我要報名

咨詢電話：
手　　機：	郵箱：

課程介紹

數據和算法在支持企業(yè)精細化運營、生產制造、營銷、用戶體驗、供應鏈、物流等場景得到廣泛的應用。

本課程將為學員梳理數據算法在不同領域的實際案例，幫助學員掌握常用的數據模型原理和應用方法。

對高價值用戶篩選、反作弊、供需預估和物流配送、成本優(yōu)化等方向的案例進行現場解析。

對于計劃轉行數據算法方向的學員，提供理論和實踐的綜合課程。

課程收益

?幫助非數據算法專業(yè)的團隊leader快速理解數據算法的應用場景與脈絡。

?為計劃轉行數據算法的同學提供實際項目建模經驗和解析。

?了解常用的數據分析模型和經典算法原理與應用落地的流程。

?學習如何構造營銷用戶、流失用戶、高價值用戶的篩選模型。

?學習如何利用規(guī)則和模型構建 反作弊、異常值監(jiān)控系統(tǒng)。

?了解如何構建需求預估模型。針對周、天、小時等粒度的未來需求進行預測。

?了解如何利用運籌優(yōu)化算法支持相關項目落地。優(yōu)化項目的建模思想與實際案例。

課程大綱

第一部分、數據分析探索與應用流程1.商業(yè)數據分析

數據挖掘Road Maps

R、python簡單介紹

2.數據探索

數據預處理

構建新的變量

異常值處理

數據可視化

3.數據分析應用流程

第二部分、經典預測和分類方法1.回歸分析

相關性

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

2.KNN 分類器

確定相鄰的樣本數據

分類規(guī)則

參數K的選擇

算法優(yōu)缺點

案例分析：如何選擇相似用戶？

3.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

4.決策樹

迭代分割

純度的計算

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)務規(guī)則？

5.（補充）樹模型應用——隨機森林

案例分析：如何幫助業(yè)務方篩選出重要的業(yè)務變量？

第三部分、經典聚類算法1.聚類問題介紹

2.兩條數據之間的距離

歐式距離

數值型數據處理與距離函數

類別型數據的距離計算

混合類型數據的距離計算

兩個類別之間的距離

最大距離、最小聚類、中心距離

3.K-means

如何選擇參數K

4.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1.異常值檢測

異常團體識別

案例分析：無監(jiān)督反欺詐方案應用

業(yè)務思考：如何構建一個反欺詐系統(tǒng)？

第五部分、時間序列預測1.時間序列回歸模型

預測變量篩選

回歸預測

非線性回歸

相關、因果和預測

2.時間序列分解

時間序列成分

移動平均

經典時間序列分解

STL分解法

趨勢性、季節(jié)性判定

業(yè)務思考：如何對時間序列進行聚類？

分解法預測

時間序列類異常值檢測

業(yè)務思考：如何評估促銷活動效果？

3.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

參數估計與選擇

季節(jié)性arima

4.高級預測方法

復雜的季節(jié)性

向量自回歸

神經網絡

5.實際預測問題

周數據、天粒度數據以及小時數據預測

預測組合

長序列與短序列預測

訓練集與測試集

缺失值與異常值

案例分享：共享單車Daily天粒度需求預測

第六部分、決策優(yōu)化1.開源決策優(yōu)化工具介紹 google or-tools

運籌優(yōu)化方法介紹

優(yōu)化算法應用流程

2.案例分享(可選)

電商促銷優(yōu)惠券發(fā)放優(yōu)化：給定用戶補貼的預算，如何選擇合適的補貼用戶。

工廠布局優(yōu)化:考慮如何減少物料搬運成本(運量和距離)。

倉庫選址問題：如何選擇服務點，滿足服務能力和降低運輸成本。

物流配送、車輛路徑調度：配送問題綜合建模與分析。

Eddie老師

同濟工業(yè)工程背景，數據算法專家，

具有需求預測、收益管理、反作弊、物流配送路徑優(yōu)化系統(tǒng)等豐富的數據算法實戰(zhàn)經驗。

在外資企業(yè)中享有很高的知名度。 接受咨詢或培訓的單位包括上海大眾汽車、長春西門子汽車電子、聯合汽車電子、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)。

我要報名

在線報名：商業(yè)數據分析與算法應用(上海)