你的位置： 首页 > 公开课首页 > 经营战略 > 课程详情
课程介绍 评价详情(0)
第一部分、数据分析探索与应用流程
l 商业数据分析
数据挖掘Road Maps
R、python简单介绍
l 数据探索
数据预处理
构建新的变量
异常值处理
数据可视化
l 数据分析应用流程
第二部分、经典预测和分类方法
l 回归分析
相关性
线性回归与拟合
最小二乘法的几何解释
线性回归中的变量选择
回归算法的评估与选择
l KNN 分类器
确定相邻的样本数据
分类规则
参数K的选择
算法优缺点
案例分析：如何选择相似用户？
l 逻辑回归
逻辑回归模型
分类算法的评估
案例分析：用户借贷能力判定
l 决策树
迭代分割
纯度的计算
决策树的使用效果
如何避免过拟合
剪枝与终止条件
案例分析：如何利用决策树的提取出业务规则？
l （补充）树模型应用——随机森林
案例分析：如何帮助业务方筛选出重要的业务变量？
第三部分、经典聚类算法
l 聚类问题介绍
l 两条数据之间的距离
欧式距离
数值型数据处理与距离函数
类别型数据的距离计算
混合类型数据的距离计算
两个类别之间的距离
最大距离、最小聚类、中心距离
l K-means
如何选择参数K
l 层次聚类
第四部分、异常检测与反欺诈
l 异常值检测
异常团体识别
案例分析：无监督反欺诈方案应用
业务思考：如何构建一个反欺诈系统？
第五部分、时间序列预测
l 时间序列回归模型
预测变量筛选
回归预测
非线性回归
相关、因果和预测
l 时间序列分解
时间序列成分
移动平均
经典时间序列分解
STL分解法
趋势性、季节性判定
业务思考：如何对时间序列进行聚类？
分解法预测
时间序列类异常值检测
业务思考：如何评估促销活动效果？
l ARIMA模型
平稳性和差分
延迟算子
自回归与移动平均
非季节性arima
参数估计与选择
季节性arima
l 高级预测方法
复杂的季节性
向量自回归
神经网络
l 实际预测问题
周数据、天粒度数据以及小时数据预测
预测组合
长序列与短序列预测
训练集与测试集
缺失值与异常值
案例分享：共享单车Daily天粒度需求预测
第六部分、决策优化
l 开源决策优化工具介绍 google or-tools
运筹优化方法介绍
优化算法应用流程
l 案例分享(可选)
电商促销优惠券发放优化：给定用户补贴的预算，如何选择合适的补贴用户。
工厂布局优化:考虑如何减少物料搬运成本(运量和距离)。
仓库选址问题：如何选择服务点，满足服务能力和降低运输成本。
物流配送、车辆路径调度：配送问题综合建模与分析。
本课程名称： 商业数据分析与算法应用
查看更多：经营战略公开课
我要找内训供应商
授课内容与课纲相符0低0%
讲师授课水平0低0%
服务态度0低0%
你实际购买的价格
付款时最多可用0淘币抵扣0元现金
购买成功后，系统会给用户帐号返回的现金券
课程介绍 评价详情(0)
课程收益:
为计划转行数据算法的同学提供实际项目建模经验和解析。
了解常用的
学习如何构造营销用户、流失用户、高价值用户的筛选模型。
学习如何利用规则和模型构建 反作弊、异常值监控系统。
了解如何构建需求预估模型。针对周、天、小时等粒度的未来需求进行预测。
了解如何利用运筹优化算法支持相关项目落地。优化项目的建模思想与实际案例。
课程大纲
第一部分、数据分析探索与应用流程
l 商业数据分析
数据挖掘Road Maps
R、python简单介绍
l 数据探索
数据预处理
构建新的变量
异常值处理
数据可视化
l 数据分析应用流程
第二部分、经典预测和分类方法
l 回归分析
相关性
线性回归与拟合
最小二乘法的几何解释
线性回归中的变量选择
回归算法的评估与选择
l KNN 分类器
确定相邻的样本数据
分类规则
参数K的选择
算法优缺点
案例分析：如何选择相似用户？
l 逻辑回归
逻辑回归模型
分类算法的评估
案例分析：用户借贷能力判定
l 决策树
迭代分割
纯度的计算
决策树的使用效果
如何避免过拟合
剪枝与终止条件
案例分析：如何利用决策树的提取出业务规则？
l （补充）树模型应用——随机森林
案例分析：如何帮助业务方筛选出重要的业务变量？
第三部分、经典聚类算法
l 聚类问题介绍
l 两条数据之间的距离
欧式距离
数值型数据处理与距离函数
类别型数据的距离计算
混合类型数据的距离计算
两个类别之间的距离
最大距离、最小聚类、中心距离
l K-means
如何选择参数K
l 层次聚类
案例分析：如何选择相似用户？
第四部分、异常检测与反欺诈
l 异常值检测
异常团体识别
案例分析：无监督反欺诈方案应用
业务思考：如何构建一个反欺诈系统？
第五部分、时间序列预测
l 时间序列回归模型
预测变量筛选
回归预测
非线性回归
相关、因果和预测
l 时间序列分解
时间序列成分
移动平均
经典时间序列分解
STL分解法
趋势性、季节性判定
业务思考：如何对时间序列进行聚类？
分解法预测
时间序列类异常值检测
业务思考：如何评估促销活动效果？
l ARIMA模型
平稳性和差分
延迟算子
自回归与移动平均
非季节性arima
参数估计与选择
季节性arima
l 高级预测方法
复杂的季节性
向量自回归
神经网络
l 实际预测问题
周数据、天粒度数据以及小时数据预测
预测组合
长序列与短序列预测
训练集与测试集
缺失值与异常值
案例分享：共享单车Daily天粒度需求预测
第六部分、决策优化
l 开源决策优化工具介绍 google or-tools
运筹优化方法介绍
优化算法应用流程
l 案例分享(可选)
电商促销优惠券发放优化：给定用户补贴的预算，如何选择合适的补贴用户。
工厂布局优化:考虑如何减少物料搬运成本(运量和距离)。
仓库选址问题：如何选择服务点，满足服务能力和降低运输成本。
物流配送、车辆路径调度：配送问题综合建模与分析。
培训师介绍
具有需求预测、收益管理、反作弊、物流配送路径优化系统等丰富的数据算法实战经验。
在外资企业中享有很高的知名度。 接受咨询或培训的单位包括上海大众汽车、长春西门子汽车电子、联合汽车电子、三维制药等等有限公司以及其他来自全国各地的合资企业。
本课程名称： 商业数据分析与算法应用
查看更多：经营战略公开课