推廣 熱搜: 2022  財務  微信  法律    網格化  管理  營銷  總裁班  安全 

        Python數據挖掘專題實戰培訓

        主講老師: 傅一航 傅一航

        主講師資:傅一航

        課時安排: 2天/6小時一天
        學習費用: 面議
        課程預約: 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,特別是數據挖掘相關庫的使用。 3、 學會使用Python完成數據挖掘項目整個過程。
        內訓課程分類: 綜合管理 | 人力資源 | 市場營銷 | 財務稅務 | 基層管理 | 中層管理 | 領導力 | 管理溝通 | 薪酬績效 | 企業文化 | 團隊管理 | 行政辦公 | 公司治理 | 股權激勵 | 生產管理 | 采購物流 | 項目管理 | 安全管理 | 質量管理 | 員工管理 | 班組管理 | 職業技能 | 互聯網+ | 新媒體 | TTT培訓 | 禮儀服務 | 商務談判 | 演講培訓 | 宏觀經濟 | 趨勢發展 | 金融資本 | 商業模式 | 戰略運營 | 法律風險 | 沙盤模擬 | 國企改革 | 鄉村振興 | 黨建培訓 | 保險培訓 | 銀行培訓 | 電信領域 | 房地產 | 國學智慧 | 心理學 | 情緒管理 | 時間管理 | 目標管理 | 客戶管理 | 店長培訓 | 新能源 | 數字化轉型 | 工業4.0 | 電力行業 |
        更新時間: 2023-09-01 11:30


        課程目標】

        本課程主要講解如何利用Python進行時間序列的數據建模。

        通過本課程的學習,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,特別是數據挖掘相關庫的使用。

        3、 學會使用Python完成數據挖掘項目整個過程。

        4、 掌握利用Python實現可視化呈現。

        5、 掌握數據挖掘常見算法在Python中的實現。

        【授課時間】

        2-5天時間

        (要根據學員的實際情況調整重點內容及時間)

        【授課對象】

        業務支持部、IT系統部、大數據系統開發、大數據分析中心、網絡運維部等相關技術人員。

        【學員要求】

        1、 每個學員自備一臺便攜機(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:講師現場提供分析的數據源。

         

        【授課方式】

        語言基礎 + 挖掘模型 + 案例演練 + 開發實踐 + 可視化呈現

        采用互動式教學,圍繞業務問題,展開數據分析過程,全過程演練操作,讓學員在分析、分享、講授、總結、自我實踐過程中獲得能力提升。

        課程大綱】

        第一部分: 數據挖掘基礎

        1、 數據挖掘概述

        2、 數據挖掘標準流程CRISP-DM

        商業理解

        數據準備

        數據理解

        模型建立

        模型評估

        模型應用

        案例:客戶流失預測及客戶挽留

        3、 數據挖掘常用模型

         

        第二部分: 數據預處理篇

        1、 數據預處理的主要任務

        數據集成:多個數據集的合并

        數據清理:異常值的處理

        數據處理:數據篩選、數據精簡、數據平衡

        變量處理:變量變換、變量派生、變量精簡

        數據歸約:實現降維,避免維災難

        2、 數據集成

        數據追加(添加數據)

        變量合并(添加變量)

        3、 數據理解(異常數據處理

        取值范圍限定

        重復值處理

        無效值/錯誤值處理

        缺失值處理

        離群值/極端值處理

        數據質量評估

        4、 數據準備:數據處理

        數據篩選:數據抽樣/選擇(減少樣本數量)

        數據精簡:數據分段/離散化(減少變量的取值個數)

        數據平衡:正反樣本比例均衡

        5、 數據準備:變量處理

        變量變換:原變量取值更新,比如標準化

        變量派生:根據舊變量生成新的變量

        變量精簡:降維,減少變量個數

        6、 數據降維

        常用降維的方法

        如何確定變量個數

        特征選擇:選擇重要變量,剔除不重要的變量

        從變量本身考慮

        從輸入變量與目標變量的相關性考慮

        對輸入變量進行合并

        因子分析(主成分分析)

        因子分析的原理

        因子個數如何選擇

        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、 數據探索性分析

        常用統計指標分析

        單變量:數值變量/分類變量

        雙變量:交叉分析/相關性分析

        多變量:特征選擇、因子分析

        演練:描述性分析(頻數、描述、探索、分類匯總)

        8、 數據可視化

        數據可視化: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

         

        第三部分: 用戶專題分析

        1、 用戶專題分析的主要任務

        2、 客戶群細分與聚類分析

        問題:我們的客戶有幾類?各類特征是什么?如何實現客戶細分,開發符合細分市場的新產品?

        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分市場合適嗎?

        演練:寶潔公司如何選擇新產品試銷區域?

        演練如何評選優秀員工?

        演練:中國各省份發達程度分析,讓數據自動聚類

        最優K值選擇

        Elbow手肘法

        Silhouette Coefficient輪廓系數

        Calinski-Harabasz Index準則

        雙聚類bicluster及評估

        譜聚類聯合

        聯合譜聚類SpectralCoclustering

        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

         

        第四部分: 產品專題分析

        1、 產品專題分析主要任務

        產品設計分析

        市場占有分析

        累計銷量分析

        定價策略分析

        2、 產品設計優化(聯合分析法)

        問題:如何設計最優的功能特征?

        評估功能特征的重要性

        評估功能特征的價值

        案例產品開發與設計分析

        3、 產品評估模型(隨機效用理論)

        屬性重要性評估

        市場占有率評估

        產品價格彈性評估

        評估產品的品牌價值

        動態調價(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

         

        第五部分: 產品定價策略

        營銷問題:產品如何實現最優定價?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、 產品定價的理論依據

        需求曲線與利潤最大化

        如何求解最優定價

        案例:產品最優定價求解

        3、 如何評估需求曲線

        價格彈性

        曲線方程(線性、乘冪)

        4、 如何做產品組合定價

        5、 如何做產品捆綁/套餐定價

        最大收益定價(演進規劃求解)

        避免價格反轉的套餐定價

        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、 數量折扣定價策略

        案例:如何通過折扣來實現薄利多銷

        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

        如何確定機票預訂限制

        如何確定機票超售數量

        如何評估模型的收益

        案例:FBN航空公司如何實現收益管理(預訂/超售)

         

        第六部分: 產品推薦與協同過濾

        問題:購買A產品的顧客還常常要購買其他什么產品?應該給客戶推薦什么產品最有可能被接受?

        1、 從搜索引擎到推薦引擎

        2、 常用產品推薦模型及算法

        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

        優化思路:分群推薦

        4、 基于內容的推薦CBR

        關鍵問題:如何計算物品的相似度

        優缺點

        優化:Rocchio算法、基于標簽的推薦、基于興趣度的推薦

        5、 基于用戶的推薦

        關鍵問題: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、 協同過濾的推薦

        基于用戶的協同過濾

        基于物品的協同過濾

        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

        按社交關系

        基于時間上下文

        9、 多推薦引擎的協同工作

         

         

        第七部分: 信用評分卡模型

        信用評分卡模型簡介

        評分卡的關鍵問題

        信用評分卡建立過程

        篩選重要屬性

        數據集轉化

        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

        數據集轉化

        連續屬性最優分段

        計算屬性取值的WOE

        建立分類模型

        訓練邏輯回歸模型

        評估模型

        得到字段系數

        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

        K-S曲線

        計算K-S值

        獲取最優閾值

         

        第八部分: 交叉銷售與關聯規則

        1、 關聯規則概述

        2、 常用關聯規則算法

        Apriori算法

        發現頻繁集

        生成關聯規則

        FP-Growth算法

        構建FP樹

        提取規則

        案例使用apriori實現關聯分析

         

        10、 基于關聯分析的推薦

        如何制定套餐,實現交叉/捆綁銷售

        案例:啤酒與尿布、颶風與蛋撻

        關聯分析模型原理Association

        關聯規則的兩個關鍵參數

        支持度

        置信度

        關聯分析的適用場景

        案例購物籃分析與產品捆綁銷售/布局優化

        案例:通信產品的交叉銷售與產品推薦

         

        結束:課程總結問題答疑

         
        反對 0舉報 0 收藏 0
        更多>與Python數據挖掘專題實戰培訓相關內訓課
        企業家經營哲學與企業經營之道 高   效   執   行   力 教練式經銷商管理 商業模式創新 創新思維管理應用訓練?—創造性解決問題 創新思維和有效執行 微課的設計與制作 高效能主管風暴訓練營
        傅一航老師介紹>傅一航老師其它課程
        大數據產業現狀及應用創新 大數據挖掘工具:SPSS Modeler入門與提高 大數據挖掘工具: SPSS Statistics入門與提高 大數據建模與模型優化實戰培訓 金融行業風險預測模型實戰 數說營銷——大數據營銷實戰培訓 大數據分析與挖掘綜合能力提升實戰 助力市場營銷與服務的數據分析實戰
        網站首頁  |  關于我們  |  聯系方式  |  誠聘英才  |  網站聲明  |  隱私保障及免責聲明  |  網站地圖  |  排名推廣  |  廣告服務  |  積分換禮  |  網站留言  |  RSS訂閱  |  違規舉報  |  京ICP備11016574號-25
         
        主站蜘蛛池模板: 国产情侣一区二区三区| 韩国福利视频一区二区| 久久一区二区三区免费播放| 国产日韩一区二区三区在线观看| 久久一区二区明星换脸| 日本一区免费电影| 91视频国产一区| 亚洲毛片αv无线播放一区| 日韩AV无码一区二区三区不卡| 国模无码人体一区二区| 一区二区三区免费电影| 日韩精品免费一区二区三区| 中文字幕av人妻少妇一区二区 | 四虎一区二区成人免费影院网址 | 亚洲一区二区三区久久| 国模少妇一区二区三区| 日韩制服国产精品一区| 一区二区三区四区在线视频| 无码人妻精品一区二区三区不卡| 久久精品国产一区二区三区肥胖 | 日本精品夜色视频一区二区| 国产激情一区二区三区小说 | 精品少妇一区二区三区在线| 蜜桃视频一区二区三区| 精品国产一区二区三区久| 日韩精品一区二区三区在线观看l| 99久久精品国产一区二区成人| 青娱乐国产官网极品一区 | 国产精品一区二区久久乐下载 | 国产成人无码一区二区三区| 任你躁国产自任一区二区三区 | 亚洲av福利无码无一区二区| 精品一区二区三区四区| 国产裸体歌舞一区二区| 久久亚洲AV午夜福利精品一区| 国产无套精品一区二区| 久久精品一区二区三区不卡| 日韩十八禁一区二区久久| 精品少妇一区二区三区在线 | 女人18毛片a级毛片一区二区| 麻豆AV一区二区三区久久|