京公网安备 11010802034615号
经营许可证编号:京B2-20210330
正如厨师烹饪需要锅碗瓢盆一样,数据分析师工作需要强大的统计工具,分析建模才能如虎添翼。现在的软件越来越丰富,越来越智能,SAS,Python,R,SPSS Modelr,Weka,百花齐放,百家争鸣,面对斑驳复杂的软件,我们应该如何抉择?
这次告诉你答案:
关于软件,你会用啥就用啥,用什么顺手就用什么,记住四点:
一、只要能达到目标的软件就是好软件;
二、你研究的领域啥软件好用啥软件就是好软件;
三、不要妄想用一个软件解决所有问题;
四、软件的智能化不等于整个数据分析的智能化与自动化,如果没有对算法和业务的深刻理解,建立的模型就没有说服力,更不用说用模型进行决策了。
--摘自CDA讲师
【开课信息】
|
地点 |
时间 |
费用 |
讲师 |
报名 |
|
北京 |
7月29-31,8月5-7日 |
5900元 |
李御玺 |
|
|
上海 |
6月18-19,23-26日 |
5900元 |
李御玺 |
|
|
深圳 |
8月11-14,20-21日 |
5900元 |
李御玺 |
|
|
远程 |
7月29-31,8月5-7日 |
4400元 |
李御玺 |
(1) 授课方式:面授直播两种形式,中文多媒体互动式授课方式
(2) 授课时间:上午9:00-12:00,下午13:30-16:30,16:30-17:00(答疑)
(3) 学习期限:现场与视频结合,长期学习加练习答疑。
【课程大纲】
主题
以企业场景、真实案例教学方式,利用SPSS MODELER来贯穿数据挖掘建模的整个内容,包括基础、算法、建模、进阶、模型优化、应用等。
应用范围
《营销活动及信用风险控制》 《企业如何处理原始数据》 《如何根据业务选取有效变量》 《如何建立交叉销售模型》 《如何建立信用评分模型》 《如何进行模型优化》 《企业如何建立预测模型》 《客户分群精准化营销》
算法理论
KDD、CRISP DM—数据处理—统计检验—决策树、罗吉斯回归、包装法—贝氏网络—神经网络—支持向量机—随机森林—聚类分析—关联分析—序列分析
案例操作
【营销客户分群】【银行风险预测】【网站行为关联分析】【商品关联规则】【交叉销售】【客户流失预警】【天气预测】【药物治疗】【疾病诊断】【零售购物篮组合】【银行金融产品序列分析】
【讲师介绍】
李御玺,教授,国立台湾大学资讯工程博士,铭传大学资讯工程学系教授,铭传大学大数据研究中心主任,中华数据挖掘协会理事,云南财经大学信息学院客座教授,浙江大学城市学院客座教授,厦门大学数据挖掘中心顾问,中国人民大学数据挖掘中心顾问,IBM SPSS-China顾问,SAS-Taiwan顾问。在其相关研究领域已发表超过260篇以上的研究论文,同时也是国科会与教育部多个相关研究计划的主持人。
【学员对象】
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.政府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
【最新优惠】
1. 全日制学生及CDA LEVEL Ⅰ老学员8折优惠(学生证证明文件)
2. 同一单位三人及以上报名9折优惠,五人及以上8折优惠
3. CDA LEVEL Ⅰ等级资格证书持有者立省1000元
(以上优惠不能叠加)
【关于证书】
CDA考试安排:
1. 考试时间2016年6月26日
2. 考试内容:CDA LEVLE Ⅱ建模分析师大纲。
3. 报名费用:1500元/人。参加CDA系统培训学员费用为1000/人。
4. 其他:CDA考试一次不过可申请补考,补考费用为原价一半。证书3年审核一次。
5. 报考链接: http://exam.cda.cn/
【报名流程】
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
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16