课程简介
课程中安排了Sklearn/LightGBM、XGBoost、AdaBoost等的应用实现，并根据输出的结果分析业务需求，为进行合理、有效的策略优化提供数据支撑。
课程涉企业项目案例：实战项目-金融行业反欺诈，用户复购预测精准营销、客户行为分析、客户管理、智能推荐、情感分析、反欺诈等，加持实战经验，为你进入名企做项目背书。
课程对象
针对核心工作为提高工作效率的产品、运营、市场、销售、管理岗位人士
针对机器学习和深度学习模型爱好者
培训目标
掌握常用描述数据方法
掌握用户标签的制作方法及信用卡用户画像
高级数据处理与特征工程，神经网络
培训内容
1-1数据库SQL
1-2Python编程基础
1-3Numpy
1-4数学与统计学基础
2章预习（业务篇）
2-1业务前台人员数据思维训练营
3章指标体系与用Python作统计分析可视化
3-1指标体系的构建
3-2指标体系的意义
3-3常用指标体系示例
3-4数据的统计量
3-5用图表描述业务
3-6常用描述数据方法
4章标签体系与用户画像
4-1客户运营标签
4-2信用风险标签
4-3操作风险标签
4-4用户标签体系设计原理
4-5用户标签的制作方法及信用卡用户画像示例
5章统计建模与线性模型
5-1方差分析
5-2线性模型与线性回归
5-3广义线性模型与逻辑回归
6章矩阵分析法与连续变量降维
6-1矩阵分析法
6-2主成分分析
6-3因子分析
7章聚类分析
7-1层次聚类法
7-2K-means聚类法
8章决策树
8-1决策树（ID3,C4.5,CART）
8-2决策树的模型调优
8-3用户分类-保险行业用户分类分析
9章集成与提升方法
9-1AdaBoost
9-2随机森林
9-3GBDT
9-4XGBoost
9-5LightGBM
10章聚类分析进阶与异常识别
10-1聚类分析进阶（密度聚类，谱聚类）
10-2异常识别（孤立森林，局部异常因子）
10-3交易反欺诈-异常交易识别案例
11章关联规则与协同过滤
11-1关联规则（关联规则的概念，评估指标，Apriori算法）
11-2协同过滤
11-3产品组合策略-电信公司产品捆绑销售策略分析案例"
12章高级数据处理与特征工程，神经网络
12-1数据处理的前沿方法：特征工程概要
12-2特征工程（特征的建构、选择、转换、学习）
12-3深度神经网络（BP神经网络概述，架构）
12-4感知机及感知机的极限
13章大型项目案例
13-1复杂网络特征介绍
13-2不均衡样本处理
13-3实战项目-金融行业反欺诈
13-4实战项目-用户复购预测
14章数据分析师职业规划课
14-1职业规划
14-2职场沟通力
14-3团队协作力培养
15章面试技巧一对一辅导
15-11V1面试技巧指导与简历修改
16章选修课
16-1互联网数字化运营【18课时】
16-2何为数据产品经理？【1课时】
16-3Python爬虫【15课时】
16-4Python办公自动化【10课时】
16-5人工智能(深度学习)实战之图像识别【6课时】
16-6采销、物流与供应链数据分析应用实战【10课时】(需额外付费）
