【3340】【安然】

【个人情况】：工商管理专业，本科，已经工作五六年。目前从事新媒体运营相关工作。希望提高数据分析能力，能够学完后转行找到相关的工作。编程和数据分析都是零基础学习。

【学习目标】：学习编程和数据分析转行就业

【备注】：

【学习方向】：Python数据分析

【是否需要就业】：是

【目标就业地点】：天津

【课程学习顺序】：以老师发的学习思路为主

（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」】

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」】

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）

上面两个都是偏向于理论思路的，都是讲到了数据分析在几个行业的结合，并且也介绍了在数据分析内部会使用到什么，以及如何去使用。你可以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

（如果听的不太理解可以跳过直接看python阶段哈）



===============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」】

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」】

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）



===============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」】

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】：强监督

「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」】

课程内容：等待介绍文本

---考核---（可选择，联系教务老师）

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

 

「第2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」】

课程内容：这个是常用的工具

---考核---（可选择，联系教务老师）

 

「第3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」】

课程内容：统计学中常用的概念讲解，理论理解为主

---考核---（可选择，联系教务老师）

 

===============章节分割线===============

【第5阶段】：数据分析机器学习阶段

【监督方式】：强监督

「第1章」：机器学习基础篇

课程名称：【3211】【机器学习算法基础（基础机器学习课程）「解锁式学习」】

课程内容：机器学习基础算法的讲解，偏向于实现，对底层原理没有进行过多的阐述。

---考核---（可选择，联系教务老师）

「第2章」：机器学习工具篇

课程名称：【24941】【机器学习-Sklearn（第三版）「解锁式学习」】

课程内容：该课程主要讲解了经典算法决策树、随机森林、特征工程数据预处理、经典算法降维算法PCA、逻辑回归、聚类算法KMeans、支持向量机SVM、线性回归、朴素贝叶斯、 XGBoost及其相关案例

---考核---（可选择，联系教务老师）

「第3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」】

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」】

课程内容：待介绍

---考核---（可选择，联系教务老师）

 

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。

【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！