高薪数据分析师培训课程

一、Excel

1）数据分析工具EXECL入门介绍
  2）数据透视表演练 
  3） 数据处理
  4） EXECL报告自动化
  5） PPT报告数据自动化

二、Visio

1）流程图visio入门介绍
  2）案例1：基本流程图演练 
  3）案例2：跨职能流程图演练 
  4）案例3：UML模型图演练 
  5）案例4：数据库、数据流模型图演练

三、Xmind

1）思维导图xmind入门介绍 
  2）案例1：项目计划导图演练 
  3）案例2：拼车APP功能导图分析演练

四、 PPT

1）办公PPT入门介绍
  2）案例演示

1）什么是数据可视化
  2）如何用图表讲故事 
  3）Tableau发展历程 
  4）Tableau家族产品
  5）Tableau产品优势 
  6）Tableau Desktop安装配置 
  7）Tableau的导航与菜单 
  8）Tableau设计流程最佳实践 
  9）Tableau数据类型与文件  
  10）Tableau数据源初探 
  11）数据源深入 

12）工作表 
  13）Tableau中的函数与计算 
  14）Tableau高级分析与项目实战 
  15）Tableau中的排序与筛选器 
  16）Tableau中的参数 
  17）Tableau图表分析 
  18）Tableau地图绘制与图像 
  19）Tableau仪表盘和故事 
  20）项目一_教育网站指标评估 
  21）项目二_网站用户行为分析 
  22）项目三_零售行业进销存分析

1）数据可视化概述 
  2）什么是数据可视化 
  3）经典可视化案例 
  4）大数据可视化的价值 
  5）数据可视化工具、案例、书籍 
  6）Echarts概述 
  7）Echarts特性介绍 
  8）如何快速上手开发一个Echarts可视化图表 
  9）如何阅读Echarts官方文档 
  10）Echarts学习必备基础知识

11）Echarts3.x与Echarts2.x的区别  
  12）Echarts基础架构与常见名词术语 
  13）Echarts标准开发模板   
  14）十大常见图表 
  15）Echarts图表高级 
  16）北上广最佳前10航行路线图 
  17）豆瓣最新热映电影排名分析 
  18）图表适用场景 
  19）数据可视化方法 
  20）数据可视化误区

一、数据挖掘基础内容讲解

1）数据挖掘初探之功能介绍
  2）excel基础知识及应用示范 
  3）Oracle数据库安装及应用示范 
  4）数据预处理（excel+Oracle） 
  5）预测算法-线性回归 
  6）分类算法 
  7）关联算法 
  8）聚类算法 
  9）最优化求解 

二、SPSS MODELER数据挖掘

1）SPSS Modeler 下载安装及常规数据操作
  2）SPSS Modeler数据探索及分析
  3）SPSS Modeler图形探索及分析
  4）SPSS Modeler回归分析建模
  5）SPSS Modeler逻辑分析建模
  6）RFM介绍、建模及模型应用 
  7）SPSS Modeler分类
  8）SPSS Modeler关联分析
  9）SPSS Modeler聚类分析

一、回归分析

1）logistic回归
  2）基础与常用字段

二、logistic回归

1）logistic回归原理
  2）logistic回归 - 银行信用违约贷款案例

三、聚类分析

1）聚类原理
  2）回归与聚类案例

四、SVM支持向量机

1）SVM原理
  2）银行案例 - svm模型

五、决策树和提升算法

1）决策树原理
  2）决策树算法ID3、CART、C45
  3）决策树C5.0、CART树案例
  4）提升原理 - 随机森林、bagging、bosting
  5）提升算法案例

1）数据分析概念、作用和步骤
  2）数据分析方法论 
  3）数据分析常用方法

4）数据图表讲解
  5）数据关键指标讲解 
  6）数据分析报告讲解

一、商业需求与文档撰写格式技巧（BRD）

1）行业分析-PEST宏观环境的分析
  2）项目背景——利用黄金圆圈学会问为什么，探寻为什么，最大的挑战就是成功 
  3）你会学到：如何谈论项目进度，如何描述项目阶段的起始和终止日期 
  4）学习预测未来，确定要达到的目标，估计会碰到的问题，并提出实现目标、解决问题的有效方案、方针、措施和手段的过程的方法 
  5）关注企业在市场中与用户的关系 
  6）收益、成本、风险及对策

二、市场需求分析与文档撰写技巧（MRD）

1）如何构建用户画像、理解用户行为，真正理解用户需求
  2）理解市场需求描述、市场规模定义 
  3）利用SWOT分析法来确定企业自身的竞争优势、竞争劣势、机会和威胁，从而将公司的战略与公司内部资源、外部环境有机地结合起来的一种科学的分析方法 
  4）市场需求的经典案例

一、竞品分析

1）什么是竞品
  2）为什么要分析竞品 
  3）在什么地方做出差异化 
  4）竞品分析的方法与流程 
  5）实例一：大米先生餐饮App项目的竞品分析（完整流程及方法展示） 
  6）实例二：支付产品：支付宝 vs 微信支付（侧重战略、战术、产品定位分析）

二、热门各互联网行业 APP分析

1）2016年互联网行业投资热点及融资分布
  2）2016年互联网行业热点概述（VR、文体娱乐、大数据、移动营销、移动出行、移动社交、移动支付、在线教育、在线 
  医疗、手机游戏）
  3）在线视频APP：爱奇艺 
  4）拍摄美化神器APP：美拍 
  5）手机轻电台应用APP：荔枝FM vs 懒人听书
  6）在线音乐APP：网易云音乐 
  7）在线体育APP：虎扑体育 
  8）文化新闻APP：今日头条 vs 凤凰新闻
  9）在线阅读APP：书旗小说 
  10）文艺应用APP：ONE 
  11）移动出行APP：UBER 
  12）移动社交APP：陌陌 
  13）在线翻译APP：网易有道词典 
  14）女生助手APP：美柚 
  15）移动社交APP：探探

一、需求分析与管理

1）需求的定义、本质和分类
  2）学习需求分析包括需求的获取、分析、规格说明、变更、验证、管理的一系列需求工程的方法 
  3）学习需求分析指需求的分析、定义过程 
  4）KANO模型定义了三个层次的顾客需求:基本型需求、期望型需求和兴奋型需求 
  5）需求优先级的定义 
  6）需求工作量估算、需求变更、需求的管理工具

二、产品需求文档撰写格式与技巧（PRD）

1）产品需求文档PRD的整体结构介绍
  2）产品原型的设计 
  3）需求文档质量评估标准 
  4）PRD相关案例剖析

1、关系型数据库介绍

2、MySQL的基本操作:
        1）数据库的操作
        2）数据表的操作 
        3）备份与恢复 

3、常用的SQL语句: 
        1）查询语句(SELECT)
        2）插入语句(INSERT)
        3）更新语句(UPDATE)
        4）删除语句(DELETE)

4、高级查询语句:
        1）聚合函数
        2）分组查询
        3）联合查询
        4）连接查询
        5）子查询

5、高级应用:
  1）视图 
  2）索引 

6、数据可视化管理：SQLyog

1、数据挖掘概述与数据
  2、可视化与多维数据分析（实践课） 
  3、分类器与决策树 
  4、其他分类器 
  5、决策树的应用（实践课） 

6、关联分析
  7、购物车数据分析（实践课） 
  8、聚类算法 
  9、聚类算法C#源代码实现（实践课） 

一、数据挖掘项目管理基础与思想

1）课程规划
  2）DM项目的生命周期与建设过程 
  3）CRISP-DM详解 
  4）DM项目实际建设与管理过程 
  5）DM团队组成与能力素养 

二、感性认识SPSS Modeler

1）SPSS MODELER软件基础
  2）MODELER节点概要 
  3）MODELER数据流实例解读 

三、必备的统计学基础

1）简单的统计学概念
  2）常用的分布函数 
  3）统计学基础的其它补充 

四、数据准备与预处理

1）数据质量与样本管理
  2）MODELER变量管理 
  3）MODELER分析管理 

五、常用模型的数学思想与思考

1）数据挖掘知识类型
  2）模型过程思想 
  3）回归分析思想与建模解释 
  4）回归分析建模解释（续） 
  5）决策树思想与建模解释 
  6）回归与决策树增补 
  7）神经网络思想与建模解释 
  8）SVM思想与建模解释 
  9）聚类思想与建模解释 
  10）关联思想与建模解释

六、项目案例解析

1）信用风险评估
  2）经营辅助决策 

1)浅谈Python爬虫
  2)爬虫利器
  3)初窥Scrapy爬虫 
  4)命令行工具 
  5)Item容器

6)Spiders爬虫
  7)Selector选择器
  8)Pipeline管道 
  9)middleware中间件 
  10)Scrapy爬虫拓展

1）机器学习的任务和方法
  2）Python语言基础 
  3）Python语言基础2 
  4）分类算法介绍 
  5）k-临近算法 
  6）决策树 
  7）基于概率论的分类方法：朴素贝叶斯 
  8）Logistic回归 
  9）支持向量机 
  10）第利用AdaBoost元算法提高分类性能

11）利用回归预测数值型数据
  12）树回归 
  13）无监督学习 
  14）利用K-均值聚类算法对未标注数据分组 
  15）使用Apriori算法进行关联分析 
  16）使用FP-growth算法来高效发现频分项集 
  17）利用PCA来简化数据 
  18）利用SVD简化数据 
  19）大数据与MapReduce 
  20）学习总结

1)python数据分析库
  2)机器学习定义 
  3)回归 
  4)决策树

5)SVM支持向量机
  6)聚类分析+贝叶斯 
  7)EM-HMM-LDA-ML

1)R语言基础
  2)循环语句 
  3)function函数 
  4)apply系列高级循环
  5)建模前数据处理
  6)回归
  7)logistics回归
  8)knn算法
  9)KNN综合案例
  10)聚类原理
  11)聚类综合案例
  12)谱系聚类

13)朴素贝叶斯原理
  14)贝叶斯案例
  15)关联分析
  16)时间序列
  17)R语言决策树
  18)R语言C5.0案例
  19)R语言部分包java问题
  20)R语言回归树和模型树
  21)R语言提升模型
  22)Rboosting+随机森林
  23)R语言svm

1)SAS入门、课程内容介绍
  2)SAS安装 
  3)SAS编程基础 
  4)Base SAS基础
  5)SAS数据获取及数据集操作：set、by、output、put、file等
  6)SAS变量操作：keep、drop、retain等

7)data步循环与控制
  8)全程控制语句
  9)SAS输出控制
  10)SAS数据汇总与展现
  11)SAS SQL
  12)SAS宏语言

1.方差分析

2.因子分析

3.聚类分析

4.对应分析

5.典型相关分析

6.联合分析

1.列联表分析

2.逻辑回归

3.广义线性模型

4.logistic回归

5.多类别logit模型

6.配对数据的模型

7.随机效应：广义线性混合模型

1.结构方程模型

2.结构方程模型简介

3.验证性因子分析和全模型

4.单纯形和多组模型

5.结构方程建模和分析步骤

6.拟合指数

7.路径分析原理

1.多层统计分析模型概述

2.线性多层模型基础

3.两水平线性多层模型应用

4.发展模型

5.离散型结局测量的多层统计分析模型

1.微积分基础知识

2.矩阵分析基础知识

3.概率统计基础知识

4.运筹学基础知识

5.统计学基本概念

6.描述统计

7.统计推断

一、机器学习概述

1）什么是机器学习

二、监督学习

1）逻辑回归
  2）softmax分类
  3）支持向量机SVM
  4）决策树
  5）随机森林
  6）GBDT
  7）集成学习
  8）贝叶斯 9）EM算法

三、非监督学习

1）高斯混合模型
  2）聚类
  3）PCA
  4）密度估计
  5）LSI
  6）LDA

四、数据处理与模型调优

1）特征提取
  2）数据预处理
  3）数据降维
  4）模型参数调优
  5）模型持久化
  6）模型可视化

1.使用计算机执行贝叶斯推断

2.了解PyMC

3.MCMC的黑盒子

4.大数定律

5.损失函数

6.主观与客观先验

7.贝叶斯AB测试

8.关于预测的两类核心算法

9."岩石vs水雷"数据集的特性

10.基于因素变量的实数值预测

11.预测模型的构建：平衡性能、复杂性以及大数据

12.惩罚线性回归模型

13.使用惩罚线性方法来构建预测模型

14.集成方法

15.用Python 构建集成模型

1.AI的产生及主要学派

2.人工智能、专家系统和知识工程

3.实现搜索过程的三大要素

4.搜索的基本策略

5.图搜索策略

6.博弈与搜索

7.演化搜索算法

9.群集智能算法

9.记忆型搜索算法

10.基于Agent的搜索

11.知识表示与处理方法

12.谓词逻辑的归结原理及其应用

13.非经典逻辑的推理

14.次协调逻辑推理

1、Java语法基础

2、类和对象

3、字符串

4、Java实用类

5、集合与泛型

6、面向对象三大特性

7、接口与抽象类

8、Java异常

1.数据结构和算法概述

2.数组、链表、队列、栈等线性表

3.二叉树、BST、AVL树及二叉树的递归与非递归遍历

4.B+树

5.跳表

6.图、图的存储、图的遍历

7.有向图、无向图、懒惰与积极的普利姆算法、克鲁斯卡尔算法及MST、单源最短路径问题及Dijkstra算法

8.并查集与索引式优先队列、二叉堆

9.遗传算法初步与TSP问题

10.内部排序（直接插入、选择、希尔、堆排序、快排、归并等）算法与实践中的优化

11.外部排序与优化（文件编码、数据编码、I/O方式与JVM特点、多线程、多路归并等）

12.哈希表、Trie树、倒排索引、分布式索引初步（Map-Reduce）

1.Linux系统概述

2.系统安装及相关配置

3.Linux网络基础

4.OpenSSH实现网络安全连接

5.vi文本编辑器

6.用户和用户组管理

7.磁盘管理

8.Linux文件和目录管理

9.Linux终端常用命令

10.linux系统监测与维护

  一、hadoop：

1）Hadoop起源、体系结构以及生态圈介绍
  2）Hadoop安装 
  3）Windows平台下Eclipse环境搭建 
  4）HDFS体系结构 
  5）HDFS SHELL API介绍
  6）HDFS Java API介绍
  7）Hadoop 2.x HDFS新特性
  8）YARN体系结构 
  9）MR编程模型介绍 
  10）Map-Reduce编程实例：WordCount 
  11）MR数据类型讲解 
  12）MR输入格式讲解 
  13）MR输出格式讲解 
  14）案例：自定义输入、输出格式使用 
  15）MR Shuffle组件讲解
  16）案例：二次排序 
  17）组合MR任务介绍 
  18）MR任务多数据源连接介绍 
  19）案例：倒排索引

  二、zookeeper：

20）Zookeeper起源、体系结构介绍
  21）Zookeeper安装 
  22）Zookeeper Shell命令
  23）Zookeeper Java API
  24）Zookeeper案例：分布式环境中实现共享锁

三、hbase： 

25）HBase起源、体系结构以及数据模型介绍
  26）HBase安装 
  27）HBase Shell命令
  28）HBase Java API
  29）HBase协处理器介绍 
  30）HBase和MapReduce整合 
  31）HBase案例：二级索引的创建

  四、hive：

32）Hive起源、体系结构介绍
  33）Hive安装 
  34）Hive Shell命令上
  35）Hive Shell命令下
  36）Hive函数

  五、hue：

37）Hue简介

  六、Oozie：

38）Oozie简介
  39）Oozie安装 
  40）Oozie案例 
  41）Oozie Java客户端
  42）Oozie Hue整合

七、Flume： 

43）Flume介绍以及安装
  44）Flume案例介绍上 
  45）Flume案例介绍下 
  46）Flume自定义Source 
  47）Flume自定义Interceptor

八、Sqoop： 

48）Sqoop介绍与安装
  49）Sqoop案例介绍上 
  50）Sqoop案例介绍下

九、Kafka： 

51）Kafka介绍与安装
  52）Kafka案例

十、MR扩展： 

53）MapReduce案例：最短路径算法
  54）MapReduce案例：PageRank算法 
  55）MapReduce案例：社交好友推荐算法

一、项目需求介绍：

1）需求分析

二、用户行为数据收集模块实现讲解：

3）JavaSDK数据收集引擎编写
  4）JSSDK数据收集引擎编写

三、数据分析模块实现讲解：

5）用户数据etl操作一
  6）用户数据etl操作二 
  7）新增用户和总用户分析 
  8）活跃用户分析 
  9）活跃会员分析 
  10）新增会员和总会员分析 
  11）会话分析 
  12）Hourly分析 
  13）浏览器PV分析 
  14）公用代码提取 
  15）地域信息分析 
  16）外链信息分析 
  17）MapReducer代码优化 
  18）DimensionConverter相关服务设计 
  19）用户浏览深度分析 
  20）事件分析 
  21）订单分析 
  22）MR和Hive任务Oozie部署

四、数据展示模块讲解：

23）DataApi后台框架搭建
  24）用户基本信息数据展示 
  25）浏览器基本信息数据展示 
  26）地域信息数据展示 
  27）用户浏览深度数据展示 
  28）外链数据展示 
  29）事件数据展示 
  30）订单数据展示以及项目总结

1）Python与金融应用概述
  2）Python的基本数据类型与数据结构 
  3）Python数据可视化 
  4）金融时间序列分析 
  5）输入输出操作

6）提升Python效率
  7）数学工具 
  8）随机分析 
  9）统计分析 
  10）数值分析技术

11）使用Python操作Excel
  12）Python面向对象编程与图形用户界面 
  13）金融中的大数据技术概述 
  14）案例1：使用Python构建期权分析系统 
  15）案例2：使用Python构建简单的算法交易系统

1）业务系统介绍
  2）Hadoop入门 
  3）Hadoop部署进阶 
  4）大数据导入与存储

5）Hbase理论及实战 
  6）保险数据分析与统计推断 
  7）数据分析与统计推断结果的展示（大数据可视化）

一、教务管理系统业务介绍

1）教务管理系统框架讲解
  2）系统业务逻辑介绍

二、大数据需求分析

1）明确数据需求
  2）大数据分析过程
  3）分析难点和解决方案
  4）大数据相关技术选型

三、构建分布式大数据框架

1）Hadoop分布式集群配置
  2）ZooKeeper高可用
  3）SQOOP数据转移
  4）ETL数据清洗
  5）HIVE数据分析
  6）HBase数据存储

四、基于教务管理系统大数据分析

1）业务数据分析指标设定
  2）操作MapReduce分而治之
  3）使用Hive进行数据整合抽离
  4）使用HBase存储非结构话数据

五、大数据可视化

1）可视化技术选型
  2）Echarts代码展示炫酷视图
  3）使用Tableau进行数据可视化展示

一、实践项目研发

1）开发环境的安装配置
  2）表与数据
  3）LARAVEL的快速开发实践
  4）批量创建模型
  5）万能控制器与表配置
  6）统一视图的创建

二、数据分析需求设立

1）定义数据需求
  2）分析计算过程
  3）分析难点和解决方案
  4）大数据技术选型

三、大数据平台搭建

1）分布式环境的模拟建立
  2）网络环境的调通
  3）身份验证与集群控制
  4）Hadoop环境搭建和要点说明
  5）HIVE数据分析
  6）MapReduce与Yarn的搭建和说明

四、大数据分析脚本编写

1）MapReduce脚本编写
  2）拆解数据需求
  3）Map逻辑详写
  4）Reduce逻辑详写
  5）结果整理与输出

五、结果可视化

1）可视化需求和技术选型
  2）展示页面的快速铺设
  3）可视化JS上手
  4）使用可视化JS展示结果

一、系统业务介绍

1）底层业务实现框架讲解
  2）功能模块讲解

二、系统架构设计

1）总体架构分析
  2）数据流向
  3）各技术选型承载作用
  4）部署方案

三、详尽实现

1）原始数据处理
  2）ETL数据导入
  3）MR数据计算
  4）Hive数据分析

四、数据可视化

1）采用Highcharts插件展示客户偏好曲线图
  2）使用Tableau进行数据分析可视化展示

五、项目优化

1）ZooKeeper实现HA
  2）集群监控的整体联调

一、分析系统业务逻辑讲解

1）大数据基站定位智能推荐商圈分析系统介绍
  2）数据前期清洗和数据分析目标指标的设定等

二、大数据导入与存储

1）关系型数据库基础知识
  2）hive的基本语法
  3）hive的架构及设计原理
  4）hive安装部署与案例等
  5）Sqoop安装及使用
  6）Sqoop与关系型数据库进行交互等
  7）动手实践

三、Hbase理论及实战

1）Hbase简介、安装及配置
  2）Hbase的数据存储与数据模型
  3）Hbase Shell
  4）Hbase 访问接口
  5）Hbase数据备份与恢复方法等
  6）动手实践（数据转储与备份）

四、基站数据分析与统计推断

1）背景与分析推断目标
  2）分析方法与过程推断
  3）动手实践（分析既定指标数据）

五、数据分析与统计推断结果的展示（大数据可视化）

1）使用Tableau展示数据分析结果
  2）使用HighCharts、ECharts展示数据分析结果

  第一篇 项目管理基础

1.基础与导读

2.战略管理

3.项目、群、组合与资源

4.项目选择方法

  第二篇 体系解读与应用实践

5.项目管理过程组

6.十大知识领域

7.项目策划、定义方法与实践

8.项目资源预估方法及实践

9.项目网络方法及实践

10.风险管理方法及实践

11.合同管理方法及实践

12.质量管理方法及实践

13.全局方法及实践

  一、订单模块：

1)多模块的业务状态跟踪处理的方式
  2)如何处理多模块循环引用、交叉引用的问题

  二、仓储模块 ：

1)如何灵活的预留功能扩展。

三、成本核算管理： 

1)如何动态的组装所需成本项。

  四、编号生成器：

1)生成不重复的流水号，并支持各业务生成单独的流水号。
  2)生成不同格式要求，不同生成算法的流水号 
  3)对不同的文号生成进行缓存 
  4)实现业务工作量监控，比如新增业务量达到阀值，暂停收取新业务等

  五、消息模块：

1)如何设计消息交互模块
  2)如何处理交互报文

  六、权限模块：

1)如何实现API和SPI分离设计
  2)如何设计公共级别的接口，并提供足够的灵活性进行扩展

一、程序员向架构师转型：

1）整体课程概述
  2）架构设计基本概念和架构师角色剖析 
  3）软件架构过程以及架构师的视点和视角 
  4）程序员如何向架构师成功转型

二、软件架构体系结构：

1）软件架构体系结构概述
  2）架构风格之分发-订阅风格、管道-过滤器风格、Map-Reduce风格等 
  3）架构模式之基本模式、对象- 关系行为模式、Web表现模式、分布模式等
  4）架构模型之概念模型、领域模型、设计和代码模型等

三、架构设计：

1)领域驱动设计
  2)类与框架设计 
  3)微服务架构设计

1）Spark的前世今生
  2）课程介绍、特色与价值 
  3）Scala编程详解：基础语法 
  4）Scala编程详解：条件控制与循环 
  5）Scala编程详解：函数入门 
  6）Scala编程详解：函数入门之默认参数和带名参数 
  7）Scala编程详解：函数入门之变长参数 
  8）Scala编程详解：函数入门之过程、lazy值和异常 
  9）Scala编程详解：数组操作之Array、ArrayBuffer以及遍历数组 
  10）Scala编程详解：数组操作之数组转换

11）Scala编程详解：Map与Tuple
  12）Scala编程详解：面向对象编程之类 
  13）Scala编程详解：面向对象编程之对象 
  14）Scala编程详解：面向对象编程之继承 
  15）Scala编程详解：面向对象编程之Trait 
  16）Scala编程详解：函数式编程 
  17）Scala编程详解：函数式编程之集合操作 
  18）Scala编程详解：模式匹配 
  19）Scala编程详解：类型参数 
  20）Scala编程详解：隐式转换与隐式参数 
  21）Scala编程详解：Actor入门

1）Spark初识入门
  2）Spark核心RDD
  3）Spark Core
  4）Spark高阶应用

1）商业智能的概念及初步体验
  2）SSIS整体及常用对象概述 
  3）SSIS控件 
  4）SSIS表达式 
  5）SSIS实战 
  6）SSAS-前言及MDX基础 
  7）SSAS-MDX基本查询 
  8）SSAS-MDX基础函数 
  9）SSAS-MDX导航函数 
  10）SSAS-经典MDX语句

11）SSAS-开发多维数据库
  12）SSAS-度量值详解 
  13）SSAS-KPI, 与多维数据集的交互和其他
  14）SSAS-创建ADM_BF_SSAS以及小结 
  15）WEB报表-项目回顾以及搭建web框架 
  16）WEB报表-权限系统 
  17）WEB报表-使用ADOMD.NET 
  18）WEB报表-功能分析 
  19）SRS-前言 
  20）SSRS-基础报表

一、理论讲解部分：

1.商业智能系统的发展
  2.数据仓库的主要术语解析 
  3.如何设计数据仓库

二、项目实战部分：

1. 操作性数据库的准备和分析
  2.创建数据库、时间维度表 
  3.编写存储过程为时间维度表添加数据 
  4.建立其他维表 
  5.分析操作型数据库中的数据情况、确定分区和粒度、建立事实表 
  6.增加Gender维度,GZYS维度,Age维度并添加数据 
  7.Extract, Transform, Load-Sp框架搭建及编写
  8.ODS表 
  9.修改调试ETL的存储过程 
  10.加入校验机制并完善ETL

1）区块链的发展
  2）课程安排

3）学习目标

1）数据层 创世区块 交易记录 私钥，公钥和钱包地址 
  2）数据层 & 通讯层 记账原理 Merkle 树和简单支付验证（SPV） P2P通讯 数据通信和验证 
  3）共识层
  4）激励层 拜占庭将军问题与POW Pos DPos PBFT 挖矿 交易费 图灵完备和非完备

5）合约层 比特币脚本 以太坊智能合约 fabic智能合约 RPC远程调用
  6）应用层 
  7）总结 接口调用 DAPP的使用 应用场景的部署 重要概念和原理

1）以太坊 以太坊介绍 以太坊开发过程 图形界面客户端使用 供应链的应用   保险领域的应用 DAO的介绍和应用 
  2）以太坊 以太坊本地开发环境的搭建 以太坊分布式集群环境的搭建

3）hyperledger项目fabric介 fabric介绍 fabric本地开发环境搭建 fabric分布式集群环境搭建

1）案例讲解 支付和清结算 公益行业的应用 供应链的应用 保险领域的应用 DAO的介绍和应用 
  2）Demo介绍 发币和交易Demo

3）Demo介绍   数据资产的确权和追溯

1）数据的清洗与合成
  2）K线图绘制

3）技术指标开发讲解
  4）数据的获取

1）回测框架搭建背景及基本流程讲解

2）回测框架实现及收益指标讲解

1）CTP技术讲解 
  2）程序化API讲解

3）程序化交易具体实现讲解

1）团队协作

2）心态管理

3）目标管理

4）时间管理

5）学习管理

6）沟通能力

7）项目管理