課程內(nèi)容：
第1章：Python語言入門
1. Python簡介和基礎
2. 向量、矩陣和數(shù)組
3. Python進行數(shù)據(jù)加載：csv、excel、json、SQL等
4. 數(shù)據(jù)集描述和數(shù)據(jù)整理
5. 處理數(shù)值型數(shù)據(jù)
6. 處理類別型數(shù)據(jù)
7. 案例1：網(wǎng)上銷售數(shù)據(jù)加載
8. 案例2：泰坦尼克號客戶數(shù)據(jù)整理
第二章：Python文本分析和特征提取
1. 文本數(shù)據(jù)處理
2. 日期和時間數(shù)據(jù)處理
3. 利用特征提取進行特征降維
4. 使用特征選擇進行降維
5. 布朗語料庫與詞性標注案例
第三章：Python常用機器學習算法實踐Part1
1. 機器學習模型評估方法
2. 機器學習模型選擇
3. 透過現(xiàn)象看本質(zhì)：線性回歸
4. 分而治之的算法模型：決策樹
5. 樹的集成技術(shù)：隨機森林
6. 分類模型評估與鳶尾花案例
7. 回歸模型評估與套件產(chǎn)生之仿真案例
8. 利用線性回歸和樹模型進行波士頓房價預測
第四章：Python常用機器學習算法實踐Part2
1. 簡單的分類算法：KNN
2. 廣義的回歸分析模型：邏輯回歸
3. 受歡迎的智能算法：支持向量機
4. 基于概率思想的算法：樸素貝葉斯
第五章：Python常用機器學習算法實踐Part3
1. 人工智能的底層模型-神經(jīng)網(wǎng)絡
2. 探尋內(nèi)部規(guī)律-聚類分析
3. 發(fā)掘購物籃規(guī)則-關(guān)聯(lián)規(guī)則和序列模式
4. 保存和加載訓練后的模型
第六章：商業(yè)分析綜合案例之營銷分析
1. 案例公司背景說明
2. 項目特點：以利潤導向之模型建置
3. 解題思路
4. 模型評估方法
5. Python實作
6. 案例1：電商產(chǎn)品營銷模型之建置與預測
7. 案例2：銀行產(chǎn)品營銷案例：中小企業(yè)潛在貸款需求用戶挖掘
8. 案例3：電信行業(yè)客戶流失案例
第七章：商業(yè)分析綜合案例之產(chǎn)品分析
1. 產(chǎn)品分析基本思路
2. 產(chǎn)品需求分析
3. 產(chǎn)品分析數(shù)據(jù)獲取方法
4. 產(chǎn)品分析指標體系及BI設計
5. AB測試
6. 產(chǎn)品分析與建模
7. 案例1：構(gòu)建一個簡單的產(chǎn)品RFM模型
8. 案例2：產(chǎn)品運營過程中的異常值分析與監(jiān)測
9. 案例3：互聯(lián)網(wǎng)產(chǎn)品上線效果預測
第八章：商業(yè)分析綜合案例之客戶分析
1. 客戶分析概述
2. 客戶生命周期管理
3. 客戶畫像
4. 精準營銷
5. 客戶購買行為分析
6. 客戶轉(zhuǎn)化分析
7. 案例1：大型零售品牌客戶購買行為分析
8. 案例2：電商客戶歸因分析模型
魯公網(wǎng)安備37061302000010號
在線客服
預約試聽