【摘要】中级数据分析师：在初级的要求基础上，要求掌握多元统计、时间序列、数据挖掘等理论知识，掌握高级数据分析方法与数据挖掘算法，能够熟练运

就业方向：政府、金融、电信、零售、互联网、电商、医学等行业专门从事数据分析与数据挖掘的人员

数据库技术（必修）:用 SQL 访问企业数据库，结合业务，能从海量数据提取相关信息，从不同维度进行建模分析，形成逻辑严密能够体现整体数据挖掘流程化的数据分析报告；简单了解关系型数据库与非关系型数据库的关系，数据库增删改查，高级查询，高级应用

实用型大数据挖掘算法、(Apriori 算法、Tanagra 工具、决策树)：深入浅出数据挖掘技术。所谓“深入”，指得是从数据挖掘的原理与经典算法入手。其一是要了解算法，知道什么场景应当应用什么样的方法；其二是学习算法的经典思想，可以将它应用到其他的实际项目之中；其三是理解算法，让数据挖掘的算法能够应用到您的项目开发之中去。所谓“浅出”，指得是将数据挖掘算法的应用落实到实际的应用中。课程会通过三个不同的方面来讲解算法的应用：一是微软公司的 SQL Server 与 Excel 等工具实现的数据挖掘；二是著名开源算法的数据挖掘，如 Weka等开源工具；三是利用 Java、C#语言两种语言做演示来完成数据挖掘算法的实现。

SPSS Modeler 数据挖掘：将挖掘技术所涉及的思想、方法、参数与统计学基础联系起来，了解包括维度、数据、分析、数据流等在内的功能、参数的实际义和选择、组合等应用方法。

Python 网络爬虫技术 :掌握应用 Python 爬虫基础库；掌握使用 Python 爬虫利器；掌握使用 Scrapy 项目构建；熟练掌握 Scrapy 流化开发；熟练使用 Scrapy 拓展；掌握使用 Scrapy 与 Mysql 交互。

机器学习扩展深入（Python 语言、算法、Numpy 库、MatplotLib）：两大类机器学习的方法：有监督学习和无监督学习，其中有监督学习里面，又分为分类和预测数值型数据。这些算法都是基础的算法。通过深入学习Python来实现数据挖掘下方算法。

人工智能之机器学习（扩展）：了解线性回归、掌握决策树的应用、熟练使用SVM支持向量机、熟练使用聚类+贝叶斯、掌握EM-HMM-LDA-ML。