第1 章 面试前的准备 / 1
1.1　都有哪些数据类岗位 / 2
1.2　如何选择适合自己的岗位 / 5
1.2.1　数据分析师 / 6
1.2.2
算法工程师 / 8
1.2.4　　数据挖掘工程师 / 7
1.2.3　数据产品经理 / 9
1.2.5　小结 / 10
1.3　准备一份高质量的简历 / 11
1.3.1　通用排版建议 / 12I
1.3.2　如何描述数据类项目 / 17
1.4　投递简历有哪些途径 / 19
1.4.1　校招 / 19
1.4.2　社招 / 20
1.4.3　其他途径 / 21
第2 章 直面数据分析师面试 / 22
2.1　数据分析师面试流程 / 23
2.1.1　笔试 / 23
2.1.2　部门内部成员面试 / 23
2.1.3　部门负责人面试 / 24
2.1.4　总监面试 / 24
2.1.5　HR 面试 / 25
2.2　真实的面试经验分享 / 25
2.3　面试技巧 / 30
2.3.1　提前熟悉业务场景 / 30
2.3.2　充分准备好个人介绍 / 31
2.3.3　了解岗位的侧重点 / 31
2.3.4　保持积极的面试态度 / 32
2.4　常见的数据分析师面试问题 / 33
2.4.1　基础知识考查 / 33
2.4.2　编程能力考查 / 35
2.4.3　实战项目考查 / 36
第3 章 基础知识考查 / 38
3.1　统计& 数据分析知识 / 39
3.1.1　基础概念：随机变量、分布函数、概率密度函数 / 39
3.1.2　随机变量的常用特征 / 45
3.1.3　正态分布与大数定律、中心极限定理 / 50
3.1.4　假设检验 / 55
3.1.5　贝叶斯统计概览 / 58
3.2　模型& 数据挖掘知识 / 63
3.2.1　数据挖掘常用概念 / 63
3.2.2　常见的模型分类方法 / 66
3.2.3　常见的模型介绍 / 68
3.2.4　模型效果评估方法 / 77
第4 章 编程技能考查 / 83
4.1　熟悉Python / 84
4.1.1　概览 / 84
4.1.2　数据分析——pandas / 90
4.1.3　数据可视化——matplotlib & pyecharts / 94
4.1.4　文本处理——jieba & wordcloud / 99
4.2　懂R 语言 / 104
4.2.1　概览 / 104
4.2.2　数据分析——DataFrame / 112
4.2.3　数据可视化——ggplot2 / 114
4.2.4　数据挖掘——以线性回归分析为例 / 123
4.3　掌握SQL / 127
4.3.1　数据库常见类型及单表查询SQL 语句 / 127
4.3.2　多表查询SQL 语句 / 132
4.3.3　更多SQL 内容 / 138
第5 章 数据分析师实战技能 / 150
5.1　数据分析师工作必备技能 / 151
5.1.1　数据人员如何创造价值 / 151
5.1.2　完整的指标体系构建 / 152
5.1.3　数据监控及报表设计 / 158
5.1.4　设计一份优质的数据分析报告 / 162
5.2　基于互联网大数据的应用 / 165
5.2.1　AB 测试 / 165
5.2.2　用户画像 / 171
5.2.3　完整的数据挖掘项目流程 / 174
第6 章 用努力给自己加分 / 180
6.1　学习方法很重要 / 181
6.2　拓展自己的知识面 / 182
6.2.1　爬虫 / 182
6.2.2　社交网络 / 188