主講老師: | 傅一航 | |
課時(shí)安排: | 2天/6小時(shí)一天 | |
學(xué)習(xí)費(fèi)用: | 面議 | |
課程預(yù)約: | 隋老師 (微信同號(hào)) | |
課程簡(jiǎn)介: | 1、 全面掌握Python語(yǔ)言以及其編程思想。 2、 掌握常用擴(kuò)展庫(kù)的使用,特別是數(shù)據(jù)挖掘相關(guān)庫(kù)的使用。 3、 學(xué)會(huì)使用Python完成數(shù)據(jù)挖掘項(xiàng)目整個(gè)過(guò)程。 | |
內(nèi)訓(xùn)課程分類(lèi): | 綜合管理 | 人力資源 | 市場(chǎng)營(yíng)銷(xiāo) | 財(cái)務(wù)稅務(wù) | 基層管理 | 中層管理 | 領(lǐng)導(dǎo)力 | 管理溝通 | 薪酬績(jī)效 | 企業(yè)文化 | 團(tuán)隊(duì)管理 | 行政辦公 | 公司治理 | 股權(quán)激勵(lì) | 生產(chǎn)管理 | 采購(gòu)物流 | 項(xiàng)目管理 | 安全管理 | 質(zhì)量管理 | 員工管理 | 班組管理 | 職業(yè)技能 | 互聯(lián)網(wǎng)+ | 新媒體 | TTT培訓(xùn) | 禮儀服務(wù) | 商務(wù)談判 | 演講培訓(xùn) | 宏觀經(jīng)濟(jì) | 趨勢(shì)發(fā)展 | 金融資本 | 商業(yè)模式 | 戰(zhàn)略運(yùn)營(yíng) | 法律風(fēng)險(xiǎn) | 沙盤(pán)模擬 | 國(guó)企改革 | 鄉(xiāng)村振興 | 黨建培訓(xùn) | 保險(xiǎn)培訓(xùn) | 銀行培訓(xùn) | 電信領(lǐng)域 | 房地產(chǎn) | 國(guó)學(xué)智慧 | 心理學(xué) | 情緒管理 | 時(shí)間管理 | 目標(biāo)管理 | 客戶(hù)管理 | 店長(zhǎng)培訓(xùn) | 新能源 | 數(shù)字化轉(zhuǎn)型 | 工業(yè)4.0 | 電力行業(yè) | | |
更新時(shí)間: | 2023-09-01 11:30 |
【課程目標(biāo)】
本課程主要講解如何利用Python進(jìn)行時(shí)間序列的數(shù)據(jù)建模。
通過(guò)本課程的學(xué)習(xí),達(dá)到如下目的:
1、 全面掌握Python語(yǔ)言以及其編程思想。
2、 掌握常用擴(kuò)展庫(kù)的使用,特別是數(shù)據(jù)挖掘相關(guān)庫(kù)的使用。
3、 學(xué)會(huì)使用Python完成數(shù)據(jù)挖掘項(xiàng)目整個(gè)過(guò)程。
4、 掌握利用Python實(shí)現(xiàn)可視化呈現(xiàn)。
5、 掌握數(shù)據(jù)挖掘常見(jiàn)算法在Python中的實(shí)現(xiàn)。
【授課時(shí)間】
2-5天時(shí)間
(要根據(jù)學(xué)員的實(shí)際情況調(diào)整重點(diǎn)內(nèi)容及時(shí)間)
【授課對(duì)象】
業(yè)務(wù)支持部、IT系統(tǒng)部、大數(shù)據(jù)系統(tǒng)開(kāi)發(fā)部、大數(shù)據(jù)分析中心、網(wǎng)絡(luò)運(yùn)維部等相關(guān)技術(shù)人員。
【學(xué)員要求】
1、 每個(gè)學(xué)員自備一臺(tái)便攜機(jī)(必須)。
2、 便攜機(jī)中事先安裝好Python 3.9版本及以上。
3、 安裝好Numpy,Pandas,statsmodels,sklearn,scipy等常用庫(kù)。
注:講師現(xiàn)場(chǎng)提供分析的數(shù)據(jù)源。
【授課方式】
語(yǔ)言基礎(chǔ) + 挖掘模型 + 案例演練 + 開(kāi)發(fā)實(shí)踐 + 可視化呈現(xiàn)
采用互動(dòng)式教學(xué),圍繞業(yè)務(wù)問(wèn)題,展開(kāi)數(shù)據(jù)分析過(guò)程,全過(guò)程演練操作,讓學(xué)員在分析、分享、講授、總結(jié)、自我實(shí)踐過(guò)程中獲得能力提升。
【課程大綱】
1、 數(shù)據(jù)挖掘概述
2、 數(shù)據(jù)挖掘的標(biāo)準(zhǔn)流程(CRISP-DM)
? 商業(yè)理解
? 數(shù)據(jù)準(zhǔn)備
? 數(shù)據(jù)理解
? 模型建立
? 模型評(píng)估
? 模型應(yīng)用
案例:客戶(hù)流失預(yù)測(cè)及客戶(hù)挽留
3、 數(shù)據(jù)挖掘常用模型
1、 數(shù)據(jù)預(yù)處理的主要任務(wù)
? 數(shù)據(jù)集成:多個(gè)數(shù)據(jù)集的合并
? 數(shù)據(jù)清理:異常值的處理
? 數(shù)據(jù)處理:數(shù)據(jù)篩選、數(shù)據(jù)精簡(jiǎn)、數(shù)據(jù)平衡
? 變量處理:變量變換、變量派生、變量精簡(jiǎn)
? 數(shù)據(jù)歸約:實(shí)現(xiàn)降維,避免維災(zāi)難
2、 數(shù)據(jù)集成
? 數(shù)據(jù)追加(添加數(shù)據(jù))
? 變量合并(添加變量)
3、 數(shù)據(jù)理解(異常數(shù)據(jù)處理)
? 取值范圍限定
? 重復(fù)值處理
? 無(wú)效值/錯(cuò)誤值處理
? 缺失值處理
? 離群值/極端值處理
? 數(shù)據(jù)質(zhì)量評(píng)估
4、 數(shù)據(jù)準(zhǔn)備:數(shù)據(jù)處理
? 數(shù)據(jù)篩選:數(shù)據(jù)抽樣/選擇(減少樣本數(shù)量)
? 數(shù)據(jù)精簡(jiǎn):數(shù)據(jù)分段/離散化(減少變量的取值個(gè)數(shù))
? 數(shù)據(jù)平衡:正反樣本比例均衡
5、 數(shù)據(jù)準(zhǔn)備:變量處理
? 變量變換:原變量取值更新,比如標(biāo)準(zhǔn)化
? 變量派生:根據(jù)舊變量生成新的變量
? 變量精簡(jiǎn):降維,減少變量個(gè)數(shù)
6、 數(shù)據(jù)降維
? 常用降維的方法
? 如何確定變量個(gè)數(shù)
? 特征選擇:選擇重要變量,剔除不重要的變量
2 從變量本身考慮
2 從輸入變量與目標(biāo)變量的相關(guān)性考慮
2 對(duì)輸入變量進(jìn)行合并
? 因子分析(主成分分析)
2 因子分析的原理
2 因子個(gè)數(shù)如何選擇
2 如何解讀因子含義
案例:提取影響電信客戶(hù)流失的主成分分析
7、 數(shù)據(jù)探索性分析
? 常用統(tǒng)計(jì)指標(biāo)分析
? 單變量:數(shù)值變量/分類(lèi)變量
? 雙變量:交叉分析/相關(guān)性分析
? 多變量:特征選擇、因子分析
演練:描述性分析(頻數(shù)、描述、探索、分類(lèi)匯總)
8、 數(shù)據(jù)可視化
? 數(shù)據(jù)可視化:柱狀圖、條形圖、餅圖、折線圖、箱圖、散點(diǎn)圖等
? 圖形的表達(dá)及適用場(chǎng)景
演練:各種圖形繪制
1、 用戶(hù)專(zhuān)題分析的主要任務(wù)
2、 客戶(hù)群細(xì)分與聚類(lèi)分析
問(wèn)題:我們的客戶(hù)有幾類(lèi)?各類(lèi)特征是什么?如何實(shí)現(xiàn)客戶(hù)細(xì)分,開(kāi)發(fā)符合細(xì)分市場(chǎng)的新產(chǎn)品?
? 聚類(lèi)方法原理介紹
? 聚類(lèi)方法作用及其適用場(chǎng)景
? 聚類(lèi)分析的種類(lèi)
? K均值聚類(lèi)
案例:移動(dòng)三大品牌細(xì)分市場(chǎng)合適嗎?
演練:寶潔公司如何選擇新產(chǎn)品試銷(xiāo)區(qū)域?
演練:如何評(píng)選優(yōu)秀員工?
演練:中國(guó)各省份發(fā)達(dá)程度分析,讓數(shù)據(jù)自動(dòng)聚類(lèi)
? 最優(yōu)K值選擇
2 Elbow手肘法
2 Silhouette Coefficient輪廓系數(shù)
2 Calinski-Harabasz Index準(zhǔn)則
? 雙聚類(lèi)bicluster及評(píng)估
? 譜聚類(lèi)聯(lián)合
2 聯(lián)合譜聚類(lèi)SpectralCoclustering
2 雙向譜聚類(lèi)SpectralBiclustering
? DBSCAN鄰近聚類(lèi)
3、 客戶(hù)喜好評(píng)估與主成分分析PCA
營(yíng)銷(xiāo)問(wèn)題:如何匯聚大眾的共同喜好?
? 主成分分析方法介紹
? 主成分分析基本思想
? 主成分分析步驟
案例:如何評(píng)估汽車(chē)購(gòu)買(mǎi)者的客戶(hù)細(xì)分市場(chǎng)
4、 客戶(hù)價(jià)值評(píng)估與RFM模型
營(yíng)銷(xiāo)問(wèn)題:如何評(píng)估客戶(hù)的價(jià)值?不同的價(jià)值客戶(hù)有何區(qū)別對(duì)待?
? RFM模型(客戶(hù)價(jià)值評(píng)估)
? RFM模型,更深入了解你的客戶(hù)價(jià)值
? RFM模型與市場(chǎng)策略
? RFM模型與活躍度分析
案例:淘寶客戶(hù)價(jià)值評(píng)估與促銷(xiāo)名單
案例:重購(gòu)用戶(hù)特征分析
1、 產(chǎn)品專(zhuān)題分析主要任務(wù)
? 產(chǎn)品設(shè)計(jì)分析
? 市場(chǎng)占有分析
? 累計(jì)銷(xiāo)量分析
? 定價(jià)策略分析
2、 產(chǎn)品設(shè)計(jì)優(yōu)化(聯(lián)合分析法)
問(wèn)題:如何設(shè)計(jì)最優(yōu)的功能特征?
? 評(píng)估功能特征的重要性
? 評(píng)估功能特征的價(jià)值
案例:產(chǎn)品開(kāi)發(fā)與設(shè)計(jì)分析
3、 產(chǎn)品評(píng)估模型(隨機(jī)效用理論)
? 屬性重要性評(píng)估
? 市場(chǎng)占有率評(píng)估
? 產(chǎn)品價(jià)格彈性評(píng)估
? 評(píng)估產(chǎn)品的品牌價(jià)值
? 動(dòng)態(tài)調(diào)價(jià)(納會(huì)均衡價(jià)格)
案例:品牌價(jià)值與價(jià)格敏感度分析
案例:納什均衡價(jià)格
營(yíng)銷(xiāo)問(wèn)題:產(chǎn)品如何實(shí)現(xiàn)最優(yōu)定價(jià)?套餐價(jià)格如何確定?采用哪些定價(jià)策略可達(dá)到利潤(rùn)最大化?
1、 常見(jiàn)的定價(jià)方法
2、 產(chǎn)品定價(jià)的理論依據(jù)
? 需求曲線與利潤(rùn)最大化
? 如何求解最優(yōu)定價(jià)
案例:產(chǎn)品最優(yōu)定價(jià)求解
3、 如何評(píng)估需求曲線
? 價(jià)格彈性
? 曲線方程(線性、乘冪)
4、 如何做產(chǎn)品組合定價(jià)
5、 如何做產(chǎn)品捆綁/套餐定價(jià)
? 最大收益定價(jià)(演進(jìn)規(guī)劃求解)
? 避免價(jià)格反轉(zhuǎn)的套餐定價(jià)
案例:電信公司的寬帶、IPTV、移動(dòng)電話套餐定價(jià)
6、 非線性定價(jià)原理
? 要理解支付意愿曲線
? 支付意愿曲線與需求曲線的異同
案例:雙重收費(fèi)如何定價(jià)(如會(huì)費(fèi)+按次計(jì)費(fèi))
7、 階梯定價(jià)策略
案例:電力公司如何做階梯定價(jià)
8、 數(shù)量折扣定價(jià)策略
案例:如何通過(guò)折扣來(lái)實(shí)現(xiàn)薄利多銷(xiāo)
9、 定價(jià)策略的評(píng)估與選擇
案例:零售公司如何選擇最優(yōu)定價(jià)策略
10、 航空公司的收益管理
? 收益管理介紹
? 如何確定機(jī)票預(yù)訂限制
? 如何確定機(jī)票超售數(shù)量
? 如何評(píng)估模型的收益
案例:FBN航空公司如何實(shí)現(xiàn)收益管理(預(yù)訂/超售)
問(wèn)題:購(gòu)買(mǎi)A產(chǎn)品的顧客還常常要購(gòu)買(mǎi)其他什么產(chǎn)品?應(yīng)該給客戶(hù)推薦什么產(chǎn)品最有可能被接受?
1、 從搜索引擎到推薦引擎
2、 常用產(chǎn)品推薦模型及算法
3、 基于流行度的推薦
? 基于排行榜的推薦,適用于剛注冊(cè)的用戶(hù)
? 優(yōu)化思路:分群推薦
4、 基于內(nèi)容的推薦CBR
? 關(guān)鍵問(wèn)題:如何計(jì)算物品的相似度
? 優(yōu)缺點(diǎn)
? 優(yōu)化:Rocchio算法、基于標(biāo)簽的推薦、基于興趣度的推薦
5、 基于用戶(hù)的推薦
? 關(guān)鍵問(wèn)題:如何對(duì)用戶(hù)分類(lèi)/計(jì)算用戶(hù)的相似度
? 算法:按屬性分類(lèi)、按偏好分類(lèi)、按地理位置
6、 協(xié)同過(guò)濾的推薦
? 基于用戶(hù)的協(xié)同過(guò)濾
? 基于物品的協(xié)同過(guò)濾
? 冷啟動(dòng)的問(wèn)題
案例:計(jì)算用戶(hù)相似度、計(jì)算物品相似度
7、 基于分類(lèi)模型的推薦
8、 其它推薦算法
? LFM基于隱語(yǔ)義模型
? 按社交關(guān)系
? 基于時(shí)間上下文
9、 多推薦引擎的協(xié)同工作
信用評(píng)分卡模型簡(jiǎn)介
評(píng)分卡的關(guān)鍵問(wèn)題
信用評(píng)分卡建立過(guò)程
? 篩選重要屬性
? 數(shù)據(jù)集轉(zhuǎn)化
? 建立分類(lèi)模型
? 計(jì)算屬性分值
? 確定審批閾值
篩選重要屬性
? 屬性分段
? 基本概念:WOE、IV
? 屬性重要性評(píng)估
數(shù)據(jù)集轉(zhuǎn)化
? 連續(xù)屬性最優(yōu)分段
? 計(jì)算屬性取值的WOE
建立分類(lèi)模型
? 訓(xùn)練邏輯回歸模型
? 評(píng)估模型
? 得到字段系數(shù)
計(jì)算屬性分值
? 計(jì)算補(bǔ)償與刻度值
? 計(jì)算各字段得分
? 生成評(píng)分卡
確定審批閾值
? 畫(huà)K-S曲線
? 計(jì)算K-S值
? 獲取最優(yōu)閾值
1、 關(guān)聯(lián)規(guī)則概述
2、 常用關(guān)聯(lián)規(guī)則算法
? Apriori算法
2 發(fā)現(xiàn)頻繁集
2 生成關(guān)聯(lián)規(guī)則
? FP-Growth算法
2 構(gòu)建FP樹(shù)
2 提取規(guī)則
案例:使用apriori實(shí)現(xiàn)關(guān)聯(lián)分析
10、 基于關(guān)聯(lián)分析的推薦
? 如何制定套餐,實(shí)現(xiàn)交叉/捆綁銷(xiāo)售
案例:啤酒與尿布、颶風(fēng)與蛋撻
? 關(guān)聯(lián)分析模型原理(Association)
? 關(guān)聯(lián)規(guī)則的兩個(gè)關(guān)鍵參數(shù)
2 支持度
2 置信度
? 關(guān)聯(lián)分析的適用場(chǎng)景
案例:購(gòu)物籃分析與產(chǎn)品捆綁銷(xiāo)售/布局優(yōu)化
案例:通信產(chǎn)品的交叉銷(xiāo)售與產(chǎn)品推薦
結(jié)束:課程總結(jié)與問(wèn)題答疑。
京公網(wǎng)安備 11011502001314號(hào)