《商業(yè)數(shù)據(jù)分析與算法應(yīng)用》課程詳情
點(diǎn)擊下載課大綱及報(bào)名表 課程背景
數(shù)據(jù)和算法在支持企業(yè)精細(xì)化運(yùn)營(yíng)、生產(chǎn)制造、營(yíng)銷、用戶體驗(yàn)、供應(yīng)鏈、物流等場(chǎng)景得到廣泛的應(yīng)用。
本課程將為學(xué)員梳理數(shù)據(jù)算法在不同領(lǐng)域的實(shí)際案例，幫助學(xué)員掌握常用的數(shù)據(jù)模型原理和應(yīng)用方法。
對(duì)高價(jià)值用戶篩選、反作弊、供需預(yù)估和物流配送、成本優(yōu)化等方向的案例進(jìn)行現(xiàn)場(chǎng)解析。
對(duì)于計(jì)劃轉(zhuǎn)行數(shù)據(jù)算法方向的學(xué)員，提供理論和實(shí)踐的綜合課程。

第一部分、數(shù)據(jù)分析探索與應(yīng)用流程
l 商業(yè)數(shù)據(jù)分析
數(shù)據(jù)挖掘Road Maps
R、python簡(jiǎn)單介紹
l 數(shù)據(jù)探索
數(shù)據(jù)預(yù)處理
構(gòu)建新的變量
異常值處理
數(shù)據(jù)可視化
l 數(shù)據(jù)分析應(yīng)用流程
第二部分、經(jīng)典預(yù)測(cè)和分類方法
l 回歸分析
相關(guān)性
線性回歸與擬合
最小二乘法的幾何解釋
線性回歸中的變量選擇
回歸算法的評(píng)估與選擇
l KNN 分類器
確定相鄰的樣本數(shù)據(jù)
分類規(guī)則
參數(shù)K的選擇
算法優(yōu)缺點(diǎn)
案例分析：如何選擇相似用戶？
l 邏輯回歸
邏輯回歸模型
分類算法的評(píng)估
案例分析：用戶借貸能力判定
l 決策樹(shù)
迭代分割
純度的計(jì)算
決策樹(shù)的使用效果
如何避免過(guò)擬合
剪枝與終止條件
案例分析：如何利用決策樹(shù)的提取出業(yè)務(wù)規(guī)則？
l （補(bǔ)充）樹(shù)模型應(yīng)用——隨機(jī)森林
案例分析：如何幫助業(yè)務(wù)方篩選出重要的業(yè)務(wù)變量？
第三部分、經(jīng)典聚類算法
l 聚類問(wèn)題介紹
l 兩條數(shù)據(jù)之間的距離
歐式距離
數(shù)值型數(shù)據(jù)處理與距離函數(shù)
類別型數(shù)據(jù)的距離計(jì)算
混合類型數(shù)據(jù)的距離計(jì)算
兩個(gè)類別之間的距離
最大距離、最小聚類、中心距離
l K-means
如何選擇參數(shù)K
l 層次聚類
案例分析：如何選擇相似用戶？
第四部分、異常檢測(cè)與反欺詐
l 異常值檢測(cè)
異常團(tuán)體識(shí)別
案例分析：無(wú)監(jiān)督反欺詐方案應(yīng)用
業(yè)務(wù)思考：如何構(gòu)建一個(gè)反欺詐系統(tǒng)？
第五部分、時(shí)間序列預(yù)測(cè)
l 時(shí)間序列回歸模型
預(yù)測(cè)變量篩選
回歸預(yù)測(cè)
非線性回歸
相關(guān)、因果和預(yù)測(cè)
l 時(shí)間序列分解
時(shí)間序列成分
移動(dòng)平均
經(jīng)典時(shí)間序列分解
STL分解法
趨勢(shì)性、季節(jié)性判定
業(yè)務(wù)思考：如何對(duì)時(shí)間序列進(jìn)行聚類？
分解法預(yù)測(cè)
時(shí)間序列類異常值檢測(cè)
業(yè)務(wù)思考：如何評(píng)估促銷活動(dòng)效果？
l ARIMA模型
平穩(wěn)性和差分
延遲算子
自回歸與移動(dòng)平均
非季節(jié)性arima
參數(shù)估計(jì)與選擇
季節(jié)性arima
l 高級(jí)預(yù)測(cè)方法
復(fù)雜的季節(jié)性
向量自回歸
神經(jīng)網(wǎng)絡(luò)
l 實(shí)際預(yù)測(cè)問(wèn)題
周數(shù)據(jù)、天粒度數(shù)據(jù)以及小時(shí)數(shù)據(jù)預(yù)測(cè)
預(yù)測(cè)組合
長(zhǎng)序列與短序列預(yù)測(cè)
訓(xùn)練集與測(cè)試集
缺失值與異常值
案例分享：共享單車Daily天粒度需求預(yù)測(cè)
第六部分、決策優(yōu)化
l 開(kāi)源決策優(yōu)化工具介紹 google or-tools
運(yùn)籌優(yōu)化方法介紹
優(yōu)化算法應(yīng)用流程
l 案例分享(可選)
電商促銷優(yōu)惠券發(fā)放優(yōu)化：給定用戶補(bǔ)貼的預(yù)算，如何選擇合適的補(bǔ)貼用戶。
工廠布局優(yōu)化:考慮如何減少物料搬運(yùn)成本(運(yùn)量和距離)。
倉(cāng)庫(kù)選址問(wèn)題：如何選擇服務(wù)點(diǎn)，滿足服務(wù)能力和降低運(yùn)輸成本。
物流配送、車輛路徑調(diào)度：配送問(wèn)題綜合建模與分析。

《商業(yè)數(shù)據(jù)分析與算法應(yīng)用》課程目的
l 幫助非數(shù)據(jù)算法專業(yè)的團(tuán)隊(duì)leader快速理解數(shù)據(jù)算法的應(yīng)用場(chǎng)景與脈絡(luò)。
l 為計(jì)劃轉(zhuǎn)行數(shù)據(jù)算法的同學(xué)提供實(shí)際項(xiàng)目建模經(jīng)驗(yàn)和解析。
l 了解常用的數(shù)據(jù)分析模型和經(jīng)典算法原理與應(yīng)用落地的流程。
l 學(xué)習(xí)如何構(gòu)造營(yíng)銷用戶、流失用戶、高價(jià)值用戶的篩選模型。
l 學(xué)習(xí)如何利用規(guī)則和模型構(gòu)建 反作弊、異常值監(jiān)控系統(tǒng)。
l 了解如何構(gòu)建需求預(yù)估模型。針對(duì)周、天、小時(shí)等粒度的未來(lái)需求進(jìn)行預(yù)測(cè)。
l 了解如何利用運(yùn)籌優(yōu)化算法支持相關(guān)項(xiàng)目落地。優(yōu)化項(xiàng)目的建模思想與實(shí)際案例。

《商業(yè)數(shù)據(jù)分析與算法應(yīng)用》所屬分類
市場(chǎng)營(yíng)銷

《商業(yè)數(shù)據(jù)分析與算法應(yīng)用》所屬專題
excel培訓(xùn)、營(yíng)銷數(shù)據(jù)分析、分析銷售數(shù)據(jù)、

《商業(yè)數(shù)據(jù)分析與算法應(yīng)用》授課培訓(xùn)師簡(jiǎn)介

《商業(yè)數(shù)據(jù)分析與算法應(yīng)用》報(bào)名服務(wù)流程

-----------------------------------------------------------------------------------