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。

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：

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。

在目前经济社会快速发展的背景下，一个企业要想发展，必须有资金的支持。

从财务的视角如何利用现金流分析做好企业的经营预测？本系列课程帮助非财人员树立现金为王的概念，强化现金流意识，提高资金运作效率。从关注销售到关注经营性现金流量，是非财人员意识转变的第一步。