Peixun.net > 现场班 > 数据挖掘 > Python机器学习工程师特训

Python机器学习工程师特训

课时:0 | 1人学习 分享 收藏
本课程以商业数据挖掘需求最为旺盛的分类与预测模型作为教学目的,完成本课程可以胜任高科技公司和互联网公司数据挖掘工程师的职务。本课程有教无类,可以作为具有IT、理工背景学员应聘高科技公司的辅导课程,也可以作为文科背景学员转行和进修的重要参考。
本课程学习不需要任何基础,只需要清洗的思路和必胜的决心。

上课信息

上课时间: 2017年5月28-30日 (端午节假期三天)
上午9:00-12:00,下午1:30-4:30,答疑4:30-5:00

上课地点: 北京市海淀区首都体育学院

Python机器学习工程师特训

第1天上午 机器学习基础原理

 机器学习、数据挖掘概述

 机器学习、数据挖掘和大数据的关系

 典型机器学习应用

 机器学习基本思想与原理

 主要流派

 类别(监督算法/无监督算法/组合算法/强化学习)

 Python语法(编程)

 数据类型

 数据结构

 函数与模块

 构建建模用宽表的过程

案例1、基于原始数据的贷款违约建模全流程

第1天下午 回归算法

 回归算法原理与要点

 线性回归与逻辑回归

 最小二乘法与极大似然法

 岭回归

 分类模型的评估方法:

 混淆矩阵\准确率\召回率\特效性\精度\ROC\Lift\KS

案例2、信用卡客户价值预测模型

案例3、电信流失客户预测模型

第2天上午 分类器与决策树

 分类器:

 朴素贝叶斯

 支持向量机

 决策树算法

 信息熵

 ID3、C4.5、CART

案例4、电子产品客户购买决策模型

案例5、相亲成功预测案例

第2天下午 组合算法与神经网络

 组合算法:

 随机森林与Adaboost

 GBDT 和XGboost

 BP神经网络

 算法原理

 Python代码实现或调用

 实战案例讲解

案例6、信用卡欺诈案例

第3天上午 聚类算法与特征工程

 特征工程

 数据清洗

 数据规约

 特征筛选

 聚类算法

 K-means

 混合高斯模型与EM算法

 密度聚类

案例7、K-means和混合高斯模型在银行、电信公司客户分群中的运用

案例8、基于密度的聚类在欺诈甄别中的运用

第3天下午 文本挖掘

 文本挖掘

 中文编码知识

 中文分词

 文本分类

 主题模型

案例9、电商客户评价数据分析


报名时间 2017-03-06 00:00 至 2017-05-28 00:00
培训时间 2017年5月28-30日 (端午节假期三天)
培训地点 北京市海淀区首都体育学院
培训费用 3000元 / 2400元 (仅限全日制本科生及硕士研究生优惠价)
授课安排 上午9:00-12:00,下午1:30-4:30,答疑4:30-5:00


讲师介绍:

      常国珍,商学博士,CDA数据分析研究院执行院长,中国大数据产业生态联盟专家委员会专家委员。曾就职于亚信科技商业运营咨询部(BOC)、方正国际金融事业部、德勤管理咨询信息技术系统咨询部,多家金融信息部门和金融高科技公司数据分析顾问。主要从事金融征信与客户画像、金融风险识别与防范、客户价值提升等工作。


课程介绍:

本课程学习不需要任何基础,只需要清洗的思路和必胜的决心。由于讲师本身是文科出身,又在知名科技公司做过数据挖掘工程师,对统计学习中遇到的难点深有体会,因此对学员遇到的问题感同身受。

课程中以分类模型的体系为主线,在看似繁杂的算法表象中支出分类算法发展的背后逻辑。

本课程以实际运用为根本,理论与实践相结合,本着重要的内容一句话讲清的原则,寓教于乐。


招生对象:

应聘数据挖掘岗位的学生、需要进修的在职人员


课程等级:初级+中级

适合人群:数据挖掘工程师、算法工程师


课程大纲:

时间

内容

知识点

案例内容

第1天

上午

机器学习基础原理

l  机器学习、数据挖掘概述

l  机器学习、数据挖掘和大数据的关系

l  典型机器学习应用

l  机器学习基本思想与原理

Ø  主要流派

Ø  类别

(监督算法/无监督算法/组合算法/强化学习)

l  Python语法(编程)

Ø  数据类型

Ø  数据结构

Ø  函数与模块

     l   构建建模用宽表的过程

1、基于原始数据的贷款违约建模全流程

第1天

下午

回归算法

l   回归算法原理与要点

Ø  线性回归与逻辑回归

Ø  最小二乘法与极大似然法

Ø  岭回归

l   分类模型的评估方法:

Ø  混淆矩阵\准确率\召回率\特效性\精度\ROC\Lift\KS

2、信用卡客户价值预测模型

3、电信流失客户预测模型

第2天

上午

分类器决策树

l  分类器:

Ø  朴素贝叶斯

Ø  支持向量机

l  决策树算法

Ø  信息熵

           Ø  ID3、C4.5、CART

4、电子产品客户购买决策模型

5、相亲成功预测案例

第2天

下午

组合算法与

神经网络

l  组合算法:

Ø  随机森林与Adaboost

Ø  GBDT 和XGboost

l  BP神经网络

Ø  算法原理

Ø  Python代码实现或调用

           Ø  实战案例讲解

6、信用卡欺诈案例

第3天

上午

聚类算法与特征工程

l  特征工程

Ø  数据清洗

Ø  数据规约

Ø  特征筛选

l  聚类算法

Ø  K-means

Ø  混合高斯模型与EM算法

           Ø  密度聚类

7、K-means和混合高斯模型在

银行、电信公司客户分群中的运用

8、基于密度的聚类在欺诈甄别中的运用

第3天

下午

文本挖掘

l  文本挖掘

Ø  中文编码知识

Ø  中文分词

Ø  文本分类

           Ø  主题模型

9、电商客户评价数据分析


优惠:

现场班老学员9折优惠;
同一单位三人以上同时报名9折优惠;

以上优惠不叠加。


联系方式:

魏老师

QQ:28819897142881989714

Tel:010-68478566

Mail:vip@pinggu.org

课程订阅

讲师介绍


Peixun.net

Python机器学习工程师特训

请认真填写以下信息,方便为您服务
  • 姓名:
  • 电话:
  • 邮箱:
  • 备注:
  • 邀请码:
  • 您还可以选择 登录 或者 注册 更方便您管理课程。

Peixun.net

您关于:

Python机器学习工程师特训

的报名信息已经提交成功。

去购物车结算
您可以选择 登录 或者 注册 更方便您管理课程。
回头再说

邮件已发送!

已成功发送邮件到您注册的邮箱 请前往查询并点击链接重置密码

有待解答的问题

3 名学员对您的课程提问,需要您作出回答。 现在就去