序号 | 课程模块 | 课程内容 |
---|---|---|
01 | 数据挖掘方法论 | 介绍CRISP-DM数据挖掘方法论流程 |
02 | 商业理解 | 介绍案例的背景以及目标、精准营销概念和意义、营销手段以及分析流程 |
03 | 数据理解及准备 | 了解数据字段的含义以及业务逻辑、数据探索和数据预处理 |
04 | RFM价值模型 | 介绍RFM概念以及算法、算法过程以及商业用途,基于实战数据展示RFM客户价值分群结果 |
05 | 聚类分析 | 介绍聚类分析的概念以及算法,列如K-MEANS和层次聚类、通过特征工程构建会员指标体系 |
06 | 特征刻画 | 探索客户加油行为,基于客户分群指标体系展示K-MEANS客户分群结果,刻画群体特征 |
07 | 作业 | 基于淘宝卖家会员交易数据,完成课程教学内容的实践 |
序号 | 课程模块 | 课程内容 |
---|---|---|
01 | 商业理解 | 介绍案例的背景以及目标,精准营销概念和意义,营销手段以及分析流程 |
02 | 数据理解及准备 | 了解数据字段的含义,对数据进行简单的探索分析 |
03 | 特征重要性分析 | 了解特征重要性评估的常见方法过滤法(FILTER)、封装法(WRAPPER)和集成法 |
04 | 模型构建和评估 | 介绍分类分析的概念以及算法,列如决策树、朴素贝叶斯和神经网络,模型过拟合及对策,模型评估的方法,列如混洗距阵和ROC曲线等,基于实战数据构建精准营销响应率预测模型 |
05 | 模型应用 | 将预测模型应用于新数据,预测客户响应率,精准筛选目标客户 |
06 | 作业 | 基于葡萄牙一家银行机构想要通过电话营销订阅定期存款活动的数据,完成课程教学内容的实践 |
序号 | 课程模块 | 课程内容 |
---|---|---|
01 | 商业理解 | 介绍案例的背景以及目标,精准营销概念和意义、营销手段以及分析流程 |
02 | 数据理解及准备 | 了解数据字段的含义,派生新变量,列如比例相对指标、汇总类指标、波动类指标、趋势类指标等,并对数据进行简单探索 |
03 | 特征重要性分析 | 了解特征重要性评估的常见方法过滤(FILTER)、封装法(WRAPPER)和集成法 |
04 | 模型构建和评估 | 介绍样本均衡性处理的方法,基于实战数据构建客户流失预测模型 |
05 | 模型应用 | 将预测模型应用于新数据,预测客户流失概率,筛选需要进行挽留的客户名单 |
06 | 作业 | 基于一家商业银行客户流失数据,完成课程教学内容的实践 |
序号 | 课程模块 | 课程内容 |
---|---|---|
01 | 房价预测-商业理解 | 介绍案例的背景、目标和试用场景 |
02 | 价格预测-数据理解及准备 | 了解数据字段的含义,缺失数据处理,变量相关性分析 |
03 | 房价预测-模型构建和评估 | 了解线性回归、神经网络等模型构建方法以及RMSE和R-SQUARE等模型评估指标,基于实战数据构建房价预测模型 |
04 | 股价预测-商业理解 | 介绍案例的背景、目标和使用场景 |
05 | 股价预测-数据理解及准备 | 了解数据字段的含义,时间序列的概念,平稳性和随机性检验 |
06 | 股价预测-模型构建和评估 | 了解ARIMA、指数平滑等模型构建方法以及模型评估方法,基于实战数据构建股价预测模型 |
07 | 作业 | 基于汽车价格和股票价格数据,完成课程教学内容的实践 |
序号 | 课程模块 | 课程内容 |
---|---|---|
01 | 购物篮分析-商业理解 | 介绍案例的背景、目标和使用场景 |
02 | 购物篮分析-关联分析 | 了解APRIOR和FP-GROWTH算法以及支持度、置信度和提升度 |
03 | 购物篮分析-超市购物篮分析实例 | 基于超市顾客商品购买明细数据进行关联分析,根据分析结果,给超市运营者提供建议 |
04 | 推荐系统-商业理解 | 介绍案例的背景和目标,了解推荐系统的应用领域、原理和类别 |
05 | 推荐系统-推荐系统算法 | 了解基于用户的协同过滤推荐算法和基于商品的协同过滤推荐算法 |
06 | 推荐系统-协同过滤推荐实例 | 基于实战数据构建协同过滤推荐 |
07 | 作业 | 基于超市购买数据,完成课程教学内容的实践 |
序号 | 课程模块 | 课程内容 |
---|---|---|
01 | 深度学习简介 | 介绍什么是深度学习,与机器学习和人工智能的关系,与机器学习的异同点以及深度学习的应用场景 |
02 | 神经网络介绍 | 介绍神经网络的组成单元,前向传播算法以及激活函数去线性化 |
04 | 神经网络优化 | 介绍神经网络的训练流程,优化神经网络使用的算法:梯度下降算法和反向传播算法,训练神经网络的常见问题(列如过学习率拟合)和对应的解决方案 |
04 | 图像识别和经典数据集 | 什么是图像识别的问题,有哪些图像识别领域的经典数据集 |
05 | 卷积神经网络 | 介绍数据在卷积网络结构里的计算方式及卷积结构在图像处理问题上的优势 |
06 | 经典神经网络模型 | 介绍一些比较经典的卷积神经网络结构,这些网络结构在图像识别的一些比赛上都获得了非常优异的成绩 |
07 | 作业 | 基于MNIST数据,构建LENET-5神经网络结构,实现图像识别的课程实践 |