一、總則CDA（Certified Data Analyst），即“CDA數據分析師”，是在數字經濟大背景和人工智能時代趨勢下，面向全行業(yè)的專業(yè)權威國際資格認證，旨在提升全球用戶數字技能，助力企業(yè)數字化轉型，推動行業(yè)數字化發(fā)展。「CDA人才考核標準」是面向全行業(yè)數據相關崗位的一套科學化、專業(yè)化、國際化的人才技能準則，CDA考試大綱規(guī)定并明確了數據分析師認證考試的具體范圍、內容和知識點，考生可按照大綱要求進行相關知識的學習，獲取技能，成為專業(yè)人才。 二、考試形式與試卷結構考試方式：一年四屆 （3、6、9、12月的最后一個周六），線下統考，上機答題。 考試題型：客觀選擇題（單選60題+多選30題+內容相關10題） 案例實操題（1題） 考試時間：90分鐘（客觀選擇題），120分鐘（案例實操題），共210分鐘 考試成績：分為A、B、C、D四個層次，A、B、C為通過考試，D為不通過 考試要求：客觀選擇題為閉卷上機答題，無需攜帶計算器及其他考試無關用品。 案例實操題考生須自行攜帶電腦操作（安裝好帶有數據挖掘功能的軟件如：PYTHON、SQL、SPSS 三、知識要求針對不同知識，掌握程度的要求分為【領會】、【熟知】、【應用】三個級別，考生應按照不同知識要求進行學習。 1．領會：考生能夠了解規(guī)定的知識點，并能夠了解規(guī)定知識點的內涵與外延，了解其內容要點之間的區(qū)別與聯系，并能做出正確的闡述、解釋和說明。 2．熟知：考生須掌握知識的要點，并能夠正確理解和記憶相關理論方法，能夠根據不同要求，做出邏輯嚴密的解釋、說明和闡述。此部分為考試的重點部分。 3．應用：考生須學會將知識點落地實踐，并能夠結合相關工具進行商業(yè)應用，能夠根據具體要求，給出問題的具體實施流程和策略。 四、考試科目PART 1 數據挖掘概論（占比15%）a.數據挖掘概要（3%） b.數據挖掘方法論（3%） c.基礎數據挖掘技術（4%） d.進階數據挖掘技術（5%） PART 2 高級數據處理與特征工程（占比25%）a.高級數據處理（5%） b.特征工程概要（2%） c.特征建構（3%） d.特征選擇（5%） e.特征轉換（5%） f.特征學習（5%） PART 3 自然語言處理與文本分析（占比20%）a.自然語言處理概要（占比2%） b.分詞與詞性標注（占比4%） c.文本挖掘概要（占比2%） d.關鍵詞提取（占比4%） e.文本非結構數據轉結構（占比8%） PART 4 機器學習算法（占比40%）a.樸素貝葉斯（4%） b.決策樹（分類樹及回歸樹）（5%） c.神經網絡與深度學習（5%） d.支持向量機（4%） e.集成方法（5%） f.聚類分析（5%） g.關聯規(guī)則（4%） h.序列模式（3%） i.模型評估（5%） PART 5 機器學習實戰(zhàn)（本部分內容考查方式為案例實操，不計入客觀選擇題占比。） a.自動機器學習 b.類別不平衡問題 c.半監(jiān)督學習 d.模型優(yōu)化 五、科目內容PART 1 數據挖掘概論 1、數據挖掘概要【領會】數據挖掘在政府部門及互聯網、金融、零售、醫(yī)藥等行業(yè)的應用 【熟知】數據挖掘的起源、定義及目標 【應用】根據給定的數據建立一個數據挖掘的項目 2、數據挖掘方法論【熟知】數據挖掘步驟（字段選擇、數據清洗、字段擴充、數據編碼、數據挖掘、結果呈現） 【應用】運用數據挖掘進行不同文件格式的數據導入，并進行初步的數據探索，探索的內容包含數值型字段的描述性統計分析、直方圖（需與目標字段做連接）、缺失值分析及類別型字段的描述性統計分析、條形圖（需與目標字段做連接、缺失值分析。數據探索的結果可進行初步的字段篩選。 3、基礎數據挖掘技術【領會】可視化技術（能使用相關工具根據業(yè)務問題做出可視化數據報告） 【熟知】案例為本的學習(Case-based Learning)：KNN(K-Nearest Neighbor)原理 【應用】運用數據挖掘中的KNN算法進行分類預測、數字預測及內容推薦。建模的過程需考慮將數據進行適當的轉換以獲得更優(yōu)的分析結果。 4、進階數據挖掘技術【熟知】數據挖掘技術的功能分類 PART 2 高級數據處理與特征工程 1、高級數據預處理【領會】數據過濾（理解如何通過數據過濾的方式，建立區(qū)隔化模型，以提升模型的預測效果） 【熟知】缺失值的高級填補技術，包括KNN填補、XGBoosting填補 【應用】運用高級數據預處理技術進行數據過濾，以建立區(qū)隔化模型 2、特征工程概要【領會】特征工程的重要性 【熟知】特征工程的涵蓋范圍 3、特征建構【領會】特征建構前的準備 【熟知】類別型特征的編碼 【應用】運用數據挖掘對特征進行適當的建構，以作為下階段特征選擇的輸入 4、特征選擇【熟知】無效變量（不相關變量、多余變量） 【應用】運用數據挖掘進行關鍵特征的選擇。同時，評估不同的關鍵特征選擇方法對模型效能的影響。 5、特征轉換【領會】線性特征轉換-主成分分析（PCA） 【熟知】非線性的特征轉換-核主成分分析（Kernel PCA） 【應用】運用數據挖掘進行特征的轉換。同時，評估不同的特征轉換方法對模型效能的影響。 6、特征學習【熟知】關聯規(guī)則為基礎的特征學習 【應用】運用數據挖掘進行自動的特征學習。同時，評估不同的特征學習方法對模型效能的影響。 PART 3 自然語言處理與文本分析 1、自然語言處理概要【領會】BOSON的中文語意平臺 【熟知】自然語言處理的研究范疇 【運用】運用BOSON的中文語意平臺進行語言的處理 2、分詞與詞性標注【領會】詞性的種類及意義 【熟知】N-Gram及詞 【運用】運用中文分詞及詞性標注技術對多篇文章進行分詞及詞性標注 3、文本挖掘概要【領會】信息檢索技術之全文掃描 【熟知】文本挖掘的應用 【應用】將多篇文件及查詢轉為向量格式，并計算查詢與文件間的相似度。 4、關鍵詞提取【熟知】TF、DF及IDF 【應用】對多篇文件及查詢中的詞，計算TF、DF、IDF及詞性并提取重要的關鍵詞。 5、文本非結構數據轉結構【熟知】詞袋模型 【應用】對多篇文件進行詞嵌入模型的訓練及使用。 PART 4 機器學習算法 1、樸素貝葉斯【熟知】樸素貝葉斯（獨立性假設、概率的正規(guī)化、拉普拉斯變換、空值的問題） 【應用】運用數據挖掘軟件建立樸素貝葉斯模型，解讀模型結果，并評估模型效能。 2、決策樹（分類樹及回歸樹）【領會】PRISM決策規(guī)則算法 【熟知】ID3決策樹算法（ID3的字段選擇方式、如何使用決策樹來進行分類預測、決策樹與決策規(guī)則間的關系、ID3算法的弊端） 【應用】運用數據挖掘軟件建立分類樹模型，解讀模型結果，并評估模型效能。 3、神經網絡與深度學習【領會】BP神經網絡概述（理解神經網絡的由來及發(fā)展歷程） 【熟知】感知機（Perceptron）及感知機的極限 【應用】運用數據挖掘軟件建立BP神經網絡模型，解讀模型結果，并評估模型效能。 4、支持向量機【領會】支持向量機概述 【熟知】支持向量 【應用】運用數據挖掘軟件建立支持向量機模型，解讀模型結果，并評估模型效能。 5、集成方法【領會】集成方法概述 【熟知】抽樣技術 【應用】運用數據挖掘軟件建立組合方法模型，解讀模型結果，并評估模型效能。 6、聚類分析【領會】聚類的概念 【熟知】相似性的衡量（二元變量的相似性衡量、混合類別型變量與數值型變量的相似性衡量） 【應用】運用數據挖掘軟件建立聚類模型，解讀模型結果，并提供營銷建議。 7、關聯規(guī)則【領會】關聯規(guī)則的概念 【熟知】關聯規(guī)則的評估指標（支持度、置信度、提升度） 【應用】運用數據挖掘軟件建立關聯規(guī)則模型，解讀模型結果，并提供營銷建議。 8、序列模式【領會】序列模式的概念 【熟知】序列模式的評估指標（支持度、置信度） 【應用】運用數據挖掘軟件建立序列模式模型，解讀模型結果，并提供營銷建議。 9、模型評估【熟知】混淆矩陣（正確率(Accuracy)、查準率(Precision)、查全率(Recall)、F-指標(F-Measure)） 【應用】運用數據挖掘軟件比較不同模型間的優(yōu)劣 PART 5 機器學習實戰(zhàn) 1、自動機器學習【領會】自動機器學習的基本概念 【熟知】自動數據預處理的方法 【應用】運用自動機器學習技術，快速建立模型，解讀模型結果，并評估模型效能。 2、類別不平衡問題【領會】不平衡數據定義 【熟知】類別不平衡問題的檢測方法 【應用】能運用類別不平衡的處理技術，提升模型的效能 3、半監(jiān)督學習【領會】監(jiān)督學習、無監(jiān)督學習及半監(jiān)督學習間的關系 【熟知】半監(jiān)督學習的基本思路 【應用】能運用半監(jiān)督學習，降低開發(fā)決策模型的成本 4、模型優(yōu)化【領會】模型參數優(yōu)化的目的 【熟知】模型參數優(yōu)化的方法 【應用】運用模型參數優(yōu)化建立更精準的數據挖掘模型 六、推薦學習書目說明：推薦學習書目中，部分書籍結合軟件，考試中客觀選擇題部分不考查軟件操作使用，案例實操部分需要考生運用相關軟件進行建模分析，考生可根據自身需求選擇性學習。參考書目不需全部學完，根據考綱知識點進行針對性學習即可。 [1] Jiawei Han, Micheline Kamber, Jian Pei.數據挖掘:概念與技術（原書第3版）[M].范明,孟小峰 譯,機械工業(yè)出版社,2012.（必讀） |
|
|
