
· 深圳市儿童医院成功部署IBM集成平台与商业智能分析系统
· 英特尔携杭州诚道科技构建智能交通
· 数据挖掘在青岛银行:提升银行交易性能、简化运营和管理
· 百度大脑PK人脑 大数据押高考作文题
培训安排
Python数据挖掘培训安排:
项目名称 |
Python数据挖掘 |
时间-北京 |
2016年1月23-31日/@北京 周六日(共4天) |
时间-远程 |
2016年1月23-31日/@远程 周六日(共4天) |
价格(元) |
全程:4000(现场)/2900(远程) |
优惠 |
1. 参加过论坛其他现场班老学员9折优惠 2. 同一单位三人及以上报名9折优惠 3. 全日制学生及CDA LEVEL Ⅰ老学员8折优惠(学生证证明文件) 以上优惠不可叠加 |
关于证书 |
可自愿申请工信部数据分析师证书,申请费用400元 |
现场班福利 |
全套视频资料,咖啡茶歇,论坛币(500个) 【远程班福利同上】 |
课程讲师
常国珍,会计学博士、社会学硕士,毕业于北京大学人口所,目前就读于北大光华管理学院,SAS公司数据挖掘与统计分析课程讲师。曾为德勤管理咨询高级数据挖掘咨询顾问,SAS官方培训资深讲师,2014年SAS软件大赛判卷人,曾以数据挖掘工程师身份就职于亚信科技(中国)有限公司市场部。具有八年的数据挖掘实战经验,主攻分类模型,涉及客户精准营销、信用评估、价值提升、欺诈侦测和流失预警等数据挖掘主题,尤其熟悉银行个人客户精准营销的建模工作。
授课方式
1. 现场授课使用Python和Spss软件进行数据挖掘,多媒体互动,现场答疑。
2. 时间:上午9:00—12:00,下午13:00—16:30,16:30—17:00现场答疑。
3. 现场提供免费午餐,咖啡茶饮。
4. 赠送讲义,数据 ,现场班视频。
授课对象
1)各行业数据分析、数据挖掘从业者
2)金融、电信、零售、医学等各行业业务数据分析人员
3)ZF事业单位大数据及数据挖掘项目人员
4)数据挖掘岗位就业、提拔涨薪、技能优化等从业人员
5)对数据挖掘感兴趣的各界人员
授课目标
1、系统掌握数据分析/挖掘的基本理念、方法
2、掌握商业数据分析的分析方式、流程,具有实际开展数据分析/挖掘项目的能力
3、掌握商业数据分析/挖掘报告的展现技能
课程大纲
第一讲 1.2Python数据类型、数据语法、运算符 |
第二讲 2.1 函数、模块、异常与文件处理 2.2 函数与重要Python包 2.3 数据挖掘常用包介绍 |
第三讲 3.1 特征变量选择:主成分和因子等 3.2 样本聚类 3.3 案例1:汽车类型聚类与地域购买偏好分析 |
第四讲 4.1 决策树模型 4.2 模型验证+组合算法 4.3 案例2:电信离网用户预警 |
第五讲 5.1 最近邻域法(KNN)、MBR、样条曲线 5.2 线性回归与岭回归、可实现的Lasso算法 5.3 案例3:婚恋网站被约会可能性预测 案例4:零售业客户价值预测模型 |
第六讲 6.1 逻辑回归;广义线性模型 6.2 支持向量机 6.3 案例5:新闻内容分类 |
第七讲 7.1 文本分析流程概述 7.2 常用字符串函数与正则表达式 7.3 分词与词频统计 7.4 案例6:新闻内容分类 案例7:构造新闻热点词指数 |
第八讲 8.1 社会网络分析 8.2 案例8:电信客户交友圈与流失预警 案例9:电信再入网客户身份指纹识别
|
在线报名
1.在线填写报名信息;
2.给予反馈,确认报名信息;
3.网上缴费;
4.开课前一周发送电子版课件和教室路线图
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02