本文主要是介绍Python数据科学-技术详解与商业实践(八大案例,配套书籍),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
课程目录:
第一讲: 数据科学家的武器库(对应图书第1章) ---免费试听
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) ---免费试听
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
百度网盘
这篇关于Python数据科学-技术详解与商业实践(八大案例,配套书籍)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!