"为什么你的简历投完之后石沉大海？

简历哪些信息是加分项，哪些雷区不能踩？

工作经验该怎么写才有亮点？

简历，是求职的第一环节，也是最关键的环节。可是很多求职者都卡在了这个环节，这期课程，帮你全方位打造一份有面试机会的简历，高薪求职之路，从写好一份简历开始。"

"入职离职，对于职场人来说真的是再平常不过的事情了。但是，很多职场人因为不了解法律法规，又或者是粗心大意亦或者是耄无堤防，造成在入职离职时一脚踏入了深坑，为今后的职场之路埋下了隐患和不快。

我们将用三节课的时间，来和大家排査一下，在入职离职时可能会遭遇的陷阱。实现自己职业理想的同时，也记得要保护好自己的权益噢！"

"为什么你的面试总是失败？

你是否因为紧张而表现不佳？

如何吸引面试官对你的注意力？

有很多人并不重视面试求职技巧，无法最大程度的向HR展现自己的真实实力。资深面试官总结了多年面试心得和建议，结合各种场景下可能遇到的各类问题，在本节课里将系统的分享给大家。"

"这门Python基础入门课程特点鲜明，充满趣味性！通过一系列生动有趣的任务和案例，将晦涩难懂的Python语言基础变得通俗易懂。

从对Python的全面介绍开始，循序渐进地带领学员深入学习，学员们能够像侦探一样，逐步理清Python编程基础的脉络，构建起对Python编程基础清晰的认知：能够熟练掌握print()函数的使用，理解并运用变量和各种数据类型；学会进行条件判断以及复杂的条件嵌套；掌握列表和字典等重要数据结构；轻松应对循环及其控制；通过项目实战提升实际编程能力。同时，还能学会函数的运用技巧，在项目实战中感受代码封装的魅力等等。"

本课程为你开启数据获取新大门，系统教授 Python 爬虫技术，从 PyCharm 的安装与使用起步，逐步深入涵盖爬虫概念、requests 模块、HTTP 协议、HTML 基础、Beautiful soup 网页解析、JSON 解析、定制化请求以及数据存储等丰富内容。

《因果分析入门与案例精讲》课程包含两个任务。任务一介绍因果关系及学习因果分析的重要性；任务二精讲因果分析案例，包括效应评估方法、AB 实验与样本匹配法，并通过新功能与用户流失、直播带货效果评估等实战案例展示应用，最后进行总结。适合初学者和专业人士，提升因果分析技能。

《SQL数据分析进阶之案例实战精讲》课程包含三个任务。第一个任务：以企业财务收入预测为例，涵盖案例背景目标、实现思路分析及月日均收入 SQL 计算与 Excel 拟合预测计算。第二个任务：通过游戏用户画像案例，包括背景目标、SQL 实现及结果分析。第三个任务：以 Facebook 教育产品计算 aha moment 为例，介绍案例背景目标、前置知识及分步骤的 SQL 实现。本课程通过实际案例提升 SQL 数据分析实战能力。

本课程特点显著，以生动有趣的方式带领学员深入了解Python数据分析。

课程从数据分析库的介绍与安装开始，逐步深入到各个知识点，包括：Jupyter的基本使用；pandas创建和查看数据结构，高效的数据筛选和文件读写操作；多表合并、数据清洗等重要技巧；各种统计指标的计算和运用；数据集成的多种方式；数据转换的各种方法；数据重塑和分组计算分析；可视化图表制作等等。

这门课涵盖MySQL的底层运行机制、如何发挥MySQL的最佳性能、MySQL在互联网应用领域的最佳实践。从架构设计优化、MySQL的高可用、高性能和可扩展性等方面展开详解，最后附上海量数据MySQL实战项目讲解，深入浅出帮你快速建立MySQL全盘要点，带你掌握处理海量业务数据和高并发请求的核心方法。

《机器学习原理与算法应用》课程涵盖有监督学习算法、无监督学习算法及数据挖掘项目综合实战。有监督学习部分包括 KNN 算法、决策树、线性回归和逻辑回归，讲解原理、实现步骤、优缺点及 sklearn 应用等。无监督学习聚焦 K-Means 算法，介绍基础原理、实现及评估指标。最后的综合实战包含金融保险用户分类和电商文本挖掘项目，涉及业务背景、分析流程、数据清洗、特征工程、数据建模及优化等环节。本课程通过夯实机器学习基础 案例实践，助力学习者掌握机器学习原理与算法应用，提升数据挖掘实战能力。

本课程涵盖丰富多样的算法与数据结构知识。从线性表、哈希表、字符串等基础内容出发，讲解各场景下的问题处理实现，包括数字反转、两数相加等多种题型的多种解法及变形延伸。接着深入递归、分治、贪心算法，通过汉诺塔、排序矩阵查找等实例剖析应用。还涉及树相关知识，如二叉树、二叉搜索树等的多种遍历及相关问题求解。图部分涵盖广度优先、深度优先、最短路径等算法在不同题目中的运用。此外，有回溯、动态规划相关内容，以八皇后、最长斐波那契子序列等为例讲解。最后在复杂场景应用中介绍单调栈、滑动窗口等多种算法组合的应用。通过本课程可全面提升算法与数据结构的理解及应用能力，助力应对各类算法场景问题。

《数据分析常用方法》课程涵盖五个任务。任务一介绍逻辑树拆解法，探讨 KPI 使用问题、定义、制定与执行，并结合淘宝、小米、海底捞案例进行 KPI 拆解。任务二讲解多维度拆解法，包括其定义、适用场景、操作方法及营收异常原因定位案例。任务三以二手车市场保值率分析为例阐述对比分析法，涵盖保值率重要性、注意要点、时间相关对比法、查询与估计二手车价及深挖保值率作用。任务四通过在线教育业务转化问题介绍漏斗分析法，包括分析业务转化、教育业务模式、定义、实战计算与制作漏斗图。任务五利用游戏 APP 用户运营讲解群组分析法，包括改善用户留存率、游戏业务模式、定义及游戏运营实战。本课程助力学习者掌握多种数据分析常用方法。