CDA LEVEL III 考试大纲

CDA LEVEL 3:备考攻略

CDA LEVEL III 考试大纲

CERTIFIED DATA ANALYST LEVEL III EXAMINATION OUTLINE

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，面向全行业的专业权威国际资格认证，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 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据分析

师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 60 题+多选 30 题+内容相关 10 题）

案例实操题（1 题）

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用品。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。

第 1页，共 17页

版权所有，侵权必究

CDA LEVEL III 考试大纲

第 2页，共 17页 版权所有，侵权必究

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。

◆ PART 1 数据挖掘概论（占比 10%）

a. 数据挖掘概要（2%）

b. 数据挖掘方法论（2%）

c. 基础数据挖掘技术（3%）

d. 进阶数据挖掘技术（3%）

 

◆ PART 2 高级数据处理与特征工程（占比 15%）

a. 高级数据处理（3%）

b. 特征工程概要（1%）

c. 特征建构（2%）

d. 特征选择（3%）

e. 特征转换（3%）

f. 特征学习（3%）

◆ PART 3 自然语言处理与文本分析（占比 10%）

a. 自然语言处理概要（占比 1%）

b. 分词与词性标注（占比 2%）

c. 文本挖掘概要（占比 1%）

d. 关键词提取（占比 2%）

e. 文本非结构数据转结构（占比 4%）

◆ PART 4 机器学习算法（占比 30%）

a. 正则化的回归模型（2%）

b. 决策树（分类树及回归树）（5%）

c. 支持向量机（1%）

d. 集成方法（9%）

e. 聚类分析（4%）

f. 关联规则（3%）

g. 序列模式（1%）

h. 模型评估（5%）

四、考试科目

CDA LEVEL III 考试大纲

第 3页，共 17页 版权所有，侵权必究

五、科目内容

◆ PART 5 数据挖掘实战（占比 10%）

a. Pipeline（2%）

b. 类别不平衡问题（4%）

c. 模型优化与调参（4%）

◆ PART 6 深度学习算法（占比 13%）

a. 感知机（1%）

b. BP 神经网络（3%）

c. 卷积神经网络（Convolutional Neural Networks, CNN）（2%）

d. 循环神经网络（Recurrent Neural Networks, RNN）（2%）

e. 优化算法（2%）

f. 深度学习中的正则化（2%）

g. 自编码器与表示学习（1%）

 

◆ PART 7 大语言模型与人工智能(NLP)（占比 12%）

a. 注意力机制与Transformer（3%）

b. 大语言模型及其应用（5%）

c. 微调与知识学习（3%）

d. Agent（1%）

 

 

PART 1 数据挖掘概论

◆ 1、数据挖掘概要

【领会】

 

数