综合亚洲欧美,亚洲欧洲另类,逼逼爱爱,国产限制,欧美 久久国产亚洲日韩一本，欧美日韩专区国产精品，久久精品

商業(yè)數(shù)據(jù)分析與算法應(yīng)用公開課

課程背景：
數(shù)據(jù)和算法在支持企業(yè)精細(xì)化運(yùn)營、生產(chǎn)制造、營銷、用戶體驗(yàn)、供應(yīng)鏈、物流等場景得到廣泛的應(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。
對高價值用戶篩選、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)場解析。
對于計(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。

培訓(xùn)收益：
.幫助非數(shù)據(jù)算法專業(yè)的團(tuán)隊(duì).eader快速理解數(shù)據(jù)算法的應(yīng)用場景與脈絡(luò)。
.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。
.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。
.學(xué)習(xí)如何構(gòu)造營銷用戶、流失用戶、高價值用戶的篩選模型。
.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)。
.了解如何構(gòu)建需求預(yù)估模型。針對周、天、小時等粒度的未來需求進(jìn)行預(yù)測。
.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。

課程大綱： 
第一部分、數(shù)據(jù)分析探索與應(yīng)用流程
.商業(yè)數(shù)據(jù)分析
數(shù)據(jù)挖掘Road Maps
R、python簡單介紹
.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
.數(shù)據(jù)分析應(yīng)用流程

第二部分、經(jīng)典預(yù)測和分類方法
.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
回歸算法的評估與選擇
.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？
.邏輯回歸
邏輯回歸模型
分類算法的評估
案例分析：用戶借貸能力判定
.決策樹
迭代分割
純度的計(jì)算
決策樹的使用效果
如何避免過擬合
剪枝與終止條件
案例分析：如何利用決策樹的提取出業(yè)務(wù)規(guī)則？
.（補(bǔ)充）樹模型應(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
.聚類問題介紹
.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
兩個類別之間的距離 
*距離、最小聚類、中心距離
.K-means
如何選擇參數(shù)K
.層次聚類
案例分析：如何選擇相似用戶？

第四部分、異常檢測與反欺詐
.異常值檢測
異常團(tuán)體識別
案例分析：無監(jiān)督反欺詐方案應(yīng)用
業(yè)務(wù)思考：如何構(gòu)建一個反欺詐系統(tǒng)？

第五部分、時間序列預(yù)測
.時間序列回歸模型
預(yù)測變量篩選
回歸預(yù)測
非線性回歸
相關(guān)、因果和預(yù)測
.時間序列分解
時間序列成分
移動平均
經(jīng)典時間序列分解
ST.分解法
趨勢性、季節(jié)性判定
業(yè)務(wù)思考：如何對時間序列進(jìn)行聚類？
分解法預(yù)測
時間序列類異常值檢測
業(yè)務(wù)思考：如何評估促銷活動效果？
.ARIMA模型
平穩(wěn)性和差分
延遲算子
自回歸與移動平均
非季節(jié)性arima
參數(shù)估計(jì)與選擇
季節(jié)性arima
.高級預(yù)測方法
復(fù)雜的季節(jié)性
向量自回歸
神經(jīng)網(wǎng)絡(luò)
.實(shí)際預(yù)測問題
周數(shù)據(jù)、天粒度數(shù)據(jù)以及小時數(shù)據(jù)預(yù)測
預(yù)測組合
長序列與短序列預(yù)測
訓(xùn)練集與測試集
缺失值與異常值
案例分享：共享單車Dai.y天粒度需求預(yù)測

第六部分、決策優(yōu)化
.開源決策優(yōu)化工具介紹 goog.e or-too.s
運(yùn)籌優(yōu)化方法介紹
優(yōu)化算法應(yīng)用流程
.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）。
倉庫選址問題：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：配送問題綜合建模與分析。

講師介紹：Eddie hou
工作經(jīng)歷
同濟(jì)工業(yè)工程背景，數(shù)據(jù)算法專家，
具有需求預(yù)測、收益管理、反作弊、物流配送路徑優(yōu)化系統(tǒng)等豐富的數(shù)據(jù)算法實(shí)戰(zhàn)經(jīng)驗(yàn)。
在外資企業(yè)中享有很高的知名度。 接受咨詢或培訓(xùn)的單位包括上海大眾汽車、長春西門子汽車電子、聯(lián)合汽車電子、三維制藥等等有限公司以及其他來自全國各地的合資企業(yè)。

商業(yè)數(shù)據(jù)分析與算法應(yīng)用公開課