- 章节1： PySpark基础与信用评分卡案例
- 课时1：Spark基本框架讲解 免费 35:27
- 课时2：在Win 10中搭建PySpark环境 免费 12:20
- 课时3：预测模型讲解-建模原理 免费 06:44
- 课时4：预测模型讲解-了解数据 免费 10:30
- 课时5：预测模型讲解-业务理解 免费 12:20
- 课时6：预测模型讲解-数据提取思路 免费 07:11
- 课时7：预测模型讲解-数据提取的Python代码 免费 15:20
- 课时8：预测模型讲解-建模与模型评估 免费 07:26
- 课时9：预测模型讲解-建模与模型评估的Python代码 免费 06:49
- 课时10：个人贷款违约预测模型Pyspark脚本讲解 免费 24:01
- 章节2： 数字化营销框架与用户画像实践
- 课时11：用户画像概念与用途 19:06
- 课时12：用户标签体系 11:58
- 课时13：基于用户标签的推荐系统框架 29:59
- 课时14：用户标签开发方法 16:52
- 课时15：5Spark RDD和DataFrame讲解 15:41
- 课时16：制作基础标签 12:36
- 课时17：兴趣标签 06:52
- 章节3： 预测模型与流失预警案例
- 课时18：Spark ML的数据类型 18:34
- 课时19：建立SparkML pipline 13:38
- 课时20：建立模型和评估 29:55
- 课时21：交叉验证与确定最优参数 06:44
- 课时22：建立客户流失模型 12:15
- 章节4： 交易反欺诈与不平衡数据处理
- 课时23：欺诈的基本认识-1 20:38
- 课时24：欺诈的基本认识-2 31:13
- 课时25：申请反欺诈及案例-1 31:51
- 课时26：申请反欺诈及案例-2 15:17
- 课时27：交易反欺诈及案例-1 29:36
- 课时28：交易反欺诈及案例-2 32:03
- 章节5： 产品推荐算法与案例
- 课时29：推荐算法简介 33:00
- 课时30：频繁模式-关联规则与FP-Growth-1 24:30
- 课时31：频繁模式-关联规则与FP-Growth-2 29:21
- 课时32：协同过滤与影片推荐 30:09
- 课时33：实时推荐与流计算 16:43
- 章节6： 图分析算法与案例
- 课时34：GraphFrames的基础操作 41:41
- 课时35：社会网络分析技术常用算法简介 18:15
- 课时36：图分析技术在不同领域中的运用 16:43
- 课时37：航运案例分析 19:29
