一、总体目标

CDA（Certified Data Analyst），即“CDA 数据分析师”，是在数字经济大背景和人工智能时代趋势下，面向全行业的专业技能认证，旨在提升全球用户数字技能，助力企业数字化转型，推动行业数字化发展。「CDA 数智化人才考核标准」是面向全行业数据相关岗位的一套科学化、专业化、国际化的人才技能准则，CDA 考试大纲规定并明确了数智化认证考试的具体范围、内容和知识点，考生可按照大纲要求进行相关知识的学习，获取技能，成为数智化专业人才。

二、考试形式与试卷结构

考试方式：一年四届 （3、6、9、12 月的最后一个周六），线下统考，上机答题。

考试题型：客观选择题（单选 45 题，多选 15 题，材料 10 题，每题 1 分），案例实操题（1 题，30分）

考试时间：90 分钟（客观选择题），120 分钟（案例实操题），共 210 分钟

考试成绩：分为 A、B、C、D 四个层次，A、B、C 为通过考试，D 为不通过

考试要求：客观选择题为闭卷上机答题，请勿携带与考试无关的物品。案例实操题考生须自行携带电脑操作（安装好带有数据挖掘功能的软件，如 PYTHON（推荐）、SQL、SPSS MODELER、R、SAS 等，电脑须具备 USB 拷贝功能及相关解压软件，进行案例操作分析。案例数据将统一提供 CSV 文件）。

　 　　　

三、知识要求

针对不同知识，掌握程度的要求分为【领会】、【熟知】、【应用】三个级别，考生应按照不同知识要求进行学习。

1．领会：考生能够了解规定的知识点，并能够了解规定知识点的内涵与外延，了解其内容要点之间的区别与联系，并能做出正确的阐述、解释和说明。

2．熟知：考生须掌握知识的要点，并能够正确理解和记忆相关理论方法，能够根据不同要求，做出逻辑严密的解释、说明和阐述。此部分为考试的重点部分。

3．应用：考生须学会将知识点落地实践，并能够使用数据挖掘工具(如Python等)进行实操。能够根据具体要求，给出问题的具体实施流程和策略。

四、考试科目

PART 1 数据挖掘概论（占比 10%）

1. 数据挖掘的思维和方法论

2. 算法建模的要素

3. 算法模型的分类

4. 数据挖掘模型的落地

5. 数据挖掘模型的评估（含过拟合、欠拟合、偏差与方差等）

PART 2 数据处理与特征工程（占比 15%）

1. 数据探索与数据处理

2. 特征工程概要

3. 特征构造

4. 特征选择

5. 特征转换

PART 3 机器学习算法（I）（占比 15%）

1. 正则化的回归

2. 最近邻法（KNN）

3. 朴素贝叶斯

4. 聚类算法

5. 关联规则

6. 序列模式

PART 4 机器学习算法（II）（占比 30%）

1. 决策树（分类树及回归树）

2. 支持向量机

3. 集成方法

4. 异常识别算法

5. 神经网络

6. 时间序列算法

PART 5 优化分析算法（占比 5%）

1. 运筹优化

2. 流程挖掘

PART 6 数据挖掘实战方法（占比 20%）

1. 多分类与多输出

2. 工作流（Pipeline）

3. 类别不平衡问题

4. 标签缺失问题

5. 模型优化与调参

6. 模型解释

PART 7 数据挖掘模型管理（占比 5%）

1. MLOps（机器学习研发运营一体化）

2. 模型生命周期管理

PART 8 数据挖掘实操（案例实操）

根据题目和给定数据，基于有限的算力和时间，使用任何可能的数据挖掘技术与方法（包括且不限 于本考纲展示的技术方法），训练模型并评估结果。

五、科目内容

1、数据挖掘的思维和方法论

【领会】

企业中数据分析的层级

【熟知】

数据挖掘的标准方法论（CRISP-DM 及 SEMMA）

数据挖掘的知识发现

【应用】

根据给定的需求建立一个数据挖掘的项目

2、算法建模的要素

【熟知】

目标函数及其表示

模型的学习策略

模型的寻优方法

模型的评估方法

3、算法模型的分类

【熟知】

有监督学习

无监督学习

【应用】

根据需求场景的不同，选择适合的模型

4、数据挖掘模型的落地

【熟知】

模型结果的解读

模型的投入产出

模型的生命周期

5、数据挖掘模型的评估（含过拟合、欠拟合、偏差与方差等）

【应用】

回归问题的模型评估方法

分类问题的模型评估方法

无监督学习的评估方法

可视化的模型评估（含学习曲线等）

模型预测的偏差与方差（含两者间的关联）

过拟合与欠拟合，及其常用解决方法（含正则，剪枝，早停等）

1、数据探索与数据处理

【领会】

数据处理的重要意义

【熟知】

数据探索的常用方法（统计指标探索，可视化探索等）

错误值的识别与处理

离群值的识别与处理

缺失值的识别与处理（含机器学习模型对缺失值的处理方法）

分类型特征的处理（含线性编码、独热编码等方法）

数据的标准化、归一化

【应用】

根据数据与建模的情况，决定是否对数据执行处理，选择合适的数据处理方法

2、特征工程概要

【领会】

特征工程的重要性特征理解

特征改进（数据清洗对特征的影响）

【熟知】

特征工程的涵盖范围

特征选择的目的

特征构造的目的

特征转换的目的

特征的自动学习

3、特征构造

【领会】

特征构造前的准备

【熟知】

运用外部数据的特征建构方法

运用数据探索的特征建构方法

运用专家经验的特征建构方法

运用数据分析的特征建构方法

建构多项式特征及交互特征

4、特征选择

【熟知】

无效变量（不相关变量、多余变量）

统计为基础的特征选择（过滤式）

模型为基础的变量选择（嵌入式）

递归式的特征选择（包裹式）

高度相关的特征的选择

【应用】

运用数据挖掘进行关键特征的选择。同时，评估不同的关键特征选择方法对模型效能的影响。

5、特征转换

【领会】

类间可分性最大化的特征转换-线性判别分析（LDA）

矩阵分解法的特征转换-非负矩阵分解法（NMF）

对稀疏矩阵进行特征转换-（截断）奇异值分解法（SVD、TSVD）

【熟知】

线性特征转换-主成分分析（PCA）

非线性的特征转换-核主成分分析（Kernel PCA）

【应用】

运用数据挖掘进行特征的转换。同时，评估不同的特征转换方法对模型效能的影响。

1、正则化的回归

【熟知】

回归算法（线性回归、逻辑回归、其他非线性回归）

算法假设

正则的分析学意义、代数学意义、几何意义

正则化的回归模型

【运用】

运用数据挖掘软件建立回归模型，解读模型结果，并评估模型效能。

2、最近邻法（KNN）

【领会】

惰性算法的优缺点及应用场景

【熟知】

最近邻法（KNN）的原理

样本点间距离的计算(Manhattan Distance、 City-Block Distance、 Euclidean Distance etc.)

权重的添加与计算

计算复杂度

【运用】

运用数据挖掘软件实现KNN，并能结合其他机器学习方法优化KNN

3、朴素贝叶斯

【领会】

条件概率与贝叶斯公式

【熟知】

朴素贝叶斯的原理

朴素贝叶斯的模型假设

对数转换与拉普拉斯变换

4、聚类算法

【领会】

聚类的概念

【熟知】

相似性的衡量与样本点间距离的计算

聚类算法的使用场景

K-Means 聚类算法（含 MiniBatch, K-means++ 等优化方法）

密度聚类算法（DBSCAN）

其他聚类算法（谱聚类，高斯混合聚类等）

聚类结果的评估与群数选择（轮廓系数、决策树评估等）

【应用】

运用数据挖掘软件建立聚类模型，评估与解读模型结果。

5、关联规则

【领会】

关联规则的概念

【熟知】

关联规则的评估指标（支持度、置信度、提升度）

Apriori 算法（暴力法的弊端、Apriori 算法的理论基础、候选项目组合的产生、候选项目组合的删除）

支持度与置信度的问题（提升度指标）

关联规则的生成

关联规则的延伸（虚拟商品的加入、负向关联规则、相依性网络）

【应用】

运用数据挖掘软件建立关联规则模型，解读模型结果，并提供业务建议。

6、序列模式

【领会】

序列模式的概念

【熟知】

序列模式的评估指标（支持度、置信度）

AprioriAll 算法（暴力法的问题、AprioriAll 算法的理论基础、候选项目组合的产生、候选项目组合的删除）

序列模式的延伸（状态移转网络）

【应用】

运用数据挖掘软件建立序列模式模型，解读模型结果，并提供业务建议。

1、决策树（分类树及回归树）

【领会】

PRISM 决策规则算法

CHAID 决策树算法（CHAID 的字段选择方式）

【熟知】

ID3 决策树算法（ID3 的字段选择方式、如何使用决策树来进行分类预测、决策树与决策规则间的关系、ID3 算法的弊端）

C4.5 决策树算法，包括 C4.5 的字段选择方式、C4.5 的数值型字段处理方式、C4.5 的空值处理方式、C4.5 的剪枝方法（预剪枝法、悲观剪枝法）

CART 分类树算法（分类树与回归树、CART 分类树的字段选择方式、CART 分类树的剪枝方法）

CART 回归树算法（CART 回归树的字段选择方式、如何利用模型树来提升 CART 回归树的效能）

【应用】

运用数据挖掘软件建立分类树模型，解读模型结果，并评估模型效能。

运用数据挖掘软件建立回归树模型，解读模型结果，并评估模型效能。

2、支持向量机

【领会】

支持向量机概述

线性可分

最佳的线性分割超平面

决策边界

【熟知】

支持向量

线性支持向量机非线性转换

核函数（Polynomial Kernel、Gaussian Radial Basis Function、Sigmoid Kernel）非线性支持向量机

支持向量机与其他算法间的关系

【应用】

运用数据挖掘软件建立分类树模型，解读模型结果，并评估模型效能。

3、集成方法

【领会】

集成方法的基本概念

【熟知】

抽样技术

训练数据上的抽样方法

输入变量上的抽样方法

袋装法、随机森林（含随机性与过拟合的关系，袋外样本，热启动等）

提升法（Adaboost、GBDT）、XBGoost（含模型约束）、LightGBM

【应用】

运用数据挖掘软件建立集成方法模型，解读模型结果，并评估模型效能。

4、异常识别算法

【领会】

异常识别与离群值的关系

【熟知】

孤立森林

局部异常因子

【应用】

运用数据挖掘软件建立异常识别模型，并提供业务建议。

5、神经网络

【领会】

感知机（Perceptron）及感知机的极限

多层感知机（Multi-Layer Perceptron）

【熟知】

BP 神经网络的架构方式

神经元的组成：组合函数（Combination Function）与激活函数（Activation Function）

BP 神经网络如何传递信息

修正权重值及常数项

训练模型前的数据准备

BP 神经网络与逻辑回归、线性回归及非线性回归间的关系

6、时间序列算法

【领会】

时间序列分析的基本概念

时间序列的统计分析方法和机器学习方法的联系与区别

循环神经网络 RNN 及长短期记忆网络 LSTM 的发展历程

【熟知】

趋势分解法、ARMA方法、ARIMA 方法的差异和适用场景

ARIMA 方法的建模流程

循环神经网络的架构方式

双向循环神经网络

长短期记忆网络

【应用】

运用数据挖掘软件建立时间序列模型，并提供业务建议。

1、运筹优化

【领会】

目标函数的设定原则

线性规划的组成部分、标准形式

整数规划与去尾法线性规划的差异性

非线性规划的组成部分、标准形式

【熟知】

线性规划的计算方法与步骤（含图形法，单纯形法）

整数规划的计算方法与步骤

非线性规划的计算方法与步骤（只考察梯度下降及其衍生方法）

非线性规划在机器学习的模型学习过程中的应用

【应用】

根据题目要求给出目标函数和约束条件，并应用数据挖掘软件求解

2、流程挖掘

【领会】

业务流程挖掘的概念

【熟知】

业务流程与业务流程管理

流程发现

流程监控

流程挖掘的分析方法和工具

【应用】

运用数据挖掘软件进行流程挖掘，并提供业务建议。

1、多分类与多输出

【领会】

多分类、多标签、多输出的联系与区别

【熟知】

多分类、多标签、多输出的 y 的形式

One Vs Rest, One Vs One

多分类问题的模型评估（只考察混淆矩阵及其衍生指标）

多类多输出

多输出回归

分类器链与回归器链的使用

【应用】

运用数据挖掘软件进行多分类多输出问题的建模，并评估模型结果。

2、工作流（Pipeline）

【领会】

Pipeline 的基本概念

支持 Pipeline 的常见库

【熟知】

Pipeline 自动数据预处理的方法

Pipeline 自动机器学习的模型建置方法

Pipeline 的调参方法

【应用】

运用 Pipeline 技术，快速应用模型。

3、类别不平衡问题

【领会】

不平衡数据定义

不平衡数据场景

传统学习方法在不平衡数据中的局限性

类别不平衡所造成的问题

【熟知】

类别不平衡问题的检测方法

过采样技术（Over-sampling）

欠采样技术（Under-sampling）

基于模型的类别不平衡处理技术

【应用】

能运用类别不平衡的处理技术，提升模型的效能

4、标签缺失问题

【领会】

标签缺失问题的定义

基于业务的打标签方法

【熟知】

自我训练方法（Self Training）

标签传播及其衍生方法（Label Propagation）

5、优化算法与调参

【领会】

参数优化的目的

【熟知】

交叉验证

网格搜索（及其衍生方法）

随机参数搜索

贝叶斯搜索

【应用】

运用模型参数优化建立更精准的数据挖掘模型

6、模型解释

【领会】

白盒模型与黑盒模型的区别与联系

【熟知】

特征重要性的分析方法（基于模型的方法，基于假设检验的方法，基于后处理的方法）

特征影响的量化分析（Partial Dependence）

决策路径分析与规则提取

代理模型

其他模型解释方法

7、其他数据挖掘高级方法

【领会】

内生性问题及其解决思路（如工具变量，双重机器学习等）

实验设计（如AB测试）及其前提假设

自定义损失函数，代价敏感学习

生存分析（含截尾数据的处理与建模）

1、MLOps（机器学习研发运营一体化）

【领会】

MLOps 的背景

MLOps 倡导的机器学习建模与应用流程

MLOps 的设计框架

MLOps中的数据/概念漂移

2、模型生命周期管理

【领会】

模型生命周期的概念

模型生命周期的主要阶段

模型管理（含模型的监控与迭代等）

模型服务（只考察实时/准实时服务与批量服务）

工作流管理

权限管理

根据题目和给定数据，基于有限的算力和时间，使用任何可能的数据挖掘技术与方法 （包括且不限于本考纲展示的技术方法），训练模型并评估结果

六、推荐学习书目

1.CDA数据科学研究院.CDA 三级认证教材:敏捷数据挖掘[M].电子工业出版社,2025.(必读)

2.周志华.机器学习（第二版）.清华大学出版社,2016.（必读）（西瓜书）

3.Ian Goodfellow, Yoshua Bengio, and Aaron Courville. 深度学习 DEEP LEARNING, 人民邮电出版社, 2017.（必读）（花书）

4.魏建国、曾珂、翟锟、常国珍.金融数据分析和数据挖掘案例实战[M].电子工业出版社,2025.（选读）

5.爱丽丝·郑,阿曼达·卡萨丽.精通特征工程.人民邮电出版社,2019.（选读）

6.Chris Albon. Python 机器学习手册:从数据预处理到深度学习.电子工业出版社,2019.（选读）