Python數據科學-技術詳解與商業實踐(文末附資源)


課程特點

兩個月掃清BATJ數據科學面試障礙,針對入門難、頭緒亂、進步緩慢、缺乏業界經驗、面試恐懼等問題提供解決方案。

1、資深講師。多年咨詢公司、企業內訓、線下培訓教學經驗;

2、注重實效。以數據科學實際運用主題為切入點,十次課程盡覽商業數據分析的全場景;

3、規划全面。本課程體系架構經過6年市場檢驗,得到知名國企、外企、咨詢公司認可;

4、無需基礎。秉承大道至簡的原則,用平易的語言詮釋貌似艱深的算法,具有高中數學基礎即可踏上通往數據科學家的道路;

5、終身學習。數據科學一旦入門,永無止境,本課程每期更新,終身學習,共同進步。

 

第一講: 數據科學家的武器庫(對應圖書第1章)

1、數據科學的基本概念 

2、數理統計技術

3、數據挖掘的技術與方法

4、分類模型的評估方法

第二講:Python基礎(對應圖書第2、3章)

1、Python簡介與安裝Anaconda

2、Python基礎數據類型與表達式

3、Python原生態數據結構

4、Python控制流、函數與模塊

第三講:信用卡客戶特征分析-產品客戶畫像初步

1、使用描述性統計進行數據探索

2、制作報表與統計制圖

3、數據可視化原則與報告PPT制作

4、討論題目-化妝品銷售數據的可視化分析:內容涉及業務報告的故事構思、對比分析、趨勢分析、產品畫像、客戶畫像與可視化

第四講:二手房價格分析報告(對應圖書第6、7 章)

1、使用描述性統計進行數據探索

2、制作報表與統計制圖

3、數據可視化原則與報告PPT制作

4、討論題目-化妝品銷售數據的可視化分析:內容涉及業務報告的故事構思、對比分析、趨勢分析、產品畫像、客戶畫像與可視化

第五講:汽車貸款信用評分卡制作(對應圖書第6、8   章)

2、卡方檢驗——影響違約的單因素探索

3、邏輯回歸——建立違約預測模型

4、數據挖掘報告的標准模板

5、討論題目-信用評分卡模型:內容涉及變量篩選、WOE轉換、建立模型、模型檢驗(ROC與KS)與評分卡制作

第六講:電信客戶流失預警(對應圖書第9、10章)

1、建立決策樹——判別流失類型

2、構建神經網絡——建立分類型的流失預警模型

3、討論題目-量化選股模型:基本面與動量選股策略、制作因子指標、建立神經網絡預測模型

第七講:信用卡行為反欺詐模型(對應圖書第11、12、16、17章)

1、集成學習在反欺詐模型的適用性

2、反欺詐模型的數據特征與不平衡數據處理

3、甜點:使用抽樣調整、組合算法提升寬帶營銷預測模型的預測能力

4、討論題目-信用卡行為反欺詐模型:稀疏數據問題、神經網絡反欺詐模型的難點、深度隨機森林的優勢

第八講:慈善機構精准營銷案例(對應圖書第13章)

1、特征工程需要解決的問題

2、連續變量壓縮技術

3、分類變量壓縮技術

4、討論題目-信用卡客戶流失預警模型:CRISP_DM建模流程、數據清洗、變量壓縮、模型開發與評估

第九講:銀行客戶渠道使用偏好洞察案例(對應圖書第14章)  

1、客戶智能與客戶畫像

2、客戶360視圖與標簽體系

3、聚類模型與客戶細分

4、聚類模型與分類模型的螺旋式發展

5、分類模型算法進階-凸優化、朴素貝葉斯、SVM、GBDT推導與分類模型評估

6、討論題目-電信客戶消費行為聚類:變量主題相關性分析、信息壓縮、分布形式轉換與客戶分群描述

第十講:推薦系統設計與銀行產品推薦(對應圖書第15章)

1、推薦系統設計

2、推薦算法適用性分析

3、購物籃分析與關聯規則

4、討論題目-電信公司產品捆綁銷售策略制定:產品互補性分析與購物籃在捆綁銷售中的實操

 

關注公眾號:DataAnalysis_Point

回復:資源001

 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM