热线电话:4000-51-9191

就学培训网

登录
首页系统课敏捷算法建模训练营脱产班
敏捷算法建模训练营脱产班
敏捷算法建模训练营脱产班
  • 远程班 随报随学

相关等级报考推荐

  1. Level I
    ¥ 1200
  2. Level II
    ¥ 1700
  3. Level III
    ¥ 2000

课程简介

敏捷算法建模训练营脱产班:学什么?学企业需要的敏捷算法建模能力。
数智赋能
 人工智能时代,如何用机器来提高生产力?在这里,你可以学到前沿且实用的技术,挖掘数据的魅力。
模板应用
教你用可落地、易操作的数据科学思维和技术模板构建出优秀模型。
技术精进
聚焦策略分析技术及企业常用的分类、NLP、深度学习、特征工程等数据算法,只教实用干货,以专精技术能力提升业务效果与效率。
工具应用
课程中安排了Sklearn/LightGBM、Tensorflow/PyTorch、Transformer等工具的应用实现,并根据输出的结果分析业务需求,为进行合理、有效的策略优化提供数据支撑。

学习对象和基础

有一定数学或统计、计算机基础与数据分析业务经验,希望脱产学习后转岗到数据挖掘岗者
希望提升数据挖掘技术的在职提升者
从事算法科学、深度学习等工作的科研人员、分析师与工程师等
产品、运营、营销、管理、咨询相关岗位从业者,希望增加数据分析技能与思维
参加CDA等级认证考试 LEVELII和 LEVEL Ⅲ 考生

案例实战
课程涉及大量企业项目案例:精准营销预测、营销策略优化、客户行为分析、风险管理、客户管理、智能推荐、情感分析、反欺诈等,加持实战经验,为你进入名企做项目背书。

学习目标

熟练掌握数据挖掘全流程的Python实操,包括数据清洗算法、特征工程、数据建模、数据治理、数据可视化等
熟练掌握Python数据挖掘算法与实践,包括统计分析、统计模型、机器学习算法、深度学习算法、文本挖掘算法
灵活使用数据挖掘算法解决各行业的业务问题,通过策略优化和精准预测来解决运营、产品、营销方面的问题

1预习课(录播)——数据库SQL

1-1数据库基本概念
1-2DDL数据定义语言
1-3DML数据操作语言
1-4单表查询
1-5多表查询
1-6Python连接SQL

2预习课(录播)——Python编程基础

2-1Python标准数据类型
2-2控制流语句
2-3自定义函数
2-4异常和错误
2-5类与面向对象编程
2-6Numpy数组操作

3预习课(录播)——数学与统计学基础

3-1线性代数
3-2微积分
3-3描述性统计
3-4参数估计
3-5假设检验
3-6相关分析
3-7卡方分析
3-8一元线性回归理论推导
3-9多元线性回归理论推导

4商业策略分析第1周

4-1数据库MySQL实战应用
4-2Python连接SQL数据库
4-3零售电商多表分析案例
4-4分析基础-数据分析的概念、过程、能力
4-5统计分析可视化
4-6企业经营分析-指标体系

5商业策略分析第2周

5-1用Python做数据分析,必会的库Pandas
5-2用Pandas做数据清洗与数据探索
5-3Python数据可视化库(Matplotlib,Seaborn)
5-4教育行业分析-学校学科教育可视化案例
5-5统计分析(相关分析,方差分析)
5-6线性回归(建立模型和模型检验)
5-7识别分析-用户支出影响因素分析案例

6商业策略分析第3周

6-1逻辑回归(模型的建立与估计,模型评估)
6-2分类与回归的结合
6-3信息压缩-主成分分析与因子分析(数据降维)
6-4用户流失分析-员工流失预警案例
6-5因子分析-城市发展水平综合分析
6-6客群分析-标签体系与与用户画像
6-7AB test-应用最广泛的对比分析方法
6-8应用用户画像-美国某企业用户画像实战案例

7商业策略分析第4周

7-1时间序列分析(ARIMA算法)
7-2带滞后项的线性回归
7-3销售额预测-线上平台销售额预测实战案例
7-4数据采集处理方法(数据采集,数据录入,数据预处理)
7-5数据管理(数据分类,数据建模,数据仓库和ETL)
7-6产品目标人群分析-市场数据的应用案例

8商业策略分析第5周

8-1层次聚类
8-2Kmeans聚类
8-3聚类分析评价方法-决策树应用
8-4用户分群-零售行业运营案例
8-5数字化工作方法
8-6运筹优化方法(线性规划与二次优化,基于业务流程的优化)
8-7数字化运营综合案例-某机构营销响应概率预测与风险预测案例

9商业策略分析第6周

9-1数据接入(接入策略,调度工具,实时数据接入方法)(附加内容)
9-2大数据平台技术架构与应用(分布式存储与计算,支持数据分析,大数据架构)(附加内容)
9-3数据挖掘导论
9-4KNN
9-5贝叶斯
9-6SVM

10机器学习进阶第7周

10-1决策树(ID3, C4.5, CART)
10-2决策树的模型调优
10-3病马死亡归类与识别案例
10-4用户分类-保险行业用户分类分析
10-5带正则项的回归分析
10-6大数据环境下的回归分析实现(Spark实现)

11机器学习进阶第8周

11-1AdaBoost, 随机森林, GBDT, XGBoost, LightGBM
11-2关联规则(关联规则的概念,评估指标,Apriori算法)
11-3协同过滤
11-4大数据环境下的协同过滤实现
11-5产品组合策略-电信公司产品捆绑销售策略分析案例

12机器学习进阶第9周

12-1数据处理的前沿方法:特征工程概要
12-2特征工程(特征的建构、选择、转换、学习)
12-3感知器及多层感知器
12-4深度神经网络(BP神经网络概述,架构)
12-5卷积神经网络
12-6循环神经网络
12-7残差网络
12-8图像分析-手写数字自动识别

13机器学习进阶第10周

13-1数据的爬取(http原理、requests应用)
13-2文本数据清洗(正则表达式、HTML结构及xpath应用)
13-3文本特征加工(分词与词性标注,文本特征处理,关键词抽取、文本分类与聚类方法)
13-4词嵌入(CBOW与Skip-gram)
13-5注意力机制Attention
13-6预训练框架Transformer
13-7Bert
13-8自然语言处理-用户情绪自动识别

14机器学习进阶第11周

14-1聚类分析进阶(密度聚类,高斯混合聚类,谱聚类)
14-2异常识别(孤立森林,局部异常因子)
14-3交易反欺诈-异常交易识别案例
14-4实战项目-金融行业反欺诈

15机器学习进阶第12周

15-1实战项目-行业文本分析
15-2实战项目-信用评分卡

16毕业周

16-1毕业答辩

17选修课

17-1数字化运营【18课时】
17-2数据产品经理?【1课时】
17-3Python爬虫【15课时】
17-4深度学习之图像识别【6课时】
17-5Tableau多维可视化分析【3课时】