面向范围

CDA LEVEL III ——企业数字化发展中必备的高级数据分析方法与技术

适用人群

1. 业务岗与技术岗从事数据分析、数据挖掘、机器学习等技术在职提升者。
2. 从事算法科学、深度学习等工作的科研人员、分析师与工程师等。

岗位去向

• 高级数据分析师、机器学习工程师、算法工程师、数据科学家、首席数据官等

考试内容涵盖

◆ PART 1 数据挖掘概论（占比 10%）

• 数据挖掘概要（2%）
• 数据挖掘方法论（2%）
• 基础数据挖掘技术（3%） 
• 进阶数据挖掘技术（3%）

◆ PART 2 高级数据处理与特征工程（占比 15%）

• 高级数据处理（3%）
• 特征工程概要（1%）
• 特征建构（2%）
• 特征选择（3%）
• 特征转换（3%）
• 特征学习（3%）

◆ PART 3 自然语言处理与文本分析（占比 10%）

• 自然语言处理概要（占比 1%）
• 分词与词性标注（占比 2%）
• 文本挖掘概要（占比 1%）
• 关键词提取（占比 2%）
• 文本非结构数据转结构（占比 4%）

◆ PART 4 机器学习算法（占比 30%）

• 正则化的回归模型（2%）
• 决策树（分类树及回归树）（5%）
• 支持向量机（1%）
• 集成方法（9%）
• 聚类分析（4%）
• 关联规则（3%）
• 序列模式（1%）
• 模型评估（5%）

◆ PART 5 数据挖掘实战（占比 10%）

• Pipeline（2%）
• 类别不平衡问题（4%）
• 模型优化与调参（4%）

◆ PART 6 深度学习算法（占比 13%）

• 感知机（1%）
• BP 神经网络（3%）
• 卷积神经网络（Convolutional Neural Networks, CNN）（2%）
• 循环神经网络（Recurrent Neural Networks, RNN）（2%）
• 优化算法（2%）
• 深度学习中的正则化（2%）
• 自编码器与表示学习（1%）

◆ PART 7 大语言模型与人工智能(NLP)（占比 12%）

• 注意力机制与Transformer（3%）
• 大语言模型及其应用（5%）
• 微调与知识学习（3%）
• Agent（1%）