DATA / AI TRAINING
AI数据分析工程师
用 Python 与 AI 辅助分析数据，让结论有依据、过程可复现。
WHO IT IS FOR
先看起点，再确定学习重点
| 适合人群 | 学习基础 / 常见起点 | 建议学习重点 |
|---|---|---|
| 运营与业务分析人员 | 理解业务指标，具备表格基础 | 从问题定义、清洗与可视化起步 |
| 数据分析师 | 具备 Python 或统计基础 | 重点学习AI辅助分析、建模与复核 |
| 学生与转型人员 | 先补 Python 和基础数学 | 按完整分析流程建立实践能力 |
CURRICULUM
具体学什么，学完交付什么
按能力递进组织，每个模块都有实操任务和验收成果。
M1业务问题与指标问题清单与指标字典＋
问题清单与指标字典
AI 生成概念配图 · 非真实项目现场学习内容
分析目标、口径、样本范围、数据权限与结论边界。
实操任务
把业务问题转成可计算指标，检查数据是否足够。
交付成果
问题清单与指标字典
验收要点
指标定义一致，能说明样本和限制。
M2Python与数据准备清洗脚本、数据集与质量报告＋
清洗脚本、数据集与质量报告
AI 生成概念配图 · 非真实项目现场学习内容
NumPy、Pandas、缺失值、重复数据、类型转换与表连接。
实操任务
清洗原始表格并保留处理步骤。
交付成果
清洗脚本、数据集与质量报告
验收要点
行数和字段变化有记录，结果可复现。
M3探索分析与可视化分析笔记与可视化报告＋
分析笔记与可视化报告
AI 生成概念配图 · 非真实项目现场学习内容
分组聚合、分布、趋势、异常及图表选择。
实操任务
围绕指标进行探索，制作图表并检查异常。
交付成果
分析笔记与可视化报告
验收要点
图表口径准确，不把相关性直接当因果。
M4机器学习与AI辅助分析模型实验与基线对比记录＋
模型实验与基线对比记录
AI 生成概念配图 · 非真实项目现场学习内容
训练/验证划分、基线、评价指标；AI生成代码及人工复核。
实操任务
完成一个基础预测或分类实验，检查数据泄漏和误差。
交付成果
模型实验与基线对比记录
验收要点
使用独立验证结果，能解释指标与局限。
M5结论表达与分析交付分析报告、图表及复现说明＋
分析报告、图表及复现说明
AI 生成概念配图 · 非真实项目现场学习内容
证据链、业务解释、看板、复现环境和后续验证。
实操任务
将分析整理成面向业务人员的报告与可复现代码。
交付成果
分析报告、图表及复现说明
验收要点
每个主要结论能追溯到数据与计算过程。
LEARNING PATH
学习顺序与组织方式
业务指标 → 数据清洗 → 探索可视化 → 基础建模 → 分析交付
讲解与演示：理解方法，观察完整操作。
任务实训：跟做后更换输入，独立完成任务。
项目评价：演示成果，解释选择并复盘问题。
依据现有课程与平台能力编排；具体时长、工具版本和教学深度按学员基础确定，非所有模块均要求从零开始。
ASSESSMENT
结业不只看听课，更看独立完成
综合项目与个人答辩
提交分析代码、数据处理记录、图表和业务报告；复现主要结果，并回答数据口径与模型误差问题。
项目完成、结果核验、过程复现与个人理解共同评价；外部证书按相应项目另行考核。
CAREER
对应岗位与工作任务
| 岗位 / 能力方向 | 能够承担的任务 |
|---|---|
| AI数据分析师 | 使用Python与AI完成分析和验证 |
| 业务分析师 | 定义指标、解释变化并提出验证建议 |
| 数据运营 | 维护数据质量、看板与周期报告 |
岗位方向用于说明能力应用，不构成就业、薪资或任职资格承诺。