大足大数据工程师考试内容

闪耀王者
  • 回答数

    3

  • 浏览数

    7522

首页> 工程师报名> 大足大数据工程师考试内容

3个回答默认排序
  • 默认排序
  • 按时间排序

红绣裙透

已采纳

Level Ⅰ:事务数据剖析师

135分钟(15分钟阅览考试指南+120分钟正式答题),客观题(单选+多选),上机答题。考点请参阅CDA Level Ⅰ考试纲要。

Level II:建模剖析师

前105分钟(15分钟阅览考试指南+90分钟正式答题),客观题(单选+多选),上机答题;后120分钟,事例操作,自行携带电脑操作(装置好带有数据挖掘功能的软件如:SQL ,PYTHON,SPSS MODELER,R SAS,WEKA,等,进行事例操作剖析。事例数据将统一供给CSV文件)。考点请参阅CDA Level Ⅱ建模剖析师考试纲要。

Level II:大数据剖析师

前105分钟(15分钟阅览考试指南+90分钟正式答题),上机答题;后120分钟,事例操作,自行携带电脑操作(详细准备工作参见考试纲要中的详细说明)。考点请参阅CDA Level Ⅱ大数据剖析师考试纲要。

Level III:数据科学家

第一阶段:165分钟(15分钟阅览考试指南+150分钟正式答题),客观题+主观题,上机答题。第二阶段:1个月内,项目事例,开放自由答题。提交项目结果,30分钟,线上面试答辩。(第一阶段考试经过者,才有资格参与第二阶段面试)。项目事例考试安排经过邮件发送。考点请参阅CDA Level Ⅲ数据科学家考试纲要。

关于CDA数据分析师考哪些内容,青藤小编就和您分享到这里了。如果你对大数据工程有浓厚的兴趣,希望这篇文章能够对你有所帮助。如果您还想了解更多数据分析师、大数据工程师的技巧及素材等内容,可以点击本站的其他文章进行学习。

170评论

柳风南巷

只要数据量级大(或者是数据复杂度,或者是其他方面的量级大)到普通的处理方法无法处理地实际上都可以算作是大数据开发,只不过一般大数据开发目前招聘的很多都是做数据处理的。有如下几个方向:1)数据挖掘是大数据处理地一个方向,这里做数据挖掘要有一些统计学基础才能做,目前数据挖掘的方向其实不是很明确,和人工智能,机械学习也有一些关系,如果是做数据挖掘,基本的数据会由数据平台部或数据运维部门提供2)数据平台的开发(这里的平台开发在不同公司的内容又不一样,小公司可能是根据公司业务做一套完整的数据分析系统,大公司这个职位可能是一些开源组件的二次开发)3)大数据运维方向:比如hadoop,spark集群的运维,涉及到ha等内容4)大数据分析方向:有的公司会将职责细化,招聘一些专业的分析人员,去写hql或者是其它类sql来对数据进行分析最后,其实大数据平台相关工作的划分并不清晰,行业里没有统一标准,大公司小公司情况不同。关于技术方向更是用什么的都有,比如有的公司用spark,有的用impala,还有的用clickhouse等,最近flink也逐渐进入大家的视野。所以在找工作时应该要考虑的是自己的强项是什么,同时在选择工作时要考虑到这个工作在做了三五年后,从这家公司出来还能不能找到工作。我个人的建议是如果你会java,那不要脱离java(scala)语言去做大数据开发,也不要专业只去做数据分析工作,大数据行业目前仍旧有一些泡沫(个人看法),很多组件仍旧是基于java的,一旦脱离java语言本身,那源码阅读,二次开发都会有问题,同时生产环境自动化去执行一些代码也是需要语言支持的,或者最差的预估,如果大数据行业严重缩水(比如某些公司可以分析,可以挖掘的内容有限),可以随时转到java服务器开发方向。

170评论

校园初恋

理论考试+实操考试。理论考试内容包括数据分析基本原理、概念及简单计算,题型分为填空、判断、单选题、多选题,此考试为上机考试。实操考试为实际案例分析,一共三科。Level Ⅰ:业务数据分析师。专指政府、金融、电信、零售等行业前端业务人员;从事市场、管理、财务、供应、咨询等职位业务人员;非统计、计算机专业背景零基础入行和转行就业人员。Level Ⅱ:建模分析师。两年以上数据分析岗位工作经验,或通过 Level Ⅰ认证半年以上。专指政府、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。Level Ⅱ:大数据分析师。两年以上数据分析岗位工作经验,或通过LevelⅠ认证半年以上。专指政府、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云端大数据的人员。《投资数据分析实务》、《市场调研与预测》是项目数据分析专业考生必修必考教材。 《经济学原理》、《统计学原理》、《财务管理》是本课程的先修课程。考试内容涉及项目前期市场研究、项目相关数据采集、数据处理、数据预测、投资数据编制与估算、现金流量估算、投资数据分析、资本限量决策、不确定性分析、公司价值评估等。

106评论

相关问答