Python數據科學-技術詳解與商業實踐(文末附資源)

課程特色

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

一、資深講師。多年諮詢公司、企業內訓、線下培訓教學經驗；

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

三、規劃全面。本課程體系架構通過6年市場檢驗，獲得知名國企、外企、諮詢公司承認；

四、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，具備高中數學基礎便可踏上通往數據科學家的道路；

五、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）

一、數據科學的基本概念 

二、數理統計技術

三、數據挖掘的技術與方法

四、分類模型的評估方法

第二講：Python基礎（對應圖書第二、3章）

一、Python簡介與安裝Anaconda

二、Python基礎數據類型與表達式

三、Python原生態數據結構

四、Python控制流、函數與模塊

第三講：信用卡客戶特徵分析-產品客戶畫像初步

一、使用描述性統計進行數據探索

二、製做報表與統計製圖

三、數據可視化原則與報告PPT製做

四、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（對應圖書第六、7 章）

一、使用描述性統計進行數據探索

二、製做報表與統計製圖

三、數據可視化原則與報告PPT製做

四、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製做（對應圖書第六、8   章）

二、卡方檢驗——影響違約的單因素探索

三、邏輯迴歸——創建違約預測模型

四、數據挖掘報告的標準模板

五、討論題目-信用評分卡模型：內容涉及變量篩選、WOE轉換、創建模型、模型檢驗(ROC與KS)與評分卡製做

第六講：電信客戶流失預警（對應圖書第九、10章）

一、創建決策樹——判別流失類型

二、構建神經網絡——創建分類型的流失預警模型

三、討論題目-量化選股模型：基本面與動量選股策略、製做因子指標、創建神經網絡預測模型

第七講：信用卡行爲反欺詐模型(對應圖書第十一、十二、1六、17章)

一、集成學習在反欺詐模型的適用性

二、反欺詐模型的數據特徵與不平衡數據處理

三、甜點：使用抽樣調整、組合算法提高寬帶營銷預測模型的預測能力

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

第八講：慈善機構精準營銷案例(對應圖書第13章)

一、特徵工程須要解決的問題

二、連續變量壓縮技術

三、分類變量壓縮技術

四、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)  

一、客戶智能與客戶畫像

二、客戶360視圖與標籤體系

三、聚類模型與客戶細分

四、聚類模型與分類模型的螺旋式發展

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

六、討論題目-電信客戶消費行爲聚類：變量主題相關性分析、信息壓縮、分佈形式轉換與客戶分羣描述

第十講：推薦系統設計與銀行產品推薦(對應圖書第15章)

一、推薦系統設計

二、推薦算法適用性分析

三、購物籃分析與關聯規則

四、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

 

關注公衆號：DataAnalysis_Point

回覆：資源001