|
1944| 7
|
[『編程語言』] Python數(shù)據(jù)科學(xué)-技術(shù)詳解與商業(yè)實(shí)踐（涵蓋風(fēng)控） |
|
Python數(shù)據(jù)科學(xué)-技術(shù)詳解與商業(yè)實(shí)踐（涵蓋風(fēng)控）
養(yǎng)成式數(shù)據(jù)科學(xué)家培養(yǎng)模式，針對入門難、頭緒亂、進(jìn)步緩慢、缺乏業(yè)界經(jīng)驗(yàn)、面試恐懼等問題提供解決方案。 從3個維度展開，技術(shù)維度：全面講解數(shù)據(jù)分析、數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的核心技術(shù)；業(yè)務(wù)維度，圍繞具體的業(yè)務(wù)生命周期展開技術(shù)知識點(diǎn)的講解；實(shí)踐維度，列舉的全部是商業(yè)案例，通過案例為數(shù)據(jù)科學(xué)從業(yè)者提供工作模板。 課程目錄： 第一講： 數(shù)據(jù)科學(xué)家的武器庫（對應(yīng)圖書第1章） 1、數(shù)據(jù)科學(xué)的基本概念 2、數(shù)理統(tǒng)計(jì)技術(shù) 3、數(shù)據(jù)挖掘的技術(shù)與方法 4、分類模型的評估方法 第二講：python基礎(chǔ)（對應(yīng)圖書第2、3章） 1、Python簡介與安裝Anaconda 2、Python基礎(chǔ)數(shù)據(jù)類型與表達(dá)式 3、Python原生態(tài)數(shù)據(jù)結(jié)構(gòu) 4、Python控制流、函數(shù)與模塊 第三講：信用卡客戶特征分析-產(chǎn)品客戶畫像初步（對應(yīng)圖書第4、5章） 1、使用描述性統(tǒng)計(jì)進(jìn)行數(shù)據(jù)探索 2、制作報(bào)表與統(tǒng)計(jì)制圖 3、數(shù)據(jù)可視化原則與報(bào)告PPT制作 4、討論題目-化妝品銷售數(shù)據(jù)的可視化分析：內(nèi)容涉及業(yè)務(wù)報(bào)告的故事構(gòu)思、對比分析、趨勢分析、產(chǎn)品畫像、客戶畫像與可視化 第四講：二手房價(jià)格分析報(bào)告（對應(yīng)圖書第6、7章） 1、統(tǒng)計(jì)推論——大膽假設(shè)與小心求證 2、方差分析與相關(guān)分析——影響房價(jià)的單因素探索 3、線性回歸——影響房價(jià)因素的系統(tǒng)性分析 4、業(yè)務(wù)分析報(bào)告的標(biāo)準(zhǔn)模板 5、討論題目-建立上市公司績效預(yù)測模型：基于企業(yè)的歷史經(jīng)營信息預(yù)測未來的營收狀況。 第五講：汽車貸款信用評分卡制作（對應(yīng)圖書第6、8章） 2、卡方檢驗(yàn)——影響違約的單因素探索 3、邏輯回歸——建立違約預(yù)測模型 4、數(shù)據(jù)挖掘報(bào)告的標(biāo)準(zhǔn)模板 5、討論題目-信用評分卡模型：內(nèi)容涉及變量篩選、WOE轉(zhuǎn)換、建立模型、模型檢驗(yàn)(ROC與KS)與評分卡制作 第六講：電信客戶流失預(yù)警（對應(yīng)圖書第9、10章） 1、建立決策樹——判別流失類型 2、構(gòu)建神經(jīng)網(wǎng)絡(luò)——建立分類型的流失預(yù)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(biāo)、建立神經(jīng)網(wǎng)絡(luò)預(yù)測模型 第七講：信用卡行為反欺詐模型(對應(yīng)圖書第11、12、16、17章) 1、集成學(xué)習(xí)在反欺詐模型的適用性 2、反欺詐模型的數(shù)據(jù)特征與不平衡數(shù)據(jù)處理 3、甜點(diǎn)：使用抽樣調(diào)整、組合算法提升寬帶營銷預(yù)測模型的預(yù)測能力 4、討論題目-信用卡行為反欺詐模型：稀疏數(shù)據(jù)問題、神經(jīng)網(wǎng)絡(luò)反欺詐模型的難點(diǎn)、深度隨機(jī)森林的優(yōu)勢 第八講：慈善機(jī)構(gòu)精準(zhǔn)營銷案例(對應(yīng)圖書第13章) 1、特征工程需要解決的問題 2、連續(xù)變量壓縮技術(shù) 3、分類變量壓縮技術(shù) 4、討論題目-信用卡客戶流失預(yù)警模型：CRISP_DM建模流程、數(shù)據(jù)清洗、變量壓縮、模型開發(fā)與評估 第九講：銀行客戶渠道使用偏好洞察案例(對應(yīng)圖書第14章) 1、客戶智能與客戶畫像 2、客戶360視圖與標(biāo)簽體系 3、聚類模型與客戶細(xì)分 4、聚類模型與分類模型的螺旋式發(fā)展 5、分類模型算法進(jìn)階-凸優(yōu)化、樸素貝葉斯、SVM、GBDT推導(dǎo)與分類模型評估 6、討論題目-電信客戶消費(fèi)行為聚類：變量主題相關(guān)性分析、信息壓縮、分布形式轉(zhuǎn)換與客戶分群描述 第十講：推薦系統(tǒng)設(shè)計(jì)與銀行產(chǎn)品推薦(對應(yīng)圖書第15章) 1、推薦系統(tǒng)設(shè)計(jì) 2、推薦算法適用性分析 3、購物籃分析與關(guān)聯(lián)規(guī)則 4、討論題目-電信公司產(chǎn)品捆綁銷售策略制定：產(chǎn)品互補(bǔ)性分析與購物籃在捆綁銷售中的實(shí)操
購買主題
本主題需向作者支付 6 資源幣 才能瀏覽
| |
| ||
| ||
| ||
| ||
| ||
| ||
小黑屋|資源共享吧 ( 瓊ICP備2023000410號-1 )
GMT+8, 2025-8-3 03:09 , Processed in 0.067059 second(s), 16 queries , MemCached On.
發(fā)表于 2024-3-6 01:49:15
收藏