【2404】【刘同学】

【个人情况】：学员12年本科毕业，在上学期间有过C学习，并且现在工作中也用到编程语言，但语言比较小众。跟学员介绍了数据分析这个岗位的工作内容和职责要求，也介绍了所需要的语言。跟学员介绍了学习模式。学员基础薄弱，在学习中有什么不清楚不理解的地方随时发群里进行沟通。

【学习目标】：学员想通过学习掌握数据分析的知识点。在广州找到开发岗位。

【备注】：

【学习方向】：Python数据分析

【是否需要就业】：是

【目标就业地点】：广州

【课程学习顺序】：如学生有特殊要求，比如需要紧急完成论文，学习哪个阶段的内容。可以在该阶段下写上需要先学习的内容（可以按照阶段前面的数字进行标号）。方便学生和复审老师明确学习顺序。

（按照顺序学习即可，有问题随时跟老师联系调整）

【学员课程安排】：有任何疑问，在群里随时艾特或者ding教务老师和电话测评的老师！尽快解决，达到当前阶段没有疑问为止。





===============章节分割线===============

【第1阶段】：基础阶段

【监督方式】：强监督

「第1章」：思维分析篇

课程名称：【27434】【数据分析-思维分析逻辑「解锁式学习」】【5天】

课程内容：对什么是数据分析以及数据分析需要掌握哪些技能进行介绍

---考核---（可选择，联系教务老师）

「第2章」：思维分析篇

课程名称：【728】【机器学习---导论「自由式学习」】【3天】

课程内容：该课程主要是讲解了 机器学习结合大数据要做的事情，当成一个普及的去学习就可以。

---考核---（可选择，联系教务老师）

每天三十分钟，建议一个半月，地铁看，每天半小时大概需要 32天，再加上休息，处理事情。（这个时间长点短点没关系，因为是一个贯穿性学习的）





上面两个都是偏向于理论思路的，特别是第一个，就是昨天说的业务数据分析在几个行业内的结合，可以多听听，多想想，举一反三的去理解你们现在的行业如果去做数据分析能做什么

要是有比较好的想法就记录下来，重点强调（一定要记录下来。） 。

然后这个机器学习-导论，主要讲解的是机器学习结合大数据在做什么。这方面虽然不涉及很多的业务分析思路，但是也可以算是一个普及的知识课程，可以听一听



===============章节分割线===============

【第2阶段】：基础阶段

【监督方式】：强监督

「第1章」：编程语言篇

课程名称：【22207】【Python_Python基础语法（QZ）「自由式学习」】【22天】

课程内容：作为一门编程语言Python，此课程将介绍什么是Python，如何学Python以及Python的编写和使用。

---考核---（可选择，联系教务老师）

「第2章」：数据库基础篇

课程名称：【22208】【数据库_Mysql（QZ）「自由式学习」】【5天】

课程内容：在工作中常通过数据库来对数据进行存储，数据库的种类有很多，但一般以sql为主。

---考核---（可选择，联系教务老师）



总共 27天，每天2个小时，但是考虑到你编程基础，这个课程，希望可以在15天之内学完，只需快速看，这个是考虑到个人会有事情的情况。

您有多年的开发经验，这两个课程在学习过程中就是很基础的学习。上手会非常的快，了解一下pyhton的语法这些就够了



===============章节分割线===============

【第3阶段】：数据科学库阶段

【监督方式】：强监督

「第1章」：数据科学库篇

课程名称：【14282】【机器学习-数据科学库（HM）「解锁式学习」】【9】天

课程内容：等待介绍文本

---考核---（可选择，联系教务老师）





===============章节分割线===============

【第4阶段】：数据科学库项目阶段

【监督方式】：弱监督

「第1章」：数据科学库篇

课程名称：【19638】【数据分析项目-合集「自由式学习」】【2天】

课程内容：等待介绍文本

---考核---（可选择，联系教务老师）



这两个课程总共11天内容，每天两个小时，还是考虑到有编程基础，还有这个数据分析项目合集，可以跳过，不跳过的时候，一周七天希望结束，跳过的情况下，四天过一下数据科学库即可。希望可以看完，熟悉的就快进



这个课程和上面的数据科学库主要讲解的是python的几个常用的库，里面是padnas、numpy这些，数据分析常用的库。这个建议上手练习，这个结合excel啊这些可以处理文件的。

其实数据分析在实操上，最主要的不是代码，而是对数据的处理思路问题，了解业务之后，知道要得到什么数据，然后去进行处理，这个就是学习的处理手段。

可以多加练习。需要其他的更多的练习的话 可以联系老师，在群里发就好



===============章节分割线===============

【第4阶段】：数据分析阶段

【监督方式】：弱监督

「第1章」：数据分析工具篇

课程名称：【28600】【3、数据分析-Power BI智能分析「自由式学习」】【17天】

课程内容：数据分析的基础工具，了解使用一下，这个是需要会的（学会基础的使用，安装的时候可以找夏天老师），里面也会结合其行业的去做一些案例实操

---考核---（可选择，联系教务老师）



「第2章」：数据分析工具篇

课程名称：【28603】【4、数据分析-统计基础「自由式学习」】【10天】

课程内容：统计学中常用的概念讲解，理论理解为主（可地铁上看）

---考核---（可选择，联系教务老师）



这两个课程是一个阶段，总共27天，每天两个小时。， 工具和基础的统计概念，工具熟练使用了就可以 后面的案例适当的可以看一下就可以。20天就可以。



「第2章」：数据分析机器学习篇

课程名称：【25041】【机器学习-Sklearn（第三版）「自由式学习」】【19天】

课程内容：待介绍





「第3章」：数据分析机器学习篇

课程名称：【28616】【9、数据分析-机器学习第一阶段「自由式学习」】【16天】

课程内容：待介绍

---考核---（可选择，联系教务老师）



「第4章」：数据分析机器学习篇

课程名称：【28617】【10、数据分析-机器学习第二阶段「自由式学习」】【16天】

课程内容：待介绍

---考核---（可选择，联系教务老师）



「第5章」：数据分析机器学习篇

课程名称：【28615】【11、数据分析-机器学习第三阶段「自由式学习」】【18天】

课程内容：待介绍



机器学习阶段，都是数据挖掘相关的应用，总共69天，这个大概两个月的三个月的时间完成，里面的应用多，难道倒不是很大。



上面三个课程讲解了机器学习中常用的回归、聚类、随即森林、决策树、集成算法等机器学习常用到的算法，

该课程应用较多，对原理讲解并非非常的深入，对于你的计划。不需要深入的推导，理解应用就可以。

这三个课程如果在学习过程中有不适应的，可以提出来更换一下另外的应用课程，先以这三个为主。

这三个课程是以实操为主的，如果想要更加深入的话，提出来可以根据情况进行添加。

---考核---（可选择，联系教务老师）



「第6章」：数据分析工具篇

课程名称：【28613】【12、数据分析-Tableau智能分析「自由式学习」】【5天】

课程内容：待介绍

---考核---（可选择，联系教务老师）



「第7章」：数据分析工具篇

课程名称：【28607】【13、数据分析-SPSS智能分析「自由式学习」】【7天】

课程内容：待介绍

---考核---（可选择，联系教务老师）



这两个工具课程就是十二天，一样的 大致了解一下 ，按部就班就可以的

上面这两个课程跟powerbi一样都是工具，里面是对这个数据挖掘一些算法封装的界面话应用，同样是以会用了解为主就可以

底层的计算模型在机器学习阶段就熟练



「第8章」：数据分析项目练习篇

课程名称：【28606】【14、数据分析-评分卡项目「自由式学习」】【6天】

课程内容：待介绍

---考核---（可选择，联系教务老师）

「第9章」：数据分析项目练习篇

课程名称：【28602】【15、数据分析-文本挖掘项目「自由式学习」】【5天】

课程内容：待介绍

---考核---（可选择，联系教务老师）



项目最好练习一下，总共十一天，在加上总结吸收和练习。15天可以的

上面的两个课程主要是对机器学习这些算法结合业务实战进行了一个实操，练习为主，因为你将来不一定是会走什么行业，所以这两个课程就是熟练一下自己的技术和业务能力为主。

机器学习想要增加一些额外的框架练习的话 到时候再提出来，会再给你进行添加。



===============章节分割线===============

【第5阶段】：大数据阶段

【监督方式】：弱监督

「第1章」：大数据理论篇

课程名称：【17036】【0、Linux基础+实操教程「自由式学习」】

课程内容：该课程主要讲解了linux的基本命令

---考核---（可选择，联系教务老师）

「第2章」：大数据理论篇

课程名称：【17026】【2、Linux定制_大数据「自由式学习」】

课程内容：该课程主要讲解了linux系统中 大数据课程常用的命令使用

---考核---（可选择，联系教务老师）



上面两章主要讲解的是大数据的前置知识 linux，但是您有足够的开发经验，那么这个linux对于您来说肯定是手到擒来，

大眼一过目录即可，就是那些常用的基础的命令。



「第3章」：大数据理论篇

课程名称：【3558】【大数据___Hadoop离线阶段「自由式学习」】

课程内容：该课程主要讲解了大数据中hadoop生态圈中的体系知识

---考核---（可选择，联系教务老师）

「第4章」：大数据理论篇

课程名称：【3562】【大数据___Kafka「自由式学习」】

课程内容：该课程主要讲解了大数据中hadoop生态圈中的kafka 消息中间键。一个组件，会使用即可

---考核---（可选择，联系教务老师）



「第4章」：大数据理论篇

课程名称：【3561】【大数据___HBase课程「自由式学习」】

课程内容：该课程主要讲解了一个NoSQL数据库，主要着重去了解HBase数据库的存储的数据的什么，看看将来是不是可以结合到自己的业务上。

---考核---（可选择，联系教务老师）



「第5章」：大数据理论篇

课程名称：【3562】【大数据___Spark课程「自由式学习」】

课程内容：该课程主要讲解了大数据中hadoop生态圈中的体系知识

---考核---（可选择，联系教务老师）

hadoop和spark两个课程主要讲解了大数据系统中的 HDFS、MapReduce思想、Hive数据仓库、sparkcore、spark on hive等知识，这个讲解的相对细致。

学多不为过，多听一下，这个以了解大数据的思想为主，可以不过多的操作，这个课程如果操作，则会在搭建上花费大量的时间，

建议，以理解大数据的编程思想为主。为之后的业务理解做技术铺垫。





【简历辅导阶段】

写出来初版的简历，然后老师进行建议，再次修改简历。简历合格，进行模拟面试。沟通面试问题等，具体事宜，到该阶段之后联系相应的教务老师进行安排。



【时间安排】：

学员可以自主安排学习时间。具体的时间可以灵活调整。

【相关规定】：

（1）每天完成今日学习任务，提交相应的csdn或者是有道云笔记之类的链接到每日作业中。老师会进行审核，每个阶段结束，进行阶段测评，测评通过，提交老师发布的通过截图到下一个课程的第一节的阶段卡点之后，方可进行下一章内容的学习。

（2）每个章节结束，如果觉得吸收比较乱，知识点多，可以进行xmind脑图的构造一下整体的思路！

（3）项目阶段，需要录制或者文档落地针对做过的项目的自述！

（4）每天必须按计划完成任务，临时有事需在日报中说明情况即可，长期请假请联系教务老师。

（5）考核不通过需要缴费补考，50元是第一次，每次增加50元，200元封顶（此项如有疑问，可以联系教务老师进行更改）。

【参考博客】：第二天早晨八点半，会有拜师晨报提醒。当中有学生优秀博客，可以查看学生的排版

【监督相关说明】：

弱监督：不需要每天提交作业，直接可以解锁课程，适合于自制力能力强的。

强监督：需要学习完一个课程通过管理员解锁才能继续学习下一个阶段，适合于自制力不够强，已经参加工作的学员。

【工作安排】：

（1）、批改作业，环境安装！还有学习过程中有不会的问题的话，艾特软件安装以及基础答疑老师！

（2）、学习过程中如果有什么问题和疑问，可以艾特答疑老师！

（3）、如果计划需要更改，可以群里艾特我和跟你电话测评沟通的老师进行沟通！

（4）、如果有什么方向上面的疑问，可以艾特相关的答疑老师和计划制定的老师！

（5）、如果不知道找哪位老师的话，或者问题比较紧急的可以艾特教务老师进行处理，或者有什么意见和建议（直接私聊教务老师）！教务老师会进行受理！