
HOURS
  
MINS
  
SECS