京公网安备 11010802034615号
经营许可证编号:京B2-20210330
· 深圳市儿童医院成功部署IBM集成平台与商业智能分析系统
· 英特尔携杭州诚道科技构建智能交通
· 数据挖掘在青岛银行:提升银行交易性能、简化运营和管理
· 百度大脑PK人脑 大数据押高考作文题
培训安排
Python数据挖掘培训安排:
|
项目名称 |
Python数据挖掘 |
|
时间-北京 |
2016年1月23-31日/@北京 周六日(共4天) |
|
时间-远程 |
2016年1月23-31日/@远程 周六日(共4天) |
|
价格(元) |
全程:4000(现场)/2900(远程) |
|
优惠 |
1. 参加过论坛其他现场班老学员9折优惠 2. 同一单位三人及以上报名9折优惠 3. 全日制学生及CDA LEVEL Ⅰ老学员8折优惠(学生证证明文件) 以上优惠不可叠加 |
|
|
|
|
现场班福利 |
全套视频资料,咖啡茶歇,论坛币(500个) 【远程班福利同上】 |
课程讲师
常国珍,会计学博士、社会学硕士,毕业于北京大学人口所,目前就读于北大光华管理学院,SAS公司数据挖掘与统计分析课程讲师。曾为德勤管理咨询高级数据挖掘咨询顾问,SAS官方培训资深讲师,2014年SAS软件大赛判卷人,曾以数据挖掘工程师身份就职于亚信科技(中国)有限公司市场部。具有八年的数据挖掘实战经验,主攻分类模型,涉及客户精准营销、信用评估、价值提升、欺诈侦测和流失预警等数据挖掘主题,尤其熟悉银行个人客户精准营销的建模工作。
授课方式
1. 现场授课使用Python和Spss软件进行数据挖掘,多媒体互动,现场答疑。
2. 时间:上午9:00—12:00,下午13:00—16:30,16:30—17:00现场答疑。
3. 现场提供免费午餐,咖啡茶饮。
4. 赠送讲义,数据 ,现场班视频。
授课对象
1)各行业数据分析、数据挖掘从业者
2)金融、电信、零售、医学等各行业业务数据分析人员
3)ZF事业单位大数据及数据挖掘项目人员
4)数据挖掘岗位就业、提拔涨薪、技能优化等从业人员
5)对数据挖掘感兴趣的各界人员
授课目标
1、系统掌握数据分析/挖掘的基本理念、方法
2、掌握商业数据分析的分析方式、流程,具有实际开展数据分析/挖掘项目的能力
3、掌握商业数据分析/挖掘报告的展现技能
课程大纲
|
第一讲 1.2Python数据类型、数据语法、运算符 |
第二讲 2.1 函数、模块、异常与文件处理 2.2 函数与重要Python包 2.3 数据挖掘常用包介绍 |
|
第三讲 3.1 特征变量选择:主成分和因子等 3.2 样本聚类 3.3 案例1:汽车类型聚类与地域购买偏好分析 |
第四讲 4.1 决策树模型 4.2 模型验证+组合算法 4.3 案例2:电信离网用户预警 |
|
第五讲 5.1 最近邻域法(KNN)、MBR、样条曲线 5.2 线性回归与岭回归、可实现的Lasso算法 5.3 案例3:婚恋网站被约会可能性预测 案例4:零售业客户价值预测模型 |
第六讲 6.1 逻辑回归;广义线性模型 6.2 支持向量机 6.3 案例5:新闻内容分类 |
|
第七讲 7.1 文本分析流程概述 7.2 常用字符串函数与正则表达式 7.3 分词与词频统计 7.4 案例6:新闻内容分类 案例7:构造新闻热点词指数 |
第八讲 8.1 社会网络分析 8.2 案例8:电信客户交友圈与流失预警 案例9:电信再入网客户身份指纹识别
|
在线报名
1.在线填写报名信息;
2.给予反馈,确认报名信息;
3.网上缴费;
4.开课前一周发送电子版课件和教室路线图
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14