【公告】CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新h...
×
CDA数据科学研究院
CDA考试中心
CAIE认证
CDA网校
企业服务
CDA社区
CDA竞赛
CDA技术答疑
CDA俱乐部
CDA论坛
关于CDA
App下载
登录
注册
登录
注册
首页
课程中心
数据科学
人工智能
学术量化
全部课程
>>>上线日志
>>>课程分类
公开课
直播课
就业课试听
国外公开课
行业公开课
数据圈子
CDA数字化能力提升计划
CDA考试专区
CDA会员专区
CDAS峰会
SQL答疑专区
会员专区
会员中心
会员课程
线下面授
CDA数据分析脱产就业班（试听）
CDA LEVEL | 数据分析周末班（试听）
CDA LEVEL || 商业分析周末班（试听）
CDA LEVEL ||| 机器学习周末班（试听）
CDA证书
CDA介绍
CDA大纲
CDA题库
CDA教材
CDA专访
CDA考试专区
CDA备考攻略
登录
注册
全部课程
考试证书
CDA证书
CDA 教材
CDA 模拟题
CDA 会员活动
CDA 会员专访
CDA证书
面试题库
数据分析题库
数据治理题库
人工智能题库
数据分析题库
数据治理题库
人工智能题库
公开课
公开课
CDA课程试听
CDAS峰会视频
CDA大咖汇
CDA体验课
CDA直播课
行业公开课
新零售行业
医疗行业
数据中台
金融行业
汽车行业
电商行业
自动驾驶
国外公开课
公开课
行业公开课
数据科学
新职位
数据科学家
数据分析师
业务数据分析师
大数据工程师
机器学习工程师
商业数据分析师
微专业
数据科学专栏
案例微课
人力资源
工具安装
Excel基础
SQL数据库
R语言
Python
Python爬虫
Python自动化
统计学
业务分析
数据思维
可视化
BI 商业智能
数据运营
用户画像
互联网运营
Linux
Hadoop
Hive
ETL工具
PySpark
数学基础
数据挖掘/机器学习
空间地理数据处理
数据治理
数字化转型
区块链
金融商业数据分析
数据要素
新职位
微专业
人工智能
微专业
深度学习基础
NLP自然语言处理
CV计算机视觉
SR语音识别
TensorFlow
PyTorch
微专业
学术量化
学术
Python
金融
Stata
SSCI/SCI
DSGE
SPSS
DID专题
内生性
社会网络分析
量化投资
量化
量化投资分析师
学术
量化
首页
课程中心
数据科学
人工智能
学术量化
全部课程
>>>上线日志
>>>课程分类
公开课
直播课
就业课试听
国外公开课
行业公开课
数据圈子
CDA数字化能力提升计划
CDA考试专区
CDA会员专区
CDAS峰会
SQL答疑专区
会员专区
会员中心
会员课程
线下面授
CDA数据分析脱产就业班（试听）
CDA LEVEL | 数据分析周末班（试听）
CDA LEVEL || 商业分析周末班（试听）
CDA LEVEL ||| 机器学习周末班（试听）
CDA证书
CDA介绍
CDA大纲
CDA题库
CDA教材
CDA专访
CDA考试专区
CDA备考攻略
CDA数据分析师®考试 LEVEL II 辅导课（2025新版）
第131任务： 决策树1
查看课程
任务列表
第1任务： CDA认证体系讲解1
第2任务： CDA认证体系讲解2
第3任务： 量化策略分析内容介绍1
第4任务： 量化策略分析内容介绍2
第5任务： 2.1 数据化指标概述
第6任务： 2.2 获客类指标
第7任务： 2.3 营销类指标
第8任务： 2.4 预警类指标
第9任务： 2.5 产品类指标
第10任务： 2.6 运营指标体系设计(Excel示例)
第11任务： 1.1.1 如何定位用户
第12任务： 1.1.2 业务指标与用户标签的关系-1
第13任务： 1.1.2 业务指标与用户标签的关系-2
第14任务： 1.1.3 用户标签与用户画像的关系
第15任务： 1.1.4 用户标签的类型
第16任务： 1.1.5总结和例题讲解
第17任务： 1.2.1用户标签的制作方法
第18任务： 1.2.2总结和例题讲解
第19任务： 1.3.1 用Python做用户画像的基础知识-1
第20任务： 1.3.2 用户画像在诊断阶段中的应用
第21任务： 1.3.3总结和例题讲解
第22任务： 2.1.1市场研究中的数据
第23任务： 2.1.2 概率抽样方法-1
第24任务： 2.1.2 概率抽样方法-2
第25任务： 2.1.3 非概率抽样方法
第26任务： 2.1.4总结和例题讲解
第27任务： 2.2.1市场调研流程和目标设定
第28任务： 2.2.2市场调研前准备和实施
第29任务： 2.2.3总结和例题讲解mp4
第30任务： 2.3.0引言
第31任务： 2.3.1 单变量描述性统计
第32任务： 2.3.2 两变量描述性统计
第33任务： 2.3.3 制图原理_1
第34任务： 2.3.3 制图原理_2SPSS作图
第35任务： 2.3.3 制图原理-3Python作图
第36任务： 2.3.4总结和例题讲解
第37任务： 2.4.1 数据预处理基本步骤
第38任务： 2.4.2 错误和离群值数据识别与处理
第39任务： 2.4.3 分类变量概化处理
第40任务： 2.4.4 缺失值处理
第41任务： 2.4.5 噪声平滑
第42任务： 2.4.6 连续变量分布形态转换和标准化
第43任务： 2.4.7 变量降维和WoE
第44任务： 2.4.8总结和例题讲解
第45任务： 3.1 数据分类
第46任务： 3.2 数据建模
第47任务： 3.3 数据仓库体系和ETL
第48任务： 3.4总结和例题讲解
第49任务： 4.1.1 分析框架
第50任务： 4.1.2 样本与总体
第51任务： 4.1.3 参数估计-1
第52任务： 4.1.3 参数估计-2
第53任务： 4.1.4 总结和例题讲解
第54任务： 4.2.1 假设检验的示例
第55任务： 4.2.2 假设检验基本概念
第56任务： 4.2.3 假设检验的基本步骤和配对样本T检验
第57任务： 4.2.4 AB测试优化法
第58任务： 4.2.5 总结和例题讲解
第59任务： 4.3.1 两样本t检验
第60任务： 4.3.2 方差分析
第61任务： 4.3.3 相关分析
第62任务： 4.3.4 卡方检验
第63任务： 4.3.5 总结和例题讲解
第64任务： 4.4.1 一元线性回归模型
第65任务： 4.4.2线性回归的参数估计
第66任务： 4.4.3 一元逻辑回归模型
第67任务： 4.4.4 逻辑回归极大似然估计法
第68任务： 4.4.5 总结和例题讲解
第69任务： 5.1.1 矩阵分析法
第70任务： 5.1.2主成分分析的理论基础
第71任务： 5.1.3主成分分析的计算步骤
第72任务： 5.1.4 主成分分析的应用
第73任务： 5.1.5-8因子分析
第74任务： 5.1.9主成分题目讲解
第75任务： 5.1.10因子分析题目讲解
第76任务： 5.2.1-3线性回归-1
第77任务： 5.2.4线性回归-2
第78任务： 5.2.5-5.2.7线性回归-3
第79任务： 5.2.8总结和试题讲解
第80任务： 5.3.1-5.3.4逻辑回归-1
第81任务： 5.3.5 逻辑回归-2
第82任务： 5.3.6逻辑回归-3试题讲解mp4
第83任务： 5.4.1 聚类方法的基本逻辑
第84任务： 5.4.2 系统聚类法
第85任务： 5.4.3-4k-means聚类-1
第86任务： 5.4.3-4k-means聚类-2
第87任务： 5.4.5聚类事后分析
第88任务： 5.4.6聚类试题讲解
第89任务： 5.5.1 宏观业务指标预测框架
第90任务： 5.5.2 趋势分解法
第91任务： 5.5.3 ARIMA方法-1
第92任务： 5.5.3ARIMA方法-2
第93任务： 5.5.4 时间序列回归
第94任务： 5.5.5时间序列考题讲解
第95任务： 6.0引言
第96任务： 6.1.1&6.1.2 启动程序阶段和业务事件还原工具
第97任务： 6.1.3 业务流程图及习题
第98任务： 6.2.1近因分析
第99任务： 6.2.2根本原因分析
第100任务： 6.2.3根因分析试题讲解
第101任务： 6.3.1业务优化框架和运筹优化
第102任务： 6.3.5&6.3.6 知识库与策略库和基于业务流程的优化
第103任务： 二级课件资料.zip
第104任务： 分类模型的评估方法
第105任务： 数据科学的基本概念1
第106任务： 数据科学的基本概念2
第107任务： 数据挖掘的技术与方法1
第108任务： 数据挖掘的技术与方法2
第109任务： 数理统计技术
第110任务： 1Python介绍
第111任务： 2Python基础数据类型与表达式
第112任务： 3Python原生态数据结构
第113任务： 4Python控制流
第114任务： 5Python函数
第115任务： 6Python模块
第116任务： 7使用pandas读写数据
第117任务： 1背景介绍
第118任务： 2描述性分析-1对被解释变量进行描述
第119任务： 3描述性分析-2对解释变量进行描述1
第120任务： 4描述性分析-3对解释变量进行描述2
第121任务： 4统计推断与假设检验2
第122任务： 5建立预测模型-1单变量显著度检验
第123任务： 6建立预测模型-2无交互项的线性模型
第124任务： 7建立预测模型-3有交互项的线性模型和预测
第125任务： 4统计推断与假设检验1
第126任务： 模板1预习课程1：线性回归算法概述与变量筛选
第127任务： 模板1预习课程2：线性回归优化与正则化
第128任务： 模板1预习课程3：逻辑回归变量筛选、编码
第129任务： 案例 个人贷款信用风险评级全流程
第130任务： Python编程基础-课件和脚本.zip
第131任务： 决策树1
第132任务： 决策树2
第133任务： 决策树-课件和脚本.zip
学
习
中
心
TOP
工作时间：9:00-19:00
陈老师微信：aiu_cda1
