- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
CDALEVELⅡ考试大纲.PDF
CDA 数据分析研究院
CDA LEVEL Ⅱ考试大纲
CERTIFIED DATA ANALYST LEVEL ⅡEXAMINATION OUTLINE
CDA 考试大纲是 CDA 命题组基于 CDA 数据分析师等级认证标准而设定的一套科学、详细、
系统的考试纲要。考纲规定并明确了 CDA 数据分析师资格考试的具体范围、内容和知识点,
考生可按照 CDA 考试大纲进行相关知识的复习。
CDA 建模分析师考试大纲
基础理论 (占比 20%)
a. 数据挖掘简介 (2%)
b. 数据挖掘方法论 (7%)
c. 基础数据挖掘技术 (5%)
d. 进阶数据挖掘技术简介 (6%)
数据前处理 ( 占比 25%)
a. 字段选择 (2%)
b. 数据清洗 (8%)
c. 字段扩充 (2%)
d. 数据编码 (8%)
e. 关键变量挖掘技术 (5%)
预测型数据挖掘模型 ( 占比 40%)
a. 朴素贝叶斯网络(7%)
b. 线性回归 (3%)
c. 决策树(分类树及回归树)(10%)
d. 神经网络 (6%)
e. 罗吉斯回归 (2%)
f. 支持向量机 (4%)
g. 集成方法 (3%)
h. 模型评估 (5%)
CDA 数据分析研究院
述型数据挖掘模型 ( 占比 15%)
a. 聚类分析(6%)
b. 关联规则 (6%)
c. 序列模式 (3%)
CDA LEVEL Ⅱ建模分析师大纲解析
根据 CDA 数据分析师认证考试大纲,经管之家 CDA 数据分析研究院给出了详细解析,以“领
会”,“熟知”,“应用”三个不同的级别将每一个知识点进行分解,建议考生应该按照不同的
知识掌握程度有目的性的进行复习。
1. 领会:要求应考者能够记忆规定的有关知识点的主要内容,并能够了解规定的有关知识
点的内涵与外延,了解其内容要点和它们之间的区别与联系,并能根据考核的不同要求,做
出正确的解释、说明和阐述。
2. 熟知:要求应考者必须熟悉的理论知识,并能够正确理解和记忆相关的理论方法,根据
考核的不同要求,做出逻辑严密的解释、说明和阐述。
3 .应用:要求应考者必须掌握知识点的主要内容,并能够结合工具进行商业应用,根据考
核的具体要求,做出问题的具体实施流程和策略。
PART 1
基础理论部分
? 数据挖掘简介
1.领会:数据挖掘在政府部门及各行业的应用。
2 .熟知:数据挖掘的起源、定义及目标,数据挖掘的发展历程。
3 .应用:根据给定的数据建立一个数据挖掘的 Project。
? 数据挖掘方法论
1.熟知:数据库中的知识发掘步骤(字段选择、数据清洗、字段扩充、数据编码、数据
挖掘、结果呈现),数据挖掘技术的产业标准(CRISP-DM (IBM SPSS)及 SEMMA (SAS)) 。
2 .应用:运用数据挖掘软件进行不同文件格式的数据汇入,并进行初步的数据探索。
探索的内容包含数值型字段的叙述性统计分析,直方图(需与目标字段做链接) ,遗缺值分析
及类别型字段的叙述性统计分析,分布图(需与目标字段做链接) ,遗缺值分析。数据探索的
结果可进行初步的字段筛选。
? 基础数据挖掘技术
CDA 数据分析研究院
1.领会:叙述性统计,可视化技术, KNN(K Nearest Neighborhood)原理,KNN 电影推荐
案例。
2 .熟知:案例为本的学习 (Case-based Learning),数据的准备,距离的计算(Manhattan
Distance / City-Block Distance, Euclidean Di
文档评论(0)