Python数据科学

06-05 09:23

Python数据科学-技术详解与商业实践（八大案例，配套书籍）完整视频教程

Python数据科学-技术详解与商业实践（八大案例，配套书籍）完整视频教程养成式数据科学家培养模式，针对入门难、头绪乱、进步缓慢、缺乏业界经验、面试恐惧等问题提供解决方案。从3个维度展开，技术维度：全面讲解数据分析、数据挖掘和机器学习的核心技术；业务维度，围绕具体的业务生命周期展开技术知识点的讲解；实践维度，列举的全部是商业案例，通过案例为数据科学从业者提供工作模板。课程目录：第一讲：数据科学家的武器库（对应图书第1章） 1、数据科学的基本概念 2、数理统计技术 3、数据挖掘的技术与方法 4、分类模型的评估方法第二讲：python基础（对应图书第2、3章） 1、Python简介与安装Anaconda 2、Python基础数据类型与表达式 3、Python原生态数据结构 4、Python控制流、函数与模块第三讲：信用卡客户特征分析-产品客户画像初步（对应图书第4、5章） 1、使用描述性统计进行数据探索 2、制作报表与统计制图 3、数据可视化原则与报告PPT制作 4、讨论题目-化妆品销售数据的可视化分析：内容涉及业务报告的故事构思、对比分析、趋势分析、产品画像、客户画像与可视化第四讲：二手房价格分析报告（对应图书第6、7章） 1、统计推论——大胆假设与小心求证 2、方差分析与相关分析——影响房价的单因素探索 3、线性回归——影响房价因素的系统性分析 4、业务分析报告的标准模板 5、讨论题目-建立上市公司绩效预测模型：基于企业的历史经营信息预测未来的营收状况。第五讲：汽车贷款信用评分卡制作（对应图书第6、8章） 2、卡方检验——影响违约的单因素探索 3、逻辑回归——建立违约预测模型 4、数据挖掘报告的标准模板 5、讨论题目-信用评分卡模型：内容涉及变量筛选、WOE转换、建立模型、模型检验(ROC与KS)与评分卡制作第六讲：电信客户流失预警（对应图书第9、10章） 1、建立决策树——判别流失类型 2、构建神经网络——建立分类型的流失预警模型 3、讨论题目-量化选股模型：基本面与动量选股策略、制作因子指标、建立神经网络预测模型第七讲：信用卡行为反欺诈模型(对应图书第11、12、16、17章) 1、集成学习在反欺诈模型的适用性 2、反欺诈模型的数据特征与不平衡数据处理 3、甜点：使用抽样调整、组合算法提升宽带营销预测模型的预测能力 4、讨论题目-信用卡行为反欺诈模型：稀疏数据问题、神经网络反欺诈模型的难点、深度随机森林的优势第八讲：慈善机构精准营销案例(对应图书第13章) 1、特征工程需要解决的问题 2、连续变量压缩技术 3、分类变量压缩技术 4、讨论题目-信用卡客户流失预警模型：CRISP_DM建模流程、数据清洗、变量压缩、模型开发与评估第九讲：银行客户渠道使用偏好洞察案例(对应图书第14章) 1、客户智能与客户画像 2、客户360视图与标签体系 3、聚类模型与客户细分 4、聚类模型与分类模型的螺旋式发展 5、分类模型算法进阶-凸优化、朴素贝叶斯、SVM、GBDT推导与分类模型评估 6、讨论题目-电信客户消费行为聚类：变量主题相关性分析、信息压缩、分布形式转换与客户分群描述第十讲：推荐系统设计与银行产品推荐(对应图书第15章) 1、推荐系统设计 2、推荐算法适用性分析 3、购物篮分析与关联规则 4、讨论题目-电信公司产品捆绑销售策略制定：产品互补性分析与购物篮在捆绑销售中的实操

415

11-16 01:21

Python数据科学-技术详解与商业实践（八大案例，配套书籍）完整视频教程

Python数据科学-技术详解与商业实践（八大案例，配套书籍）完整视频教程养成式数据科学家培养模式，针对入门难、头绪乱、进步缓慢、缺乏业界经验、面试恐惧等问题提供解决方案。从3个维度展开，技术维度：全面讲解数据分析、数据挖掘和机器学习的核心技术；业务维度，围绕具体的业务生命周期展开技术知识点的讲解；实践维度，列举的全部是商业案例，通过案例为数据科学从业者提供工作模板。课程目录：第一讲：数据科学家的武器库（对应图书第1章） 1、数据科学的基本概念 2、数理统计技术 3、数据挖掘的技术与方法 4、分类模型的评估方法第二讲：python基础（对应图书第2、3章） 1、Python简介与安装Anaconda 2、Python基础数据类型与表达式 3、Python原生态数据结构 4、Python控制流、函数与模块第三讲：信用卡客户特征分析-产品客户画像初步（对应图书第4、5章） 1、使用描述性统计进行数据探索 2、制作报表与统计制图 3、数据可视化原则与报告PPT制作 4、讨论题目-化妆品销售数据的可视化分析：内容涉及业务报告的故事构思、对比分析、趋势分析、产品画像、客户画像与可视化第四讲：二手房价格分析报告（对应图书第6、7章） 1、统计推论——大胆假设与小心求证 2、方差分析与相关分析——影响房价的单因素探索 3、线性回归——影响房价因素的系统性分析 4、业务分析报告的标准模板 5、讨论题目-建立上市公司绩效预测模型：基于企业的历史经营信息预测未来的营收状况。第五讲：汽车贷款信用评分卡制作（对应图书第6、8章） 2、卡方检验——影响违约的单因素探索 3、逻辑回归——建立违约预测模型 4、数据挖掘报告的标准模板 5、讨论题目-信用评分卡模型：内容涉及变量筛选、WOE转换、建立模型、模型检验(ROC与KS)与评分卡制作第六讲：电信客户流失预警（对应图书第9、10章） 1、建立决策树——判别流失类型 2、构建神经网络——建立分类型的流失预警模型 3、讨论题目-量化选股模型：基本面与动量选股策略、制作因子指标、建立神经网络预测模型第七讲：信用卡行为反欺诈模型(对应图书第11、12、16、17章) 1、集成学习在反欺诈模型的适用性 2、反欺诈模型的数据特征与不平衡数据处理 3、甜点：使用抽样调整、组合算法提升宽带营销预测模型的预测能力 4、讨论题目-信用卡行为反欺诈模型：稀疏数据问题、神经网络反欺诈模型的难点、深度随机森林的优势第八讲：慈善机构精准营销案例(对应图书第13章) 1、特征工程需要解决的问题 2、连续变量压缩技术 3、分类变量压缩技术 4、讨论题目-信用卡客户流失预警模型：CRISP_DM建模流程、数据清洗、变量压缩、模型开发与评估第九讲：银行客户渠道使用偏好洞察案例(对应图书第14章) 1、客户智能与客户画像 2、客户360视图与标签体系 3、聚类模型与客户细分 4、聚类模型与分类模型的螺旋式发展 5、分类模型算法进阶-凸优化、朴素贝叶斯、SVM、GBDT推导与分类模型评估 6、讨论题目-电信客户消费行为聚类：变量主题相关性分析、信息压缩、分布形式转换与客户分群描述第十讲：推荐系统设计与银行产品推荐(对应图书第15章) 1、推荐系统设计 2、推荐算法适用性分析 3、购物篮分析与关联规则 4、讨论题目-电信公司产品捆绑销售策略制定：产品互补性分析与购物篮在捆绑销售中的实操

295