杭州千鋒教育·Python數(shù)據(jù)分析

課程大綱

Excel 商業(yè)數(shù)據(jù)分析入門

數(shù)據(jù)分析概述

數(shù)據(jù)分析發(fā)展史

數(shù)據(jù)分析對(duì)現(xiàn)代企業(yè)的重要性

數(shù)據(jù)分析在各行各業(yè)的應(yīng)用

數(shù)據(jù)分析師的日常工作

數(shù)據(jù)分析師的職業(yè)規(guī)劃

數(shù)據(jù)分析師招聘需求解讀

安裝和認(rèn)識(shí) Excel

函數(shù)和公式計(jì)算

單元格的引用

鎖定行和列

實(shí)現(xiàn)跨表引用

數(shù)學(xué)函數(shù)的使用

統(tǒng)計(jì)函數(shù)的使用

文本函數(shù)的使用

日期函數(shù)的使用

邏輯函數(shù)的使用

查找與引用函數(shù)的使用

Excel 快速上手

數(shù)據(jù)的輸入、填充和格式化

定位條件和查找替換

數(shù)據(jù)篩選和高級(jí)篩選

條件格式和排序工具

數(shù)據(jù)的合并和拆分

區(qū)域和表格的相互轉(zhuǎn)換

表格功能的使用

選擇性粘貼

文檔安全性相關(guān)設(shè)置

Excel 常用快捷鍵詳解

透視表和商業(yè)數(shù)據(jù)看板

透視表的本質(zhì)和應(yīng)用場(chǎng)景

插入和定制透視表

常用統(tǒng)計(jì)圖表及其應(yīng)用場(chǎng)景介紹

基本圖表的應(yīng)用

高階圖表的應(yīng)用

迷你圖的應(yīng)用

添加和定制切片器

Excel 項(xiàng)目實(shí)戰(zhàn)

實(shí)戰(zhàn) 1：商業(yè)數(shù)據(jù)分析看板項(xiàng)目

實(shí)戰(zhàn) 2：數(shù)據(jù)分析日?qǐng)?bào)制作

Python 語言入門

Python 環(huán)境安裝和語言基礎(chǔ)

Python 語言概述

Python 開發(fā)環(huán)境的安裝（3.8+）

PyCharm 的安裝和使用

認(rèn)識(shí)計(jì)算機(jī)和程序

注釋的使用

定義和使用變量

變量的命名規(guī)范

標(biāo)識(shí)符和關(guān)鍵字

常用數(shù)據(jù)類型

數(shù)據(jù)類型的轉(zhuǎn)換

輸入和輸出函數(shù)

常用運(yùn)算符介紹

運(yùn)算符的優(yōu)先級(jí)和結(jié)合性

循環(huán)結(jié)構(gòu)

循環(huán)結(jié)構(gòu)的應(yīng)用場(chǎng)景

for 循環(huán)和 range 函數(shù)

用 while 構(gòu)造循環(huán)

for 循環(huán)和 while 循環(huán)應(yīng)用場(chǎng)景區(qū)分

break 和 continue 關(guān)鍵字的使用

嵌套的循環(huán)結(jié)構(gòu)

分支和循環(huán)結(jié)構(gòu)的應(yīng)用

經(jīng)典編程練習(xí)

在線編程刷題

窮舉法（破解法）的應(yīng)用

綜合案例：CRAPS?

表達(dá)式和分支結(jié)構(gòu)

使用變量和運(yùn)算符構(gòu)造表達(dá)式

通過構(gòu)造表達(dá)式解決問題

分支結(jié)構(gòu)的應(yīng)用場(chǎng)景

使用 if、elif、else 構(gòu)造分支結(jié)構(gòu)

嵌套的分支結(jié)構(gòu)

使用 match、case 構(gòu)造分支結(jié)構(gòu)

字符串的應(yīng)用

字符串的定義

Pythong 中字符串的表示方式

轉(zhuǎn)義字符和原始字符串

字符串長(zhǎng)度獲取

字符串相關(guān)的運(yùn)算

字符串的常用方法

格式化字符串

不變字符串和可變字符串（StringIO）

字符集和字符編碼（編碼黑洞和亂碼問題）

正則表達(dá)式簡(jiǎn)介

Python 語言進(jìn)階

列表的應(yīng)用

容器型數(shù)據(jù)類型的應(yīng)用場(chǎng)景

列表的定義

len 函數(shù)和列表元素個(gè)數(shù)

列表相關(guān)的運(yùn)算

列表元素的循環(huán)遍歷

列表元素的添加和刪除

列表的常用方法

列表的淺拷貝和深拷貝問題

創(chuàng)建列表的生成式（推導(dǎo)式）語法

列表應(yīng)用舉例

函數(shù)使用入門

為什么要使用函數(shù)

函數(shù)的定義和調(diào)用

函數(shù)的參數(shù)（自變量）和返回值（因變量）

函數(shù)參數(shù)的默認(rèn)值

可變參數(shù)和關(guān)鍵字參數(shù)

函數(shù)的嵌套

Python 中的作用域（LEGB）

global 和 nonlocal 關(guān)鍵字的用法

元組和集合的應(yīng)用

元組的定義和使用

元組和列表的區(qū)別

元組的應(yīng)用場(chǎng)景（打包解包、變量值交換）

集合類型的特點(diǎn)

集合的定義

集合和列表的區(qū)別

集合相關(guān)的運(yùn)算

集合的常用方法

包和模塊

Python 常用內(nèi)置函數(shù)

命名沖突問題

包和模塊的概念

import 和 from 關(guān)鍵字的用法

包和模塊的別名

_i******py 文件的作用

Python 標(biāo)準(zhǔn)庫中的常用模塊

如何獲取第三方模塊

安裝和使用第三方模塊（pip 命令詳解）

字典的應(yīng)用

字典類型的應(yīng)用場(chǎng)景

字典的定義

字典對(duì)鍵和值的要求

字典的索引運(yùn)算和循環(huán)遍歷

字典的常用方法

字典應(yīng)用舉例

Python 語言應(yīng)用

函數(shù)高級(jí)用法

一等函數(shù)的概念

高階函數(shù)的概念和使用

Python 內(nèi)置函數(shù)中的高階函數(shù)

Lambda 函數(shù)的應(yīng)用

裝飾器的概念

創(chuàng)建和裝飾器函數(shù)

函數(shù)的遞歸調(diào)用

遞歸函數(shù)的優(yōu)化

Python 辦公自動(dòng)化

Python 文件讀寫

異常處理機(jī)制

Python 讀寫 Excel 文件

Excel 公式計(jì)算和圖表生成

Python 生成 Word 文檔

Python 處理 PDF 文件

面向?qū)ο缶幊谈攀?/b>

面向?qū)ο缶幊趟枷?/p>

面向?qū)ο蟮膽?yīng)用場(chǎng)景

面向?qū)ο蟮暮诵母拍睿惡蛯?duì)象）

定義類（數(shù)據(jù)抽象和行為抽象）

創(chuàng)建對(duì)象（構(gòu)造器函數(shù)）

給對(duì)象發(fā)消息（調(diào)用對(duì)象方法）

類方法和靜態(tài)方法

dir 函數(shù)的使用

用 Python 處理數(shù)據(jù)

數(shù)據(jù)的保存方式

JSON 格式

從 API 接口中獲取數(shù)據(jù)

數(shù)據(jù)的描述性統(tǒng)計(jì)信息

statistics 模塊的應(yīng)用

數(shù)據(jù)可視化

pyecharts 庫的使用

面向?qū)ο缶幊踢M(jìn)階

常用的魔法方法

運(yùn)算符重載

繼承的概念

方法重寫和多態(tài)

多重繼承和 MRO 問題

數(shù)據(jù)庫和 SQL

關(guān)系數(shù)據(jù)庫概述和MySQL 數(shù)據(jù)庫

數(shù)據(jù)庫的作用和分類

關(guān)系型數(shù)據(jù)庫的特點(diǎn)

關(guān)系型數(shù)據(jù)庫產(chǎn)品介紹

MySQL 的安裝和配置

MySQL 的命令行和 GUI 客戶端

SQL（結(jié)構(gòu)化查詢語言）簡(jiǎn)介

創(chuàng)建數(shù)據(jù)庫和二維表

MySQL 數(shù)據(jù)類型詳解

主鍵約束、默認(rèn)值約束和非空約束

窗口函數(shù)及其應(yīng)用

窗口函數(shù)語法概述

使用窗口函數(shù)解決排名問題

使用窗口函數(shù)解決 TopN 查詢問題

使用窗口函數(shù)解決同比環(huán)比問題

SQL 查詢面試題深度解析

JSON 類型和用戶標(biāo)簽查詢

表關(guān)系和 CRUD 操作

表關(guān)系和實(shí)體關(guān)系圖（ER 圖）

多對(duì)一關(guān)系的建立和外鍵約束

一對(duì)一關(guān)系的建立

多對(duì)多關(guān)系的建立和中間表

使用 insert 插入數(shù)據(jù)

使用 delete 刪除數(shù)據(jù)

使用 update 修改數(shù)據(jù)

使用 select 實(shí)現(xiàn)簡(jiǎn)單查

數(shù)據(jù)庫其他相關(guān)知識(shí)

Python 程序接入數(shù)據(jù)庫概述

三方庫 mysqlclient 和 pymysql 介紹

創(chuàng)建數(shù)據(jù)庫連接對(duì)象（Connection）

創(chuàng)建和使用游標(biāo)對(duì)象（Cursor）

獲取查詢結(jié)果的三種方式

使用批處理插入數(shù)據(jù)

生成和解讀 SQL 執(zhí)行計(jì)劃

索引的創(chuàng)建和底層數(shù)據(jù)結(jié)構(gòu)（B+ 樹）

前綴索引、復(fù)合索引、覆蓋索引

使用 DQL 授予和召回權(quán)限

視圖的概念和應(yīng)用場(chǎng)景

函數(shù)和存儲(chǔ)過程的應(yīng)用

SQL 數(shù)據(jù)查詢?cè)斀?/b>

投影、別名和運(yùn)算

數(shù)據(jù)篩選和空值處理（where 子句）

模糊查詢和通配符的使用

去重操作（distinct）

排序（order by 子句）

限制查詢數(shù)量（limit 子句）

函數(shù)的使用

分組和聚合函數(shù)（group by 子句）

分組后的數(shù)據(jù)篩選（having 子句）

嵌套查詢（子查詢）

笛卡爾積、內(nèi)連接和自然連接

左外連接、右外連接和全外連接

數(shù)據(jù)分析思維和商業(yè)智能工具

指標(biāo)和指標(biāo)體系

互聯(lián)網(wǎng)行業(yè)認(rèn)知

互聯(lián)網(wǎng)產(chǎn)品的定義和商業(yè)模式認(rèn)知

互聯(lián)網(wǎng)營(yíng)收通用公式拆解

互聯(lián)網(wǎng)產(chǎn)品和用戶的生命周期

指標(biāo)的概念和常用業(yè)務(wù)指標(biāo)

北極星指標(biāo)和伴隨指標(biāo)

指標(biāo)體系的概念和作用

如何為企業(yè)搭建指標(biāo)體系

數(shù)據(jù)規(guī)劃的 OSM 模型和 UJM 模型

Tableau 項(xiàng)目實(shí)戰(zhàn)

項(xiàng)目背景和數(shù)據(jù)介紹

使用 Tableau Prep Builder 實(shí)現(xiàn)數(shù)據(jù)清洗

數(shù)據(jù)的加載和建模

制作指標(biāo)概覽視圖

制作細(xì)分?jǐn)?shù)據(jù)統(tǒng)計(jì)圖表

儀表板的創(chuàng)建和使用

故事的創(chuàng)建和使用

Tableau Server 介紹

使用 Tableau Public 發(fā)布工作簿

數(shù)據(jù)分析方法和模型

使用對(duì)比法發(fā)現(xiàn)問題

通過拆解法縮小問題范圍

通過漏斗法定位問題環(huán)節(jié)

通過相關(guān)分析找尋業(yè)務(wù)抓手

通過象限分析進(jìn)行分群

RFM 模型用戶價(jià)值分群

AIPL 模型和運(yùn)營(yíng)三件套

AARRR 模型和 RARRA 模型

Python 數(shù)據(jù)分析工具介紹

Jupyter 的安裝和啟動(dòng)

新建和使用 Notebook

編寫和運(yùn)行代碼

Markdown 筆記和查看文檔

常用快捷鍵和魔法指令介紹

安裝和配置插件

執(zhí)行系統(tǒng)命令的方法

安裝數(shù)據(jù)分析相關(guān)三方庫

NumPy、Pandas 和 Matplotlib 初體驗(yàn)

Power BI 入門

Excel 中的 Power Query 插件介紹

從 Excel 升級(jí)到 Power BI 的理由

Power BI Desktop 的安裝

Power BI 的組成部分

Power BI 的官方網(wǎng)站和幫助功能

Power BI 功能初體驗(yàn)

輸入和連接數(shù)據(jù)

使用 NumPy 實(shí)現(xiàn)批量數(shù)據(jù)處理

創(chuàng)建 ndarray 對(duì)象

ndarray 對(duì)象的屬性

ndarray 對(duì)象的索引和切片

ndarray 對(duì)象的方法

ndarray 對(duì)象和標(biāo)量的運(yùn)算

兩個(gè) ndarray 對(duì)象的運(yùn)算

廣播機(jī)制

NumPy 中操作數(shù)組的函數(shù)

Power BI 數(shù)據(jù)清洗和建模

Power Query 編輯器的使用

更改數(shù)據(jù)類型

處理重復(fù)值和異常值

數(shù)據(jù)的排序和篩選

刪除行和列

列的合并和拆分

添加自定義列

合并和追加表數(shù)據(jù)

表關(guān)系的編輯和刪除

pandas 數(shù)據(jù)分析入門

pandas 三種核心數(shù)據(jù)類型

讀取 CSV 和 Excel 文件創(chuàng)建 DataFrame

從數(shù)據(jù)庫二維表讀取數(shù)據(jù)創(chuàng)建 DataFrame

DataFrame 對(duì)象的屬性

DataFrame 對(duì)象的常用方法

操作 DataFrame 對(duì)象的行和列

操作 DataFrame 對(duì)象的單元格

DataFrame 對(duì)象的數(shù)據(jù)篩選

DataFrame 對(duì)象的數(shù)據(jù)拼接和合并

數(shù)據(jù)清洗的概念

DataFrame 處理缺失值、異常值和重復(fù)值

DataFrame 對(duì)象數(shù)據(jù)的變形和預(yù)處理

生成虛擬變量

數(shù)據(jù)的分箱（離散化）

Power BI 數(shù)據(jù)可視化和報(bào)表制作

DAX 的概念和語法

常用 DAX 函數(shù)

度量值和計(jì)算列

常用視覺對(duì)象的介紹

調(diào)整視覺對(duì)象的外觀

從市場(chǎng)加載更多視覺對(duì)象

Power BI 編輯交互和工具提示

數(shù)據(jù)的鉆取

切片器的應(yīng)用

動(dòng)態(tài)數(shù)據(jù)單位和指標(biāo)切換

Power BI 報(bào)表設(shè)計(jì)

pandas 數(shù)據(jù)分析進(jìn)階

DataFrame 對(duì)象的數(shù)據(jù)排序和頭部值獲取

DataFrame 對(duì)象的數(shù)據(jù)分組聚合操作

生成透視表和交叉表

基于 DataFrame 對(duì)象繪制統(tǒng)計(jì)圖表

DataFrame 對(duì)象的數(shù)據(jù)抽樣

DataFrame 對(duì)象的窗口計(jì)算

計(jì)算協(xié)方差和相關(guān)系數(shù)

Index 類型及其子類型概述

時(shí)間序列和 DatatimeIndex 對(duì)象的常用方法

認(rèn)識(shí)和使用Tableau

Tableau 簡(jiǎn)介

Tableau Desktop 的安裝和功能區(qū)介紹

Tableau 連接數(shù)據(jù)源

數(shù)據(jù)類型和運(yùn)算符

表關(guān)系、表連接和數(shù)據(jù)合并

創(chuàng)建和使用工作表

可視化圖表的應(yīng)用

matplotlib 統(tǒng)計(jì)圖表繪制

Matplotlib 概述

Matplotlib 的配置參數(shù)

創(chuàng)建畫布

定制坐標(biāo)系

折線圖和面積圖

散點(diǎn)圖和氣泡圖

柱狀圖和堆疊柱狀圖

餅圖和環(huán)狀餅圖

箱線圖和小提琴圖

雷達(dá)圖和玫瑰圖

深入探索 Tableau

分層結(jié)構(gòu)和數(shù)據(jù)鉆取

數(shù)據(jù)分箱和數(shù)據(jù)桶

計(jì)算字段、函數(shù)和參數(shù)

組、集和篩選器

高級(jí)可視化圖表的應(yīng)用

參考線和參考區(qū)間

相關(guān)分析和回歸模型

時(shí)間序列分析

LOD 表達(dá)式的應(yīng)用場(chǎng)景

統(tǒng)計(jì)思維及其應(yīng)用

概率論概述

概率論和統(tǒng)計(jì)學(xué)概述

統(tǒng)計(jì)思維對(duì)數(shù)據(jù)分析師的重要性

數(shù)據(jù)和數(shù)據(jù)的分類

獲取數(shù)據(jù)的描述性統(tǒng)計(jì)信息

探索數(shù)據(jù)的分布

隨機(jī)事件、樣本空間和隨機(jī)試驗(yàn)

概率的定義

復(fù)合事件和條件概率

隨機(jī)變量的概念

期望和方差

離散型隨機(jī)變量及其分布

區(qū)間估計(jì)和方差分析

參數(shù)估計(jì)的方法

點(diǎn)估計(jì)的實(shí)施方法

區(qū)間估計(jì)的原理

應(yīng)用區(qū)間估計(jì)解決實(shí)際問題

樣本容量的確定

區(qū)間估計(jì)和假設(shè)檢驗(yàn)的聯(lián)系

方差分析的基本思路

方差分析的實(shí)施細(xì)節(jié)

中心極限定理和假設(shè)檢驗(yàn)

正態(tài)分布

數(shù)據(jù)獲取和抽樣

常用統(tǒng)計(jì)量

基于正態(tài)分布的三大分布

抽樣均值分布

中心極限定理

假設(shè)檢驗(yàn)的基本原理

z檢驗(yàn)、t檢驗(yàn)和卡方檢驗(yàn)

相關(guān)性和回歸分析

變量關(guān)系的確定

相關(guān)關(guān)系和相關(guān)系數(shù)

一元線性回歸和最小二乘法

回歸模型的驗(yàn)證

啞變量回歸

多元線性回歸

消除多重共線性

嶺回歸和邏輯回歸

時(shí)間序列分析

時(shí)間序列的基本定義

平穩(wěn)時(shí)間序列

自回歸模型

移動(dòng)平均模型

自相關(guān)移動(dòng)平均模型

ARIMA 模型

時(shí)間序列分析案例講解

機(jī)器學(xué)習(xí)算法

決策樹和隨機(jī)森林算法

決策樹算法概述

特征選擇依據(jù)

決策樹的剪枝

決策樹應(yīng)用實(shí)戰(zhàn)

決策樹模型超參數(shù)調(diào)優(yōu)

隨機(jī)森林算法

隨機(jī)森林的優(yōu)缺點(diǎn)

隨機(jī)森林超參數(shù)調(diào)優(yōu)

神經(jīng)網(wǎng)絡(luò)模型

什么是神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)機(jī)器學(xué)習(xí)對(duì)比

神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域

感知機(jī)基本結(jié)構(gòu)

激活函數(shù)和損失函數(shù)

多層神經(jīng)網(wǎng)絡(luò)模型

前向傳播和反向傳播原理

實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)模型

深度神經(jīng)網(wǎng)絡(luò)模型和深度學(xué)習(xí)

深度學(xué)習(xí)在計(jì)算機(jī)視覺中的應(yīng)用

回歸算法

回歸模型的分類

線性回歸算法原理和數(shù)學(xué)推導(dǎo)

線性回歸代碼實(shí)現(xiàn)

回歸模型評(píng)價(jià)標(biāo)準(zhǔn)

多重共線性的危害、檢驗(yàn)和避免

Ridge 回歸和 Lasso 回歸原理及應(yīng)用

梯度下降算法和極大似然估計(jì)

損失函數(shù)構(gòu)造及優(yōu)化

回歸模型的超參數(shù)調(diào)優(yōu)

多項(xiàng)式回歸

邏輯回歸的算法原理

邏輯斯蒂回歸的應(yīng)用及優(yōu)化

特征工程

數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程

特征工程概述

特征選擇方法

主成分分析（PCA）

線性判別分析（LDA）

t 分布隨機(jī)鄰域嵌入（t-SNE）

聚類算法

無監(jiān)督學(xué)習(xí)算法介紹

聚類算法的應(yīng)用場(chǎng)景

K-Means 聚類原理

簇的概念和質(zhì)心的尋找

K-Means 算法的代碼實(shí)現(xiàn)

K-Means 算法優(yōu)缺點(diǎn)和擴(kuò)展優(yōu)化

?K 值選擇和手肘法

機(jī)器學(xué)習(xí)項(xiàng)目實(shí)戰(zhàn)

信用風(fēng)險(xiǎn)評(píng)估體系

申請(qǐng)者模型、評(píng)級(jí)模型、催收模型、欺詐模型

的關(guān)系及意義

信用風(fēng)險(xiǎn)評(píng)級(jí)模型開發(fā)流程

業(yè)務(wù)場(chǎng)景定義（觀察窗口、表現(xiàn)窗口）

異常值和空值的處理

探索性數(shù)據(jù)分析（EDA）

WOE、IV 值意義及特征轉(zhuǎn)換

特征重要性評(píng)估

模型訓(xùn)練和超參數(shù)調(diào)優(yōu)

變量選擇

特征重要性評(píng)估（RFE）

IV 值檢驗(yàn)

信用評(píng)分轉(zhuǎn)換和評(píng)分卡制作

模型監(jiān)控及拒絕推斷

支持向量機(jī)

SVM 算法原理和數(shù)學(xué)推導(dǎo)

幾何間隔和拉格朗日乘子法

線性核函數(shù)的應(yīng)用及優(yōu)化

線性核函數(shù)的斜率和截距

高斯核函數(shù)應(yīng)用及優(yōu)化

SVC 分類算法應(yīng)用及調(diào)參

SVR 回歸算法應(yīng)用及調(diào)參

軟間隔與硬間隔

數(shù)據(jù)倉庫和大數(shù)據(jù)挖掘

Linux 系統(tǒng)概述

Linux 操作系統(tǒng)簡(jiǎn)介

Linux 的常用發(fā)行版本介紹

常用 SSH 客戶端工具介紹

Linux 系統(tǒng)命令講解

Linux 系統(tǒng)常用工具

Linux 系統(tǒng)軟件和服務(wù)的安裝和管理

Vim 和 Shell 腳本編寫

PySpark 大數(shù)據(jù)分析

Spark 架構(gòu)與核心組件

RDD、DataFrame、Dataset

Spark 本地環(huán)境和集群環(huán)境

安裝與配置 PySpark

數(shù)據(jù)讀取和基本操作

數(shù)據(jù)清洗和轉(zhuǎn)換

使用 Spark SQL 執(zhí)行復(fù)雜任務(wù)

PySpark MLlib 的應(yīng)用

PySpark Streaming 和實(shí)時(shí)數(shù)據(jù)處理

數(shù)據(jù)倉庫基礎(chǔ)

數(shù)據(jù)倉庫概述

數(shù)據(jù)倉庫分層架構(gòu)

維度建模和關(guān)系建模

星型模型和雪花模型

ETL 流程和相關(guān)工具

使用 Python+pandas 實(shí)現(xiàn) ETL 流程

增量 ETL 實(shí)現(xiàn)方案

數(shù)據(jù)倉庫的存儲(chǔ)優(yōu)化和安全管理

數(shù)據(jù)倉庫項(xiàng)目實(shí)戰(zhàn)

項(xiàng)目需求與目標(biāo)

數(shù)據(jù)源介紹

企業(yè)級(jí)數(shù)據(jù)倉庫設(shè)計(jì)

數(shù)據(jù)加載和準(zhǔn)備

使用 Hive 進(jìn)行數(shù)據(jù)查詢與分析

Spark SQL 與 Hive 整合

查詢性能優(yōu)化

BI 工具接入和數(shù)據(jù)可視化

Hive 實(shí)戰(zhàn)

Hadoop 大數(shù)據(jù)生態(tài)圈概述

安裝和配置 Hive 環(huán)境

配置和初始化 Hive 元數(shù)據(jù)庫

啟動(dòng)和驗(yàn)證 Hive

HiveSQL 語法和數(shù)據(jù)類型

創(chuàng)建數(shù)據(jù)庫和表

加載數(shù)據(jù)到 Hive 表

Hive 查詢操作

分區(qū)表和分桶表

管理表和外部表

Hive 常用內(nèi)置函數(shù)

Hive 性能優(yōu)化

大模型應(yīng)用和AI 智能體開發(fā)

大模型概述和本地化部署

大模型及其發(fā)展史概述

大模型基本原理和架構(gòu)（Transformer）

大模型的應(yīng)用領(lǐng)域、優(yōu)勢(shì)和挑戰(zhàn)

商業(yè)和開源大模型對(duì)比

大模型私有化部署概述

部署大模型的硬件需求

Ollama 介紹

Ollama 安裝和模型導(dǎo)入

Ollama 相關(guān)命令介紹

Ollama API 的使用

使用 FastAPI 部署 Ollama 可視化界面

LangChain 框架入門

LangChain 概述

LangChain 核心模塊

使用 Pipeline

代理（Agents）與工具（Tools）機(jī)制介紹

LCEL 的應(yīng)用

LangChain 調(diào)用本地 LLM

提示詞工程

提示詞的基本概念

提示詞結(jié)構(gòu)與格式

提示詞的上下文設(shè)置

如何設(shè)計(jì)有效的提示詞

基礎(chǔ) Prompt：Few-shot、Zero-shot、CoT

高級(jí) Prompt：ReAct、ToT、Program-aided

提示詞調(diào)優(yōu)工具

設(shè)計(jì)并優(yōu)化提示詞生成特定內(nèi)容

RAG 和大模型微調(diào)

RAG 的概念與應(yīng)用場(chǎng)景

向量數(shù)據(jù)庫概述

通過 LangChain 實(shí)現(xiàn)基礎(chǔ) RAG 流程

結(jié)合 Embedding 模型優(yōu)化檢索

高級(jí) RAG 優(yōu)化

RAG+LangChain Agents 結(jié)合

RAG 的性能評(píng)估與優(yōu)化指標(biāo)

微調(diào)與適配層（PEFT、LoRA）

使用 Hugging Face Trainer 進(jìn)行 SFT

低秩適配（LoRA）優(yōu)化大模型微調(diào)的成本

大模型開發(fā)工具庫 transformers

transformers 庫是什么

transformers 核心功能模塊

大模型開發(fā)環(huán)境搭建

Hugging Face 數(shù)據(jù)集

模型訓(xùn)練基類（Trainer）

訓(xùn)練參數(shù)與超參數(shù)配置（TrainingArguments）

模型訓(xùn)練評(píng)估庫（Hugging Face Evaluate）

transformers 預(yù)訓(xùn)練模型

大模型高效微調(diào)技術(shù)（PEFT）

LangChain 實(shí)戰(zhàn)

Agents 的基本原理（LLM+ 計(jì)劃 + 記憶 + 工具）

AI 應(yīng)用架構(gòu)與系統(tǒng)設(shè)計(jì)

OpenAI Function 調(diào)用

LangChain 工具

ReAct 與 Self-Refine Agent 實(shí)現(xiàn)

讓 Agents 具備長(zhǎng)期記憶

AI 銷售助理 / 智能客服助手項(xiàng)目實(shí)戰(zhàn)

Dify 的部署和應(yīng)用

Dify 的概念和核心功能

使用 Dify 平臺(tái)部署模型

如何可視化構(gòu)建 AI Agent

數(shù)據(jù)集管理

Workflow 自動(dòng)化

結(jié)合 LangChain 優(yōu)化 AI Agent 能力

Dify 與其他工具集成

其他智能體開發(fā)框架和工具概述

就業(yè)指導(dǎo)和模擬面試

就業(yè)期的技術(shù)和心理準(zhǔn)備

數(shù)據(jù)分析師的硬實(shí)力和軟技能

數(shù)據(jù)挖掘工程師的技能棧

如何成為一個(gè)優(yōu)秀的職業(yè)人

就業(yè)期的心理準(zhǔn)備和心態(tài)調(diào)整

自我介紹話術(shù)指導(dǎo)

面試流程和注意事項(xiàng)

校招面試流程解析

社招面試流程解析

高頻面試題回答技巧

如何回答開放式問題

如何避開面試中的坑

面試后的總結(jié)和復(fù)盤

職業(yè)規(guī)劃的相關(guān)問題

入職第一周注意事項(xiàng)

如何制作一份優(yōu)質(zhì)的簡(jiǎn)歷

數(shù)據(jù)分析師簡(jiǎn)歷要點(diǎn)

數(shù)據(jù)挖掘工程師簡(jiǎn)歷要點(diǎn)

簡(jiǎn)歷排版注意事項(xiàng)

簡(jiǎn)歷制作常見問題剖析

STAR 法則的應(yīng)用

如何給簡(jiǎn)歷做標(biāo)注稿

網(wǎng)投簡(jiǎn)歷的注意事項(xiàng)和投遞方法