課程簡介
課程中安排了Sklearn/LightGBM、XGBoost、AdaBoost等的應用實現，并根據輸出的結果分析業務需求，為進行合理、有效的策略優化提供數據支撐。
課程涉企業項目案例：實戰項目-金融行業反欺詐，用戶復購預測精準營銷、客戶行為分析、客戶管理、智能推薦、情感分析、反欺詐等，加持實戰經驗，為你進入名企做項目背書。
課程對象
針對核心工作為提高工作效率的產品、運營、市場、銷售、管理崗位人士
針對機器學習和深度學習模型愛好者
培訓目標
掌握常用描述數據方法
掌握用戶標簽的制作方法及信用卡用戶畫像
高級數據處理與特征工程，神經網絡
培訓內容
1-1數據庫SQL
1-2Python編程基礎
1-3Numpy
1-4數學與統計學基礎
2章預習（業務篇）
2-1業務前臺人員數據思維訓練營
3章指標體系與用Python作統計分析可視化
3-1指標體系的構建
3-2指標體系的意義
3-3常用指標體系示例
3-4數據的統計量
3-5用圖表描述業務
3-6常用描述數據方法
4章標簽體系與用戶畫像
4-1客戶運營標簽
4-2信用風險標簽
4-3操作風險標簽
4-4用戶標簽體系設計原理
4-5用戶標簽的制作方法及信用卡用戶畫像示例
5章統計建模與線性模型
5-1方差分析
5-2線性模型與線性回歸
5-3廣義線性模型與邏輯回歸
6章矩陣分析法與連續變量降維
6-1矩陣分析法
6-2主成分分析
6-3因子分析
7章聚類分析
7-1層次聚類法
7-2K-means聚類法
8章決策樹
8-1決策樹（ID3,C4.5,CART）
8-2決策樹的模型調優
8-3用戶分類-保險行業用戶分類分析
9章集成與提升方法
9-1AdaBoost
9-2隨機森林
9-3GBDT
9-4XGBoost
9-5LightGBM
10章聚類分析進階與異常識別
10-1聚類分析進階（密度聚類，譜聚類）
10-2異常識別（孤立森林，局部異常因子）
10-3交易反欺詐-異常交易識別案例
11章關聯規則與協同過濾
11-1關聯規則（關聯規則的概念，評估指標，Apriori算法）
11-2協同過濾
11-3產品組合策略-電信公司產品捆綁銷售策略分析案例"
12章高級數據處理與特征工程，神經網絡
12-1數據處理的前沿方法：特征工程概要
12-2特征工程（特征的建構、選擇、轉換、學習）
12-3深度神經網絡（BP神經網絡概述，架構）
12-4感知機及感知機的極限
13章大型項目案例
13-1復雜網絡特征介紹
13-2不均衡樣本處理
13-3實戰項目-金融行業反欺詐
13-4實戰項目-用戶復購預測
14章數據分析師職業規劃課
14-1職業規劃
14-2職場溝通力
14-3團隊協作力培養
15章面試技巧一對一輔導
15-11V1面試技巧指導與簡歷修改
16章選修課
16-1互聯網數字化運營【18課時】
16-2何為數據產品經理？【1課時】
16-3Python爬蟲【15課時】
16-4Python辦公自動化【10課時】
16-5人工智能(深度學習)實戰之圖像識別【6課時】
16-6采銷、物流與供應鏈數據分析應用實戰【10課時】(需額外付費）
