主講老師: | 傅一航 | |
課時安排: | 2天/6小時一天 | |
學(xué)習(xí)費用: | 面議 | |
課程預(yù)約: | 隋老師 (微信同號) | |
課程簡介: | 1、 全面掌握Python語言以及其編程思想。 2、 掌握常用擴展庫的使用,特別是數(shù)據(jù)挖掘相關(guān)庫的使用。 3、 學(xué)會使用Python完成數(shù)據(jù)挖掘項目整個過程。 | |
內(nèi)訓(xùn)課程分類: | 綜合管理 | 人力資源 | 市場營銷 | 財務(wù)稅務(wù) | 基層管理 | 中層管理 | 領(lǐng)導(dǎo)力 | 管理溝通 | 薪酬績效 | 企業(yè)文化 | 團隊管理 | 行政辦公 | 公司治理 | 股權(quán)激勵 | 生產(chǎn)管理 | 采購物流 | 項目管理 | 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 | 趨勢發(fā)展 | 金融資本 | 商業(yè)模式 | 戰(zhàn)略運營 | 法律風(fēng)險 | 沙盤模擬 | 國企改革 | 鄉(xiāng)村振興 | 黨建培訓(xùn) | 保險培訓(xùn) | 銀行培訓(xùn) | 電信領(lǐng)域 | 房地產(chǎn) | 國學(xué)智慧 | 心理學(xué) | 情緒管理 | 時間管理 | 目標(biāo)管理 | 客戶管理 | 店長培訓(xùn) | 新能源 | 數(shù)字化轉(zhuǎn)型 | 工業(yè)4.0 | 電力行業(yè) | | |
更新時間: | 2023-09-01 11:30 |
【課程目標(biāo)】
本課程主要講解如何利用Python進行時間序列的數(shù)據(jù)建模。
通過本課程的學(xué)習(xí),達到如下目的:
1、 全面掌握Python語言以及其編程思想。
2、 掌握常用擴展庫的使用,特別是數(shù)據(jù)挖掘相關(guān)庫的使用。
3、 學(xué)會使用Python完成數(shù)據(jù)挖掘項目整個過程。
4、 掌握利用Python實現(xiàn)可視化呈現(xiàn)。
5、 掌握數(shù)據(jù)挖掘常見算法在Python中的實現(xiàn)。
【授課時間】
2-5天時間
(要根據(jù)學(xué)員的實際情況調(diào)整重點內(nèi)容及時間)
【授課對象】
業(yè)務(wù)支持部、IT系統(tǒng)部、大數(shù)據(jù)系統(tǒng)開發(fā)部、大數(shù)據(jù)分析中心、網(wǎng)絡(luò)運維部等相關(guān)技術(shù)人員。
【學(xué)員要求】
1、 每個學(xué)員自備一臺便攜機(必須)。
2、 便攜機中事先安裝好Python 3.9版本及以上。
3、 安裝好Numpy,Pandas,statsmodels,sklearn,scipy等常用庫。
注:講師現(xiàn)場提供分析的數(shù)據(jù)源。
【授課方式】
語言基礎(chǔ) + 挖掘模型 + 案例演練 + 開發(fā)實踐 + 可視化呈現(xiàn)
采用互動式教學(xué),圍繞業(yè)務(wù)問題,展開數(shù)據(jù)分析過程,全過程演練操作,讓學(xué)員在分析、分享、講授、總結(jié)、自我實踐過程中獲得能力提升。
【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
? 模型評估
? 模型應(yīng)用
案例:客戶流失預(yù)測及客戶挽留
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、數(shù)據(jù)平衡
? 變量處理:變量變換、變量派生、變量精簡
? 數(shù)據(jù)歸約:實現(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
? 無效值/錯誤值處理
? 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:數(shù)據(jù)分段/離散化(減少變量的取值個數(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:降維,減少變量個數(shù)
6、 數(shù)據(jù)降維
? 常用降維的方法
? 如何確定變量個數(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 對輸入變量進行合并
? 因子分析(主成分分析)
2 因子分析的原理
2 因子個數(shù)如何選擇
2 如何解讀因子含義
案例:提取影響電信客戶流失的主成分分析
7、 數(shù)據(jù)探索性分析
? 常用統(tǒng)計指標(biāo)分析
? 單變量:數(shù)值變量/分類變量
? 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、散點圖等
? 圖形的表達及適用場景
演練:各種圖形繪制
1、 用戶專題分析的主要任務(wù)
2、 客戶群細(xì)分與聚類分析
問題:我們的客戶有幾類?各類特征是什么?如何實現(xiàn)客戶細(xì)分,開發(fā)符合細(xì)分市場的新產(chǎn)品?
? 聚類方法原理介紹
? 聚類方法作用及其適用場景
? 聚類分析的種類
? K均值聚類
案例:移動三大品牌細(xì)分市場合適嗎?
演練:寶潔公司如何選擇新產(chǎn)品試銷區(qū)域?
演練:如何評選優(yōu)秀員工?
演練:中國各省份發(fā)達程度分析,讓數(shù)據(jù)自動聚類
? 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bicluster及評估
? 譜聚類聯(lián)合
2 聯(lián)合譜聚類SpectralCoclustering
2 雙向譜聚類SpectralBiclustering
? DBSCAN鄰近聚類
3、 客戶喜好評估與主成分分析PCA
營銷問題: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:如何評估汽車購買者的客戶細(xì)分市場
4、 客戶價值評估與RFM模型
營銷問題:如何評估客戶的價值?不同的價值客戶有何區(qū)別對待?
? RFM模型(客戶價值評估)
? RFM模型,更深入了解你的客戶價值
? RFM模型與市場策略
? RFM模型與活躍度分析
案例:淘寶客戶價值評估與促銷名單
案例:重購用戶特征分析
1、 產(chǎn)品專題分析主要任務(wù)
? 產(chǎn)品設(shè)計分析
? 市場占有分析
? 累計銷量分析
? 定價策略分析
2、 產(chǎn)品設(shè)計優(yōu)化(聯(lián)合分析法)
問題:如何設(shè)計最優(yōu)的功能特征?
? 評估功能特征的重要性
? 評估功能特征的價值
案例:產(chǎn)品開發(fā)與設(shè)計分析
3、 產(chǎn)品評估模型(隨機效用理論)
? 屬性重要性評估
? 市場占有率評估
? 產(chǎn)品價格彈性評估
? 評估產(chǎn)品的品牌價值
? 動態(tài)調(diào)價(納會均衡價格)
案例:品牌價值與價格敏感度分析
案例:納什均衡價格
營銷問題:產(chǎn)品如何實現(xiàn)最優(yōu)定價?套餐價格如何確定?采用哪些定價策略可達到利潤最大化?
1、 常見的定價方法
2、 產(chǎn)品定價的理論依據(jù)
? 需求曲線與利潤最大化
? 如何求解最優(yōu)定價
案例:產(chǎn)品最優(yōu)定價求解
3、 如何評估需求曲線
? 價格彈性
? 曲線方程(線性、乘冪)
4、 如何做產(chǎn)品組合定價
5、 如何做產(chǎn)品捆綁/套餐定價
? 最大收益定價(演進規(guī)劃求解)
? 避免價格反轉(zhuǎn)的套餐定價
案例:電信公司的寬帶、IPTV、移動電話套餐定價
6、 非線性定價原理
? 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:雙重收費如何定價(如會費+按次計費)
7、 階梯定價策略
案例:電力公司如何做階梯定價
8、 數(shù)量折扣定價策略
案例:如何通過折扣來實現(xiàn)薄利多銷
9、 定價策略的評估與選擇
案例:零售公司如何選擇最優(yōu)定價策略
10、 航空公司的收益管理
? 收益管理介紹
? 如何確定機票預(yù)訂限制
? 如何確定機票超售數(shù)量
? 如何評估模型的收益
案例:FBN航空公司如何實現(xiàn)收益管理(預(yù)訂/超售)
問題:購買A產(chǎn)品的顧客還常常要購買其他什么產(chǎn)品?應(yīng)該給客戶推薦什么產(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,適用于剛注冊的用戶
? 優(yōu)化思路:分群推薦
4、 基于內(nèi)容的推薦CBR
? 關(guān)鍵問題:如何計算物品的相似度
? 優(yōu)缺點
? 優(yōu)化:Rocchio算法、基于標(biāo)簽的推薦、基于興趣度的推薦
5、 基于用戶的推薦
? 關(guān)鍵問題:如何對用戶分類/計算用戶的相似度
? 算法:按屬性分類、按偏好分類、按地理位置
6、 協(xié)同過濾的推薦
? 基于用戶的協(xié)同過濾
? 基于物品的協(xié)同過濾
? 冷啟動的問題
案例:計算用戶相似度、計算物品相似度
7、 基于分類模型的推薦
8、 其它推薦算法
? LFM基于隱語義模型
? 按社交關(guān)系
? 基于時間上下文
9、 多推薦引擎的協(xié)同工作
信用評分卡模型簡介
評分卡的關(guān)鍵問題
信用評分卡建立過程
? 篩選重要屬性
? 數(shù)據(jù)集轉(zhuǎn)化
? 建立分類模型
? 計算屬性分值
? 確定審批閾值
篩選重要屬性
? 屬性分段
? 基本概念:WOE、IV
? 屬性重要性評估
數(shù)據(jù)集轉(zhuǎn)化
? 連續(xù)屬性最優(yōu)分段
? 計算屬性取值的WOE
建立分類模型
? 訓(xùn)練邏輯回歸模型
? 評估模型
? 得到字段系數(shù)
計算屬性分值
? 計算補償與刻度值
? 計算各字段得分
? 生成評分卡
確定審批閾值
? 畫K-S曲線
? 計算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
2 提取規(guī)則
案例:使用apriori實現(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,實現(xiàn)交叉/捆綁銷售
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)則的兩個關(guān)鍵參數(shù)
2 支持度
2 置信度
? 關(guān)聯(lián)分析的適用場景
案例:購物籃分析與產(chǎn)品捆綁銷售/布局優(yōu)化
案例:通信產(chǎn)品的交叉銷售與產(chǎn)品推薦
結(jié)束:課程總結(jié)與問題答疑。
京公網(wǎng)安備 11011502001314號