BI推荐商品
BI推荐新闻
BI推荐短视频
BI推荐拼车路线
BI推送饮食
匹配派送路线
BI揭示“发生了什么”,如运营情况到底是好还是坏?
BI揭示“为什么发生”, 如利润环比下降10%的原因?
BI揭示“将要发生什么”,如明年公司业绩将会是多少?
1、具备5年以上大型企业HRBP工作经验,有支持互联网业务经验优先;
2、具备一定的信息收集、分析、综合应用能力;
3、熟悉人力资源各大模块,遇到问题时能够快速准确做出专业判断和决策
1、4年及以上用户增长或TO C互联网平台产品运营经验,本科及以上学历;
2、有相对成熟的用户增长思维,善于数据研究分析,有具体项目落地经验;
3、和各部门横向沟通,以项目制形式推动产品升级迭代和用户增长项目落地
1、有1年以上大型互联网/IT领域OR猎头高端人才招聘经验;
2、对数据敏感,能进行简单的数据分析;
3、定期整理招聘数据,进行汇报
1、3年以上支付公司备付金管理相关从业经历;
2、有企业头寸管理和司库管理经验优先;
3、有较强的数据分析能力,思维活跃,细致认真,责任心强
数据来源:人社部发布的《新职业一大数据工程技术人员就业景气现状分析报告》
预计2023年中国大数据行业的人才需求规模将达到250万,2025年前大数据人才需求仍将保持30%-40%的增速,需求总量在3000万人左右
几乎所有的行业都会应用到数据,BI商业数据分析师可以在各个领域就业
几乎所有的行业都会应用到数据,BI商业数据分析师可以在各个领域就业
数据分析工作必须报以认真严谨的态度,女生的性格从事数据分析是非常适宜的
职友集数据:2023年全国数据分析师平均工资超过¥19.8K,其中20K-30K工资的占比最多,达20.7%
数据维护 数据分析师 大数据工程师 数据开发架构师 数据治理 数据挖掘工程师 BI工程师 ……
财务分析 风控建模 行业研究 量化建模 产品经理 用户研究 运营分析 市场策略分析 销售 广告媒体 人力资源 ……
不限专业,零基础小白也能学,文科生、大专生均可学习
推出时下热门的FineBI商业智能大屏可视化教程,贴近企业用人需求
全日制班(学习周期:1.5个月,5课时/天),定制班(学习周期:3个月)
6周快速学习课程,助你成为BI商业可视化分析师,性价比超高
入学即签订推荐就业协议,享受专业就业指导
科学的人才培养体系
助你晋升职场“薪”贵
复合场景学习方式
全方位辅助学习
多阶段性职业规划
未来由你掌控
直播必修+录播辅修
讲师精讲答疑
企业实现
虚拟仿真实训平台
业务驱动项目实战
定期评测
课程测试+阶段测试
结业考试+毕业答辩
全程伴学
N对1专属答辩群
日作业讲解点评
独家资料
闪卡工具书+电子小抄书
项目手册+面试集锦
面试模拟
直击面试重难点
专项突击式训练
培训目标 | 了解数据分析师的工作职责并为自己树立职业目标 | |||
掌握数据分析思维、了解基础的数据分析方法,为后继商业数据分析打下基础 | ||||
掌握基础的Excel操作,为后继更加高级的Excel分析打下基础 | ||||
数据分析师先导篇 | 1.数据分析的概念 | 4.数据分析的三大误区 | ||
2.数据分析的作用 | 5.数据分析师的发展和职业要求 | |||
3.数据分析六部曲 | 6.数据分析师的职业素质 | |||
商业数据分析与数据思维 | 1.商业数据分析与数据分析的区别 | 4.数据分析师必备技能 | ||
2.从数据治理看数据分析师的职责 | 5.为什么数据思维很重要? | |||
3.数据分析师职位画像 | 6.数据思维到底是什么? | |||
数据分析思维 | 1.数据思维基本功01-目标导向 | 5.数据思维基本功05系统思维 | ||
2.数据思维基本功02客观严谨 | 6.数据思维基本功06-业务思维 | |||
3.数据思维基本功03指标思维 | 7.数据思维基本功07-用户思维 | |||
4.数据思维基本功04逻辑思维 | 8.数据思维基本功08如何培养数据分析思维 | |||
Excel数据分析基础课 | 1.Excel行列操作 | 4.Excel中的数据验证 | ||
2.Excel 基本筛选 | 5.Excel中的合并计算 | |||
3.Excel的常用函数 | 6.Excel的函数进阶 | |||
GPT(专题一)GPT扫盲课程 | 1.GPT简介、行业应用、环境搭建与上手体验 | GPT实操:如何不被马斯克炒掉? | ||
2.GPT为什么这么火 | GPT实操:让GPT帮你写求职信 | |||
3.GPT的国外的发展与应用及未来趋势 | 如何自己动手注册GPT帐号 | |||
4.GPT国内的发展与应用及未来趋势 | GPT使用中的高频报错警告及解决办法 | |||
5.GPT究竟替代了哪些人的工作? | 如何防止帐号被OpenAI禁用,坑与经验 |
培训目标 | 针对初级数据分析师的职位发展要求来培训 | |||
Excel数据处理与分析实战 | 1.用Excel实现数据清洗和转化 | 6.数据展现之利用Power View实现高级透视表 | ||
2.用Excel之PowerQuery实现数据转换和清洗 | 7.数据展现之利用PowerMap实现bing地图 | |||
3.数据分析和建模(powerquery/power pivot) | 8.宏与VBA | |||
4.数据展现之基本统计图介绍及简单制作 | 9.Excel解决某公司财务报表动态生成 | |||
5.数据展现之利用Excel实现基本数据透视表 | ||||
GPT(专题二)Excel+GPT项目实战 | 简介GPT技术 | 解释如何使用GPT结合Excel进行数据预处理和文本生成 | ||
数据预处理 | Excel中数据的导入和清洗/描述如何使用GPT进行自动化数据清洗和处理 | |||
文本生成 | 描述如何使用GPT进行自然语言生成展示如何使用GPT生成的文本嵌入到Excel中 | |||
应用场景 | 探索GPT在数据预处理和文本生成方面的应用场景 分析GPT与Excel结合的优势和局限性 |
|||
最佳实践和案例分析 |
分享一些GPT与Excel结合的最佳实践和成功案例 介绍如何评估GPT与Excel的效果,并提出改进意见 |
|||
应用展示 |
展示一个GPT与Excel结合的实际应用场景, 并分析其关键步骤和注意事项 |
|||
总结与展望 | 总结GPT与Excel结合的优势和局限性 展望未来GPT与Excel结合应用的更多机会 |
|||
Excel高手修炼之路 | 1.Excel VBE环境配套及宏代码 | 4.Excel VBA高手进阶 | ||
2.Excel VBA小试牛刀 | 5.Excel VBA案例实战 | |||
3.Excel VBA快速上手 | Power BI商业数据可视化分析 | |||
Power BI商业数据可视化分析 | 1.微软Power BI简介 | 7.power bi和Excel的配合 | ||
2.通过power pivot报告快速上手power bi | 8.数据的刷新 | |||
3.Power BI Desktop界面介绍和数据导入整理 | 9.仪表板的制作原则 | |||
4.Power BI Desktop建立数据分析模型 | 10.常用可视化图表介绍 | |||
5.Power BI Online Service (在线版)特有功能 | 11.Power BI之巧用地图 | |||
6.Power BI Online Service 报告的分享与写作 | ||||
GPT(专题三)如何训练GPT专业提示词编写技巧方法与实战 | GPT提示词是什么 | 定义GPT提示词GPT提示词的用途 | ||
如何编写好的GPT提示词 |
确定目标受众、使用合适的语言风格遵循文本生成的最佳实践 小心使用敏感话题和表述、考虑多样性和包容性、对提示词进行精细修改 |
|||
编写时需要注意的问题 |
坚持一致性和连贯性、减少重复和歧义、避免过度拟合数据 处理特殊情况,如意外输入、测试和优化提示词 |
|||
最佳实践示例 |
展示一些好的GPT提示词的例子、分析为什么这些提示词效果好 提供可供参考的模板和指导 |
|||
深入了解GPT提示词技术 | 探索更高级的技术和方法 分析GPT提示词技术未来的发展方向 |
|||
项目实战:基于Power BI 实现抖音达人新媒体分析 | 日热分析 |
不同热词在不同时期内的上榜次数、点赞数等/上榜次数较多的热词 /上榜数量较多的标题/视频详清/博主活跃度情况及评论转化情况等 |
||
博主分析 |
博主所在排行榜情况分析/博主表现形式领域数量情况分析 /博主所拥有的粉丝情况及星座情况分析/博主所在地域分析等 |
|||
涉及知识点 |
1理论+业务+数据分析思维+数据分析工具 2. 本项目大量的使用到了Power BI专业的M函数,包括但不限于: 逆透视自定义函数、切片器、地图及各种热门图表报表。 |
|||
GPT(专题四)如何训练GPT辅助你完成数据分析报告撰写 | 概述GPT技术及预备知识 |
分享如何使用GPT辅助数据分析报告的撰写 数据清理和文本预处理的基本方法、数据分析报告的组成结构和要素 |
||
数据清洗、文本预处理文本生成和报告撰写 |
描述数据清理和文本预处理的基本方法,如何使用GPT数据清洗和预处理 使用GPT生成自然语言文本 |
|||
实际案例分析 |
分享一些使用GPT辅助数据分析报告撰写的实际案例 探讨如何使用GPT改善数据分析报告的质量和效率 |
|||
最佳实践和注意事项 |
总结GPT在数据分析报告中的应用优势和不足,提供一些最佳实践和 注意事项,帮助学员更好地应用GPT完成数据分析报告撰写 |
|||
利用Tableau进行自助式商业分析 | 1.tableau安装 | 6.tableau数据可视化案例 | ||
2.数据字段管理 | 实战:利用Tableau进行电商产品分析 | |||
3.函数与公式计算 | 实战:利用Tableau进行客户分析 | |||
4.图表制作 | 实战:利用Tableau进行营销效果分析 | |||
5.仪表盘制作 | 实战:利用Tableau进行商品评论分析 | |||
GPT(专题五)GPT项目实战BI+GPT项目实战 | 简介GPT技术 | BI数据分析的应用场景和挑战 | ||
GPT与BI的初步操作 | 讲解如何使用GPT结合BI工具进行数据预处理和文本生成 | |||
GPT与BI的应用场景 | 探索GPT在BI数据分析中的应用场景/分析GPT与BI工具结合的优势和不足 | |||
借助GPT改善BI数据分析报告 |
描述如何使用GPT生成自然语言报告 如何将生成的文本应用于BI数据分析报告的撰写和呈现 |
|||
应用案例 |
分享—些GPT辅助BI数据分析的实际案例 探讨如何使用GPT改善BI数据分析的效率和质量 |
|||
总结与展望 | 总结GPT在BI数据分析中的应用优势和局限性 展望未来GPT在BI数据分析领域的更多机会和挑战 |
|||
利用SQL进行复杂数据分析 | 1.初识MySql (安装MySql、使用CMD登录等) | 10.行列转换、视图与存储过程、应用子查询处理业务 | ||
2.缺失值处理:对缺失数据行进行删除或填充 | 11.业务数据表关联查询及查询 | |||
3.重复值处理:重复值的判断与删除 | 12.结果纵向融合、日常业务需求数据宽表构建 | |||
4.异常值处理:清除多余的空格和极端、异常数据 | 13.窗口分析函数及案例实战 | |||
5.利用SQL进行简单的业务数据查询 | 14.SQL中利用正则表达式进行数据抽取 | |||
6.利用SQL完成复杂条件查询 | 15.利用SQL解析Json格式的数据 | |||
7.利用多表关联完成复杂业务查询 | 16.MySQL8新语法特性(CTE表达式/ON/USING) | |||
8.利用嵌套子查询完成复杂业务数据分析 | 17.跨表更新 | |||
9.聚合、分组、排序函数 | 18.MySQL企业面试题讲解 | |||
GPT(专题六)如何让GPT成为你的贴身学习助理 | 训练GPT成为你的AI学习助手 |
查找资料,解释代码,提供解题思路与方法……不懂就问, 有问必答,24小时不知疲惫,贴心陪伴 |
||
训练GPT成为你的学习陪练 | 利用GPT自练、自测。它出题你来答,你出题它来答。你回答它评判,科学评估,让你随时了解自己的学习状况与学习效果 | |||
训练GPT成为你的学习顾问+AI学习教练 |
私人定制学习计划科学指导 训练纠错、评估与总结 |
|||
SQL项目实战:亿级电商网站流量指标SQL数据分析 | 项目简介 |
项目借分析“淘宝用户行为数据集”为案例,梳理一遍的数据分析技能。 本项目通过对“淘宝用户行为数据集”全过程的分析展示数据分析的全过程 -使用工具:MySQL, Excel, Navicat, PowerBI -数据来源:阿里天池实验室淘宝用户行为数据集 -数据量级:百万级 |
||
涉及知识点 |
1.SQL统计分析函数、SQL关联多表查询 2.SQL自定义函数与视图 3. 分析类型:描述分析,诊断分析 4.分析方法:漏斗分析,用户路径分析 5.RFM用户价值分析,活跃/存留分析 6帕累托分析,假设验证分析 |
|||
SQL性能优化精讲(选修) | 1.为什么需要进行SQL优化? | 5.SQL多表关联的优化 | ||
2.mysql的编写过程和解析过程 | 6.SQL查询的优化 | |||
3.SQL引擎的运行原理 | 7.SQL的其他优化注意事项 | |||
4.索引的原理与索引优化 | ||||
FineBI国产商业智能 & FineReport报表开发 | 1.FineBI国产商业智能概述 | -FineBI与FineReport的整合应用及整合案例分享 | ||
2.FineBI国产商业智能高级技巧 | -FineBI和FineReport的整合应用场景与优势 | |||
3.ineBI综合项目实战(旅游/物流可视化大屏制作) | -FineBI和FineReport的数据互通技巧与实例 | |||
4.FineReport报表开发概述 | 综合实战01: 某科室医护患比月度趋势分析 | |||
5.FineReport数据决策分析 | 综合实战02: 国家标配与现状对比分析 | |||
-初识FineReport/FineReport多报表设计&数据 | 综合实战03: 病床利用率达标及某科室月度趋势分析 | |||
分析计算/FineReport可视化制作&大屏概述及制作 | 综合实战04: 住院收入月度趋势分析 | |||
项目实战:基于FineBI实现的金融数据分析 | 任务一、风险分析 | 任务三、资产负债分析 | ||
1.1风险指标分析 1.2贷款不良率分析 1.3贷款五级分类清况分析 1.4项目小结 |
3.1资产结构分析 3.2负债及所有者权益分析 3.3项目小结 |
|||
任务二、效益分析 | 任务四、股票走势分析 | |||
2.1企业营业收入分析 2.2企业营业支出分析 2.3项目小结 |
4.1股票走势分析 4.2未来趋势分析 4.3项目小结 |
|||
GPT(专题七)SQL+GPT项目实战 | GPT和SQL简介 |
GPT和SQL的定义 GPT和SQL的主要应用领域 |
||
GPT在ETL数据中的应用 | 描述ETL数据工程的流程\引入GPT解决编写SQL语句的挑战\GPT的优势和局限性 | |||
如何训练GPT生成SQL提示语 |
准备SQL语句数据集 对数据进行预处理和嵌入 训练GPT模型 微调模型以优化结果 |
|||
如何使用GPT辅助编写SQL语句 |
定义输入格式、输入样例并从模型中获取输出 解择输出并将其转换为相应的SQL语句、消除歧义和错误 |
|||
实例演示 |
演示一个使用GPT编写SQL语句的实例 分析该实例的关键步骤和注意事项 |
培训目标 | 通过对主流的数据思维数据分析方法、数据分析体系及主流行业的商业运行指标等 | |||
训练学员数据思维能力,发现问题分析问题及解决问题的能力 | ||||
学完后胜任的工作岗位 | 业务数据分析师 电商数据分析师 运营数据分析师 | |||
从产品思维到-数据思维数据分析转变篇 | 1.中小企业的决策常态 | 11.数据分析的场景 | ||
2.中小企业的数据困顿 | 12.数据分析的能力模型 | |||
3.数据分析的目的 | 13.依据时间维度 | |||
4.是什么在支撑产品设计 | 14.依据空间维度 | |||
5.是什么在支撑产品运营 | 15.依据综合维度 | |||
6.是什么在支撑产品迭代 | 16.对比分析法 | |||
7.企业想要的数据分析师 | 17.分类分析法 | |||
8.解决方案的梯度 | 18.分布分析法 | |||
9.DMAIC的概念 | 19.相关分析法 | |||
10.DMAIC的流程展开 | ||||
数据人必须了解的数据埋点技术 | 1.数据人必须了解的数据埋点技术概述 | 5.数据埋点技术 | ||
2.数据埋点简介 | 6.数据埋点流程 | |||
3.数据埋点分类 | 7.数据埋点方案设计 | |||
4.主流的数据上报技术 | 8.数据埋点案例 | |||
干货:神策数据埋点体系搭建方法与实践经验分享 | 1.课程背景简介 | 4.如何规范埋点业务 | ||
2.理解埋点采集对数据分析的重要性 | -确认埋点业务的组织架构和关键决策人 | |||
3.如何高效准确地实现埋点设计 | -埋点业务职能角色以及工作流程 | |||
-埋点设计思路与方法/埋点采集方式和触发时机 | -埋点采集全流程总览 | |||
数据分析师核心能力指标体系搭建 | 1.指标与指标体系 | 5.如何搭建指标体系1) OSM模型 | ||
2.为什么需要指标与指标体系 | 2) AARRR 模型 3) UJM 模型 | |||
3.如何读懂数据指标 | 4) MECE原则 5)北极星法 | |||
4.数据指标体系搭建实例 | ||||
用户画像与数据分析经典指标、模型剖析 | 1.SW2H模型 | 9.什么是标签体系 | ||
2.PEST模型 | 10.数据类型的场景 | |||
3.SWOT模型 | 11.如何定义标签 | |||
4.PSM模型 | 12.四阶用户画像 | |||
5.产品运营类指标 | 13.用户画像的意义 | |||
6.产品会员类指标 | 14.用户画像的微观示例 | |||
7.成本控制类指标 | 15.用户画像的标签建设 | |||
8.收益控制类指标 | ||||
数据分析师必须了解的电商运营分析工具“生意参谋” | 生意参谋是什么? 1) 提升店铺分析目标寻找机会 | 5)服务视窗:服务体验、咨询看板、退款看板 | ||
生意参谋怎么用? | 6)实时:实时榜单 | |||
1)主页-实时概况 2)主页-店铺排名 | 7)流量:看板、访客人数、访客分析、特征分布 | |||
3)运营视窗(1)-整体、流量看板、转化看板 | 8)品类-宏观监控 服务-体验诊断售后评价 | |||
4)运营视窗(2)-内容看板、竞争情报 | 总结数据分析面试时面试官喜欢问的数据参谋问题 | |||
数据化运营 | 1.运营的江湖地位 | 6.规避运营黑天鹅 | ||
2.内容运营基础 | 7.数据化运营的探索创新 | |||
3.活动运营基础 | 8.互联网运营的进阶之路 | |||
4.用户运营基础 | 9.如何创建一支运营团队 | |||
5.数据化运营本质 | ||||
行业竟品分析与数据可视化报告撰写 | 1.什么是竞品分析 | 7.数据可视化的对比与分类 | ||
2.为什么要做竞品分析 | 8.数据可视化图表举例 | |||
3.无目的有目的的竞品分析 | 9.数据可视化应用领域 | |||
4.结论的呈现 | 10.数据可视化步骤&工具梯度 | |||
5.数据可视化的概念 | 11.图表呈现流程 | |||
6.数据可视化的意义 | 12.数据报告撰写 | |||
实战:O2O电商平台功能优化效果评估及可视化数据分析报告撰写 | 1.了解电商业务背景 | |||
2.以客户分析为应用场景,对数据进行加载、清洗、分析及模型建立 | ||||
3.以货品分析为应用场景,针对品类销售及商品销售进行分析 | ||||
4.以流量分析为应用场景,针对流量渠道及关键词做有效分析 | ||||
5.根据业务实际背景做舆情分析 | ||||
6.将分析结果及建议制成报告进行发布 | ||||
GPT(专题八)如何借助GPT高效完成毕业设计 | 如何借助GPT选择一个合适的主题 | GPT可以帮助您生成有关许多不同主题的文章或段落。如果您需要一些启发,您可以与GPT进行对话,以获取一些可能感兴趣的主题 | ||
如何借助GPT收集相关文献资料及找寻相关数据 | GPT也可以帮助您搜索和解析大量的文献资料。您可以通过与GPT交谈来获得有关所选主题的最新研究和发现,还能帮助您了解该主题背景信息。 | |||
如何借助GPT建立自己的模型 | 如果您的毕业设计涉及机器学习或自然语言处理等领域,则可以使用GPT作为基础,对其进行微调,以创建自己的模型。这将需要一些编程技能,但GPT会为您提供必要的API和示例代码。 | |||
如何借助GPT对毕业设计作品进行测试和评估 | 完成模型后,您需要对其进行测试和评估。这将需要一些数据集和度量标准。您可以与GPT交谈,以获取有关如何正确评估模型性能的建议和指导。 | |||
借助GPT撰写毕设 | 过程中如何向GPT询问技术难点,如何向GPT询问业务流程,如何向GPT询问编写数据分析报告 |
学完后胜任的工作岗位 | ETL数据工程师、数据挖掘工程师(基础岗)、数仓开发工程师(基础岗) | |||
数据仓库基础教程 | Part-01 : 数仓扫盲 | Part-02: 认识数仓 | ||
1)什么是数据仓库 | 1)从曲型的数据工作流程看数仓工作内容与地位 | |||
2)数仓的用途--数仓要解决的问题 | 2)数仓经典架构、数仓发展历史、数仓分层设计 | |||
3)数仓涉及的技术 | Part-03: 数仓未来发展趋势 | |||
4)数仓涉及的职位 | 1)数据湖&数据中台 | |||
5)消除几个对数仓的误解 | 2)湖仓—体 | |||
ETL工具利用Kettle进行数据转换与处理 | Part-01 : ETL扫盲 | Part-03: 使用Kettle对数据进行处理 | ||
什么是ETL? /为什么需要ETL/ETL工作内容 | 1)Kettle处理csv格式的数据/Excel格式的数据 | |||
ETL工程师的技术与能力要求/如何去做ETL | 2)Kettle处理关系型数据库数据 | |||
Part-02: Kettle快速上手 | 3)利用Kettle进行数据清洗 | |||
1)什么是Kettle | 4.1null值处理 4.2重复值处理 | |||
2)Kettle的安装与配置 | 4.3异常值处理 4.4过滤与分组排序 | |||
3)Kettle快速上手体验 | ETL综合案例:职位分析与人才画像之构建城市数据字典 | |||
SPSS与SPSS Modeler数据建模分析 | 1.课程规划与简介 | 6.商业分析基础简介 | ||
2.数据挖掘项目生命周期 | 7.回归模型/决策树模型 | |||
3.简单必备的统计学基础 | 8.支持向量机 | |||
4.用Modeler进行数据挖掘 | 9.聚类模型 | |||
5.数据挖掘的知识类型 | 10.关联规则 | |||
数据挖掘项目实战银行客户信用评分卡建模分析 | 涉及技术 |
1)数据预处理:数据审核、缺失值处理特征变量构建、数据分箱 2)单因素分析:卡方检验、方差分析 3)预测建模:分类模型基本概念、Logistic回归模型、决策树模型等常用模型 4)模型评估:分类模型常用评估指标、混淆矩阵、正确率、召回率 5)金融行业相关指标:信用评分指标、WOE |
||
GPT(专题九)如何让GPT帮你美化简历 | 1.优秀简历的标准 | 7.如何使用GPT生成一份简历? | ||
2.GPT帮你挖掘经历的价值 | 8.GPT提示关键词(指令) | |||
3.GPT助您雕刻理想职业简历 | 9.利用GPT生成简历 | |||
4.使用GPT撰写简历:开始的几个步骤 | 10利用GPT全面优化简历 | |||
5.确定您的需求 | 11.实例演示 | |||
6.了解GPT需要什么信息 | ||||
GPT(专题十)如何让GPT成为你的专职AI面试官 | 简介GPT技术面试岗位和技能要求分析 |
分析当前AI相关岗位企业所需的技能和能力要求 描述如何准备和规划面试过程以满足企业的招聘要求 强调GPT如何协助实现这些目标如何设计和实现模拟人类面试官的模型 |
||
GPT面试官的设计和实现 |
介绍如何设计和实现一个能够模拟人类面试官的GPT模型 展示如何训练GPT面试官模型,并调整模型参数以提高性能 |
|||
GPT面试官的设计和实现、面试官的应聘 |
讨论如何使用GPT面试官来测试和评估AI相关岗位的候选人的技能水平 探索如何使用GPT面试官来生成企业面试题 对候选人进行模拟面试,并给出针对性的评价和改进意见 |
|||
GPT面试官的最佳实践和案例 | 提供最佳实践,包括如何选择合适的GPT面试官模型、如何准备数据进行 训练以及如何评估GPT面试官的效果,分亨GPT面试官应用的成功案例 | |||
GPT面试官演示 |
演示一个使用GPT面试官对候选人进行实际模拟面试的场景 分析该演示的关键步骤和注意事项 |
|||
GPT(专题十一)GPT赋能面试让你成为“面霸” | 开篇词+GPT如何赋能面试让你成为“面霸” |
2.1 GPT在企业面试中起到的作用和担当角色 2.2如何给到GPT更好的问题 2.3如何让GPT给到你更准确的答案 2.4如何调教GPT(技巧与方法) |
||
实战:如何利用GPT帮你顺利搞定人面 |
3.1请问你的兴趣爱好是什么? 3.2请问你为何从上一家辞职? 3.3请说出你三个优点与三个缺点? 3.4你期望的工资&接受加班和出差么? |
|||
实战:如何利用GPT帮你顺利通过技面 |
4.1GPT赋能高效解决mysql面试题 4.2GPT高效解决数据分析业务题 4.3GPT赋能高效解决python面试题 4.4GPT高效解决机器学习面试题 |
培训目标 | 借助六大商业级项目实战,让学员对数据分析、数据挖掘、商业智能应用有全面的理解与认识,让学员在工作中有机会冲击高级数据分析师工作岗位 | |||
学完后胜任的工作岗位 | BI数据分析师、商业数据分析师、BI工程师等 | |||
毕业项目实战基于猎聘网的职位分析与人才画像 | 1)能够根据业务需求完成网络数据的抓取 | |||
2)能够借助相关技术完成数据清洗转换处理操作 | ||||
3)能够从关系型数据库进行取数及复杂数据统计功能 | ||||
4)能够使用BI工具完成可视化大屏看板需求 | ||||
5)能够独立完成数据分析可视化报告撰写 | ||||
电商数据分析分析方式之漏斗模型及数据量化 | 1.数据分析方法 | 4.AARRR模型 | ||
2.电商行业视角 | 5.销售漏斗模型 | |||
3.电商通用指标体系 | ||||
用户行为与营销模型实战 | 1.数据分析思路的4W模式、企业数据分析流程、电商用户行为分析常见指标 | |||
2.营销推荐模型、CRISP数据挖掘流程、随机森林与决策树、Python代码实现 | ||||
金融风控模型的构建与分析实战 | 1.数据挖掘工具:SAS、modelbuilder | |||
2.常用模型:逻辑回归随机森林、LGBM、GBDT、XGBOOST | ||||
3.编程语言:Python | ||||
展会电话邀约项目数据分析实战 | 1.电话邀约核心指标分析 | 3.Excel BI数据转换 | ||
2.Excel数据处理 | 4.透视表、可视化图表分析 | |||
零售行业数据分析 | 1.数据分类、数据治理、数据管理流程、数据清洗、数据分析与可视化 | |||
2.零售业的基本思维方式、零售业的常用分析指标、零售业指标 | ||||
GPT(专题十二)进入职场后GPT的“七十二”种玩法 | 一、普通人利用GPT变现(赚钱)的10+场景与最佳实践 | |||
变现场景:卖号、代问答、知识付费(卖资料)、文字创作、AI绘画、短视频创作、客服、翻译等 | ||||
二、技术人利用GPT变现(赚钱)的10+场景与最佳实践 | ||||
GPT变现场景—:卖号 | ||||
GPT变现场景二:知识付费(卖视频写技术文章) | ||||
GPT变现场景三:数据分析与预测 | ||||
GPT变现场景四:技术方案 | ||||
GPT变现场景五:搭建企业内部的GPT | ||||
GPT变现场景六:搭建微信小程序版GPT (企业公众号开发) | ||||
GPT变现场景七:利用X-GP实现的智能聊天机器人 | ||||
GPT变现场景八:开发嵌入GPT的PC端、App端、嵌入式端应用 | ||||
GPT变现场景九:行业GPT提示词专家与培训工作者 | ||||
GPT变现场景十:成为GPT提志词工作者 |