第十届CDA数据分析师认证考试，在年6月底圆满地落下了帷幕。之前我们采访了CDA认证考试Level1中的几位优秀考生，为大家分享了他们备考中的心路历程。今天我们带来的是Level2大数据和建模方向中取得优异成绩的几位考生，他们当中有学校在读的研究生，有入职不久的职场新人，还有经验丰富的数据工作者，那么他们有怎样的备考心得体会呢？下面让我们来一睹他们的风采吧！LEVELⅡ大数据分析师王幸希望今后能继续在大数据行业做些有趣、有意义、有价值的东西出来。1.目前从事的工作我目前在江苏欣网视讯软件技术有限公司工作，主要从事电信行业相关的大数据分析和产品开发。2.报考CDA认证考试的契机当时我们公司鼓励员工报名参加CDA考试，我看了大纲后发现CDA二级大数据分析师的考试内容相当实用，与当前工作经常用到的大数据知识非常接近，就果断报名了。3.数据科学零基础的我是如何备考的我在5月31日报名，大概备考了4周时间。学习计划一般每天是下班回家后学习1-2小时左右。先跟据考纲要求，把所有考试内容系统的过了一遍。对于本来就常用的一些内容，例如Hadoop生态圈的知识，简单的复习就够了。对于了解不够深入的内容，例如数据挖掘和机器学习方面，就查找相关资料，定点突破。4.备考中有哪些知识难点Spark的基础原理，RDD、GraphX和MLlib都是有一定难度的，尤其是MLlib部分，对于数据挖掘和机器学习方面还要有一些了解。5.推荐的书籍和课程首先就是伴随着众多人进入Hadoop世界的《Hadoop权威指南》，该书也是CDA考试推荐的必读书目，目前最新版本为第四版。另外，可以结合林子雨教授的视频课程《大数据原理与应用》来共同学习，效果更佳。如果觉得不过瘾，还想深入了解，推荐《Hadoop应用架构》，该书站在架构的高度，详细阐释了Hadoop生态圈诸多工具如何相互配合，形成各种大数据分析场景的完整建设方案。Spark学习推荐同样是O’Reilly出品的《Spark快速大数据分析》，该书对Spark的构架和相关组件作了细致的描述，也是迈入Spark分析领域的基础指南。只是该书完成较早，Spark2.x版本尚未发布，部分考纲内容尚未覆盖。所以建议同时阅读林子雨教授编著的《Spark编程基础》，并结合配套的林教授的视频课程《Spark大数据处理技术》，林教授的书和课程对SparkMLlib的讲解和描述非常详尽，非常值得一看。6.对备考者们的建议对于正在从事大数据行业，尤其是Spark相关工作的同学来说，由于考试内容相当实用，备考内容不少就是平时的工作内容。所以不用太紧张，跟着大纲过一遍，回顾下自己熟练掌握的内容，重点学习不够了解的内容，把握重点，定点突破。对于打算从事大数据分析的同学，CDA也是一个很不错的进入大数据世界机会。建议按照考纲推荐的图书，有计划地进行系统性、有深度的学习。知其然，更要知其所以然。另外要知道，大数据是一个实用性很强的行业，学习理论的同时一定要多动手。从基本的Linux安装、Hadoop分布式搭建，扩展到Hadoop生态圈Hive、HBase、Flume、Spark等项目的部署和使用，都自己动手试试，多踩坑才能学的更多更深。7.今后的职业发展规划希望能和公司同事一起，共同努力，在大数据行业做些有趣，有意义，有价值的东西出来。LEVELⅡ建模分析师郭畅学校学习的理论知识往往是不够的，我想以技能傍身，通过CDA认证考试加强自身的学习。1.报考CDA认证考试的契机我是安徽大学应用统计专业研一的学生。我本科也是统计学专业，从本科到研究生看着统计学专业日益火爆，在统计学越来越热门的当今，自己的能力要能匹配专业的发展速度。而学校学习的理论知识往往是不够的，所以想要以技能傍身，通过考证加强自身的学习。由于研一上半学期接触到了数据挖掘加上导师也是数据挖掘方向，导致自己对数据挖掘、机器学习很感兴趣，刚好了解到CDALevel2建模分析师的考试重点刚好是数据挖掘算法和软件实操，因此决定报考。2.我是如何备考的由于是学生，我的时间比较充裕，考虑到自身对软件的熟练程度不够而CDAL2能否通过就取决于实操，所以3月份学期刚开学就首先投入到软件的学习中。（本人对R软件有一定的基础就选择了R）我的备考之路分为四个阶段：一、语言(软件)的学习实操的重要性刚才已经提到，选择一个数据分析软件或拿手的一门语言(R/Python)保证熟练操作。这个阶段需要贯穿整个备考时期。二、考纲重点的学习在我了解了考纲后，将考试重点分为数据的预处理和算法建模两大块，由于我是统计专业，深刻了解数据预处理的重要性，对这部分考纲知识点有一定的基础，就把重点放在算法建模上，有针对性的看算法书一个一个攻克算法，准备时间大概为1个月。三、查缺补漏在攻克了重难点以后，需要对所有知识点进行查缺补漏，最好的办法就是完整性的看书，我将《数据挖掘导论》看了两遍，对知识点进行补充。四、冲刺视频在看完考纲和课本之后通过冲刺视频进行考点的梳理，将思维拉回到考试线上，做好笔记，反复回忆，对提及的操作题反复练习，做好考试准备。（复习时间为1个月）3.备考中有哪些知识难点对于我来说，分类问题模型评估的阈值确定是一个难点。因为之前在学校几乎没有接触过这种调节阈值的问题，通过这次考试了解到了类不平衡问题阈值的调节，通过F值确定阈值以及通过profit确定阈值的方法。4.推荐的书籍和课程书籍要紧靠大纲，我是以《数据挖掘导论》为主，《机器学习》为辅。在考试前了解到CDA考前冲刺课，在看完至少一遍大纲和课本，对知识点有了了解之后再反复看视频，对知识点进行梳理就会感觉很清晰。以下是我的部分笔记：5.对备考者们的建议一、实操不能掉以轻心，实操的学习是不断积累的过程，熟能生巧。二、考证不是目的，通过考证真正去学习知识，学以致用才是目的。三、由于我备考过程中也认识了许多边工作边考证的姐姐哥哥们，对于这类考生，没有大量的时间，建议选择适合自己的数据分析工具。四、加入数据分析备考群已获得最新考试动向，避免独战。6.今后的发展规划数据分析已经成为必不可少的技能，我希望将所学的数据分析、数据挖掘的知识应用在以后从事的职业中。杨闻新作为一名建模分析师，我想通过考Level2帮自己梳理下学过的知识。1.目前从事的工作目前毕业一年多，学生期间正好是统计相关方向专业的。现在是一名建模分析师，日常工作与数据比较相关。2.报考CDA认证考试的契机读研的时候在经管之家论坛有看到，机缘凑巧报了Level1的考试。今年正好工作有变动，想找个时间梳理下学过的知识，就报了Level2的考试。3.我是如何备考的六月初开始看的，四周左右的时间，每天复习时间大概下班后三小时以及周末时间。选择题的部分根据考纲和解析，配合《数据挖掘》、《数据挖掘导论》梳理知识点；实操题的部分我用的是R，把考纲里提到的方法都动手实践一遍。4.备考中有哪些知识难点模型评估的部分涉及多种评价指标涉及范围广，不少是较小众的，相关材料较难找到，每个指标具体统计口径计算方式难以确定，具体考试实践也比较灵活。5.推荐的书籍和课程就我自己的经历与学习过程，我推荐以下几本书：·《统计学习导论》这本是ESL入门版，可以基于R语言动手实践；·李航博士的《统计学习方法》，今年出了第二版，算法理论部分讲的很透彻；·《百面机器学习》，覆盖大多数算法的具体操作，包括很多应用上的细节。6.对备考者们的建议CDA一级二级考察的知识范围对于数学或统计专业的学生应该并不陌生，考试本身也是一个比较好的系统性梳理所学专业知识的机会。备考主要还是以考纲解析内容为主，配合参考书来看，遇到不懂的内容多翻书多上网。实操要注意在数据前期的预处理、特征工程上多了解多实践，不要仅局限于实践算法。7.今后的发展规划工作上做好本职工作，听从领导安排，注意总结累积业务知识；专业上提升工具使用上的熟练度，
转载请注明：http://www.abachildren.com/jbzs/9779.html
联系电话：