Python数据科学-技术详解与商业实践(八大案例,配套书籍)

Python数据科学-技术详解与商业实践(八大案例,配套书籍)

两个月扫清BATJ数据科学面试障碍

799 308 人学习

课程名称:

Python数据科学-技术详解与商业实践(八大案例,配套书籍)

 【温馨提示:1. 你可以在PC端浏览器或者微信收藏该页面,以方便你快速找到这个课程;2. 课程相关资料&QQ会员群可在课程PC端公告查看下载;3.购买课程后,点(课时)列表即可观看视频 】

本课程免费试听课程:数据科学实战:Python篇(案例:个人贷款违约预测模型)https://edu.hellobi.com/course/270


课程特色:

第一期的基础知识 录播可看) + 第二期 作业互动答疑每周1小时)+ 答疑前完成全部作业送书;养成式数据科学家培养模式,针对入门难、头绪乱、进步缓慢、缺乏业界经验、面试恐惧等问题提供解决方案。


1、资深讲师。多年咨询公司、企业内训、线下培训教学经验;

2、注重实效。以数据科学实际运用主题为切入点,十次课程尽览商业数据分析的全场景;

3、规划全面。本课程体系架构经过6年市场检验,得到知名国企、外企、咨询公司认可;,配套同名出版物Python数据科学:技术详解与商业实践  https://item.jd.com/30116890297.html

4、无需基础。秉承大道至简的原则,用平易的语言诠释貌似艰深的算法,具有高中数学基础即可踏上通往数据科学家的道路;

5、终身学习。数据科学一旦入门,永无止境,本课程每期更新,终身学习,共同进步。


讲师简介:

Ben,Python数据科学:技术详解与商业实践 https://item.jd.com/30116890297.html》作者,资深数据科学专家和金融技术专家。2005年进入数据科学领域,先后在亚信、德勤、百度等企业从事电信、金融行业数据挖掘工作。专注于零售金融方面的数据治理、客户智能与风险智能领域。


学习方式

本系列课程采取基础录播 + 在线直播方式共10次课【前两次课免费试听】;

每周二晚上9:00-10:00针对给定的题目组织学员讨论并进行指导。学员有一周的学习和准备时间。为了督促学员学习,直播内容不提供录播、课件和脚本。


开课时间:2018年8月28日


客服:

加入学习后请添加客服微信:tianshansoft08(请注明:课程名称,发送支付截图),加入学员交流群中。  

1111.jpg


课程目录:

第一讲: 数据科学家的武器库(对应图书第1章)   ---免费试听

1、数据科学的基本概念 

2、数理统计技术

3、数据挖掘的技术与方法

4、分类模型的评估方法


第二讲:Python基础(对应图书第2、3章)   ---免费试听

1、Python简介与安装Anaconda

2、Python基础数据类型与表达式

3、Python原生态数据结构

4、Python控制流、函数与模块


第三讲:信用卡客户特征分析-产品客户画像初步(对应图书第4、5章)

1、使用描述性统计进行数据探索

2、制作报表与统计制图

3、数据可视化原则与报告PPT制作

4、讨论题目-化妆品销售数据的可视化分析:内容涉及业务报告的故事构思、对比分析、趋势分析、产品画像、客户画像与可视化


第四讲:二手房价格分析报告(对应图书第6、7章)

1、统计推论——大胆假设与小心求证

2、方差分析与相关分析——影响房价的单因素探索

3、线性回归——影响房价因素的系统性分析

4、业务分析报告的标准模板

5、讨论题目-建立上市公司绩效预测模型:基于企业的历史经营信息预测未来的营收状况。


第五讲:汽车贷款信用评分卡制作(对应图书第6、8章)

2、卡方检验——影响违约的单因素探索

3、逻辑回归——建立违约预测模型

4、数据挖掘报告的标准模板

5、讨论题目-信用评分卡模型:内容涉及变量筛选、WOE转换、建立模型、模型检验(ROC与KS)与评分卡制作


第六讲:电信客户流失预警(对应图书第9、10章)

1、建立决策树——判别流失类型

2、构建神经网络——建立分类型的流失预警模型

3、讨论题目-量化选股模型:基本面与动量选股策略、制作因子指标、建立神经网络预测模型


第七讲:信用卡行为反欺诈模型(对应图书第11、12、16、17章)

1、集成学习在反欺诈模型的适用性

2、反欺诈模型的数据特征与不平衡数据处理

3、甜点:使用抽样调整、组合算法提升宽带营销预测模型的预测能力

4、讨论题目-信用卡行为反欺诈模型:稀疏数据问题、神经网络反欺诈模型的难点、深度随机森林的优势


第八讲:慈善机构精准营销案例(对应图书第13章) 

1、特征工程需要解决的问题

2、连续变量压缩技术

3、分类变量压缩技术

4、讨论题目-信用卡客户流失预警模型:CRISP_DM建模流程、数据清洗、变量压缩、模型开发与评估


第九讲:银行客户渠道使用偏好洞察案例(对应图书第14章)   

1、客户智能与客户画像

2、客户360视图与标签体系

3、聚类模型与客户细分

4、聚类模型与分类模型的螺旋式发展

5、分类模型算法进阶-凸优化、朴素贝叶斯、SVM、GBDT推导与分类模型评估

6、讨论题目-电信客户消费行为聚类:变量主题相关性分析、信息压缩、分布形式转换与客户分群描述



第十讲:推荐系统设计与银行产品推荐(对应图书第15章)  

1、推荐系统设计

2、推荐算法适用性分析

3、购物篮分析与关联规则

4、讨论题目-电信公司产品捆绑销售策略制定:产品互补性分析与购物篮在捆绑销售中的实操


友情提示:  

1、PC端如果发现浏览器无法观看课程,建议使用谷歌浏览器观看;移动端建议直接微信打开课程页面

2、如果购买后下次登录提示课程需要重新购买,一般是因为你把登录账户记成你绑定的手机或者邮箱帐号而混淆了。

3、【在微信购买课程的用户注意】请微信收藏课程页面或者关注微信公众号:天善智能(点“我的”即可查看你已购买的课程),已方便下次学习。

4、课程相关资料&QQ会员群可在课程PC端公告查看下载;

5、加入学习后请添加客服微信:tianshansoft08(请注明:课程名称),邀请你加入微信VIP群与老师&同学交流讨论。


1111.jpg




改版

反馈