《数据分析工具 Excel》课程涵盖四个任务。任务一介绍 Excel 基础操作，包括数据表必学操作。任务二讲解 Excel 常用函数，分上下两部分助力高效办公。任务三聚焦数据透视表及切片器制作。任务四涉及 Excel 数据看板，包含数据可视化图表以及电商平台销售和用户分析的数据看板制作。本课程助你熟练运用 Excel 进行数据分析。

《数据分析名企实战案例讲解》课程包含五个任务。任务一通过拼多多案例介绍 ARRR 转化模型，涵盖案例背景、模型流程各环节讲解及实战应用。任务二以滴滴出行为例讲解 RFM 模型，包括案例背景、模型介绍、滴滴实战及运营策略。任务三分析阿里从场货人到人货场的变革，涉及案例背景、商业模式演变及盒马鲜生的应用。任务四揭秘抖音让人上瘾的原因，包含案例背景、推荐系统架构和协同过滤推荐算法。任务五以京东为例讲解 A/B Test，包括案例背景、概念原理、应用场景及电商实验案例。本课程通过名企案例深入剖析数据分析在实际中的应用。

《数据分析通用流程》课程包括两个任务。任务一养成数据分析能力，涵盖能力认知、破除思维误区和习惯养成。任务二讲解数据分析通用流程并结合案例，有流程简介、常见场景及 案例，最后进行案例对比与总结。课程适合初学者和有经验者，把握数据分析规律，提升数据分析能力。

本课程将从底层到应用层贯穿整个思路，结合硅谷一线大厂的最佳实践和顶级开源软件的应用，来讲数据结构「是什么、为什么、怎么做」，从而让你明白这些数据结构为什么存在以及在什么情况下可以最好地解决什么样的问题，进而在编码上面有质的飞跃。

五大模块，带你攻克数据结构实战：

模块一 数组与链表。 先带你回顾时间复杂度和空间复杂度、深入数组和链表的内存结构。

模块二 哈希表。 这个模块将会带你通过比特币挖矿的案例，来理解哈希函数和哈希碰撞的本质。

模块三 树。 在树的模块中，讲解树的结构化特性。会以MySQL语法树为例，看树是如何在 Amazon AWS 中以超大型数据库查询起到中流砥柱的作用的，后半部分则会拆解 LSM 树在 Apache 项目中的应用。

模块四 图。 图也是在大厂应用非常广泛的数据结构之一。会以 Apache Spark 为例，来看看有向无环图是如何优化大规模分布式运算顺序的。利用 Uber 的车辆调度算法，深入浅出的帮你掌握图是怎样实现这些硅谷一线大厂核心功能的。

模块五 数据结构组合拳。 在实战中一定会融合使用多个数据结构去实现业务逻辑。这个模

本课程分为 5 个模块，以循序渐进的教学方式带你夯实理论基础，掌握实战技术，实现能力进阶，最后通关面试。

在前两个模块中，主要让你对 Flink 有全面的认识，了解其应用场景、核心概念和原理，比如流批一体、计算资源、State、重启策略、并行度、窗口、时间、水印、CEP 等内容；

之后的进阶篇和实战篇，是你掌握技术的重点，导师将带你深入实际的生产环境，进行实战项目的代码演练，帮你掌握 Flink 在不同业务场景的使用，巩固前两个模块所学内容，达到学以致用；

最后站在企业面试视角总结必知必会的考点和技巧，从基础、进阶、源码、方案设计上，让你成为企业要找的那个人。

《业务数据分类与拆解》课程包含四个任务。任务一探讨企业收集数据的原因及常见数据分类；任务二讲述依托用户画像的广告精准投放，包括广告渠道类型、付费形式、用户数据来源及具体操作步骤；任务三以美团为例，讲解如何提高外卖鲜花功能使用量、美团 APP 订餐路径、用户行为数据及路径分析；任务四针对喜马拉雅 APP 新用户留存下降问题，分析同比环比确定问题、新用户流失原因及渠道用户匹配问题。本课程助力学习者理解业务数据并进行有效拆解。

《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。

这几年，随着越来越多的业务对数据的实时性提出了高要求，实时流计算技术变得越来越火，阿里、字节、京东等互联网大厂都在用它来处理用户兴趣分析，实时异常检测、在线反欺诈和金融风控等实时业务。

然而，想要真正搞懂并会运用实时流计算并不容易，NIO和异步编程、高并发编程、分布式处理、实时算法开发......这些都是阻碍你掌握实时流计算的拦路虎。

为了帮你攻克相关技术难点，本课程设计了一条系统、高效的学习路径，共四个模块，从“系统架构”和“实时算法”两方面入手，由浅入深、自底而上带你扎实掌握实时流计算。

① 模块一：实时流计算入门

这部分会介绍流计算系统的整体架构和使用场景，以及入门需掌握的编程基础，比如 NIO 和异步编程，以及异步系统中的 OOM 和反向压力问题，学完你会对实时流计算有个整体的认识，对“流”的本质有个初步理解。

②模块二：自己动手做一个流计算框架

这部分会介绍如何从 JDK 里最基础的工具类，一步步开发出一个分布式流计算框架。通过这种自己动手的方式，你会更深刻理解流计算系统的核心概念及实现原理。

③模块三：核心技术篇

这部分详细讲解流计算能够

优秀的软件工程师，必须具备过硬的代码开发能力。而代码开发的能力，则体现在对数据结构、算法思维、代码效率优化等知识的储备上。

本课程会从方法论、基础知识、真题演练、面试技巧这四个方面，掌握优秀工程师学习的完整路径。具体包括以下五部分内容：

第一部分：把“烂”代码优化为高效率代码的方法和路径。 代码的目标，除了完成任务，还要求把某项任务高效率地完成。

第二部分，带你补充必备的数据结构基础知识。 时间/空间复杂度的降低，要求对数据有超强的组织方式，这些能力需要你对数据结构的基础知识有极为深刻的理解，只有理解他们的优劣才能灵活选用合适的数据结构。

第三部分，这部分是你学习的重点，也就是用算法思考问题的逻辑和程序设计方法。 通过对递归、二分法、排序算法等介绍，教你一些不会改变数据的组织方式，就可以用巧妙的方法计算代码复杂度。

第四部分，侧重在 BAT 高频面试真题详解。 这一部分，带你运用前面所学来深入剖析高频真题的解题方法和思路，为你的大厂面试助力。

第五部分，面试现场， 给你求职时的切实建议。很多工程师有个共性问题，那就是明明有能力，却说不出来，表现得就像是个

《SQL 数据分析进阶之必备核心技能》课程包括四个任务。任务一阐述数据分析师学习 SQL 的原因；任务二介绍神奇的数据库及 SQL 利器；任务三通过与 Excel 对比，分多部分讲解 SQL 基本查询；任务四对 SQL 查询进行扩展，涵盖去重、别名、聚合函数、分组统计、关联查询及各种连接查询等内容。本课程目标是通过对比学习掌握SQL语言的核心应用。

想要成为一名优秀的深度学习工程师并不容易，研究 AI 有着天然的高门槛和高要求。很多人都是理论上的王者，实践上的青铜，自以为对框架、算法的理解足够，但因为缺乏应用场景和实践机会，遇到实际问题仍然不知道该怎么抽象问题然后用模型解决。

本门课程将会从理论基础、工具使用、实战上手三个方面，带领你从理论开始，一步步认识和了解深度学习，并学会打造深度学习模型。

模块一：深度学习的基础概念。这个模块就像是打地基，老师会带你了解深度学习会用到的基础知识，主要是数学知识和理论知识。还会对深度学习中常用的结构进行详细的介绍，比如你经常听到的 CNN、DNN、GAN 等，从零开始，逐步深入。通过这一部分的学习，你会了解深度学习必备的基础知识。

模块二：深度学习的工具与框架。这个模块就像是盖楼的砖瓦，有了理论知识，就可以将理论知识转化成代码，并用合适的框架、工具协助你开展工作。框架方面，目前常用的深度学习框架很多，有 TensorFlow、PyTorch 等，老师会以其中使用最广泛的 TensorFlow 作为切入点，带你熟悉图像处理工具、模型训练记录工具、交互工具等工具的使用。通过这一部

课程共七大模块， 26 个课时，引用大量大数据运维的实战案例，来讲述大数据平台的架构设计与部署、大数据平台的监控告警、性能调优，涵盖了大数据运维工作的全方位技能点。

模块一：Hadoop 大数据平台的规划与部署，主要讲解 Hadoop 大数据平台的搭建与基础配置；

模块二：Hadoop 分布式架构解析，主要讲解分布式文件系统 HDFS 和分布式资源管理器 Yarn 的运行机制以及内部实现细节；

模块三：Hadoop 外围应用整合实战，主要讲解大数据平台下如何整合一些外围应用，主要是 Spark、Flink 与 Yarn 的整合应用，以及 HBase 集群的部署；

模块四：Hadoop 大数据平台数据收集应用实践，主要讲解数据收集方法以及如何实现快速查询，Filebeat 、 Logstash、Elasticsearch ；

模块五：大数据平台日志传输与可视化应用实践，主要讲解海量数据环境中如何实现数据的实时传输，并实现可视化展示 ；

模块六：大数据平台运维监控体系的构建，主要讲解如何对大数据平台下每个组件的运行状态、服务状态进行监控；

模块七：