學(xué)什么？學(xué)企業(yè)需要的敏捷算法建模能力。
數(shù)智賦能
人工智能時(shí)代，如何用機(jī)器來提高生產(chǎn)力？在這里，你可以學(xué)到前沿且實(shí)用的技術(shù)，挖掘數(shù)據(jù)的魅力。
模板應(yīng)用
教你用可落地、易操作的數(shù)據(jù)科學(xué)思維和技術(shù)模板構(gòu)建出優(yōu)秀模型。
技術(shù)精進(jìn)
聚焦策略分析技術(shù)及企業(yè)常用的分類、NLP、深度學(xué)習(xí)、特征工程等數(shù)據(jù)算法，只教實(shí)用干貨，以專精技術(shù)能力提升業(yè)務(wù)效果與效率。
工具應(yīng)用
課程中安排了Sklearn/LightGBM、Tensorflow/PyTorch、Transformer等工具的應(yīng)用實(shí)現(xiàn)，并根據(jù)輸出的結(jié)果分析業(yè)務(wù)需求，為進(jìn)行合理、有效的策略優(yōu)化提供數(shù)據(jù)支撐。
案例實(shí)戰(zhàn)
課程涉及大量企業(yè)項(xiàng)目案例：精準(zhǔn)營(yíng)銷預(yù)測(cè)、營(yíng)銷策略優(yōu)化、客戶行為分析、風(fēng)險(xiǎn)管理、客戶管理、智能推薦、情感分析、反欺詐等，加持實(shí)戰(zhàn)經(jīng)驗(yàn)，為你進(jìn)入名企做項(xiàng)目背書。

WHY
學(xué)習(xí)目標(biāo)
熟練掌握數(shù)據(jù)挖掘全流程的Python實(shí)操，包括數(shù)據(jù)清洗算法、特征工程、數(shù)據(jù)建模、數(shù)據(jù)治理、數(shù)據(jù)可視化等
熟練掌握Python數(shù)據(jù)挖掘算法與實(shí)踐，包括統(tǒng)計(jì)分析、統(tǒng)計(jì)模型、機(jī)器學(xué)習(xí)算法、深度學(xué)習(xí)算法、文本挖掘算法
靈活使用數(shù)據(jù)挖掘算法解決各行業(yè)的業(yè)務(wù)問題，通過策略優(yōu)化和精準(zhǔn)預(yù)測(cè)來解決運(yùn)營(yíng)、產(chǎn)品、營(yíng)銷方面的問題

WHO
學(xué)習(xí)對(duì)象和基礎(chǔ)
有一定數(shù)學(xué)或統(tǒng)計(jì)、計(jì)算機(jī)基礎(chǔ)與數(shù)據(jù)分析業(yè)務(wù)經(jīng)驗(yàn)，希望脫產(chǎn)學(xué)習(xí)后轉(zhuǎn)崗到數(shù)據(jù)挖掘崗者
希望提升數(shù)據(jù)挖掘技術(shù)的在職提升者
從事算法科學(xué)、深度學(xué)習(xí)等工作的科研人員、分析師與工程師等
產(chǎn)品、運(yùn)營(yíng)、營(yíng)銷、管理、咨詢相關(guān)崗位從業(yè)者，希望增加數(shù)據(jù)分析技能與思維
參加CDA等級(jí)認(rèn)證考試 LEV

二，內(nèi)容升級(jí)
1章預(yù)科學(xué)習(xí)
1-1數(shù)據(jù)庫(kù)SQL
1-2Python 編程基礎(chǔ)，Numpy
1-3數(shù)學(xué)與統(tǒng)計(jì)學(xué)基礎(chǔ)

2章數(shù)據(jù)策略分析第1周
2-1用Python做數(shù)據(jù)分析，必會(huì)的庫(kù)Pandas
2-2用Pandas做數(shù)據(jù)清洗與數(shù)據(jù)探索
2-3Python數(shù)據(jù)可視化庫(kù)（Matplotlib，Seaborn）
2-4教育行業(yè)分析-學(xué)校學(xué)科教育可視化案例
2-5分析基礎(chǔ)-數(shù)據(jù)分析的概念、過程、能力
2-6統(tǒng)計(jì)分析可視化
2-7企業(yè)經(jīng)營(yíng)分析-指標(biāo)體系

3章數(shù)據(jù)策略分析第2周
3-1數(shù)據(jù)庫(kù)MySQL實(shí)戰(zhàn)應(yīng)用
3-2Python連接SQL數(shù)據(jù)庫(kù)
3-3零售電商多表分析案例
3-4統(tǒng)計(jì)分析（相關(guān)分析，方差分析）
3-5線性回歸（建立模型和模型檢驗(yàn)）
3-6經(jīng)營(yíng)問題識(shí)別-用戶行為影響因素分析案例
3-7旅游行業(yè)分析-旅游線路之黃金周分析案例

4章數(shù)據(jù)策略分析第3周
4-1邏輯回歸（模型的建立與估計(jì)，模型評(píng)估）
4-2分類與回歸的結(jié)合
4-3信息壓縮-主成分分析與因子分析（數(shù)據(jù)降維）
4-4用戶流失分析-員工流失預(yù)警案例
4-5特征分析-區(qū)域經(jīng)濟(jì)因子分析
4-6客群分析-標(biāo)簽體系與與用戶畫像
4-7應(yīng)用用戶畫像-美國(guó)某企業(yè)用戶畫像實(shí)戰(zhàn)案例

5章數(shù)據(jù)策略分析第4周
5-1時(shí)間序列分析（ARIMA算法）
5-2帶滯后項(xiàng)的線性回歸
5-3銷售額預(yù)測(cè)-線上平臺(tái)銷售額預(yù)測(cè)實(shí)戰(zhàn)案例
5-4數(shù)據(jù)采集處理方法（數(shù)據(jù)采集，數(shù)據(jù)錄入，數(shù)據(jù)預(yù)處理）
5-5數(shù)據(jù)管理（數(shù)據(jù)分類，數(shù)據(jù)建模，數(shù)據(jù)倉(cāng)庫(kù)和ETL）
5-6產(chǎn)品目標(biāo)人群分析-市場(chǎng)數(shù)據(jù)的應(yīng)用案例

6章數(shù)據(jù)策略分析第5周
6-1層次聚類
6-2Kmeans聚類
6-3聚類分析評(píng)價(jià)方法-決策樹應(yīng)用
6-4用戶分群-零售行業(yè)運(yùn)營(yíng)案例
6-5數(shù)字化工作方法
6-6運(yùn)籌優(yōu)化方法（線性規(guī)劃與二次優(yōu)化，基于業(yè)務(wù)流程的優(yōu)化）
6-7數(shù)字化運(yùn)營(yíng)綜合案例-某機(jī)構(gòu)營(yíng)銷響應(yīng)概率預(yù)測(cè)與風(fēng)險(xiǎn)預(yù)測(cè)案例

章數(shù)據(jù)策略分析第6周
7-1數(shù)據(jù)接入與大數(shù)據(jù)平臺(tái)（附加內(nèi)容）
7-2大數(shù)據(jù)平臺(tái)技術(shù)架構(gòu)與應(yīng)用（分布式存儲(chǔ)與計(jì)算，支持?jǐn)?shù)據(jù)分析，大數(shù)據(jù)架構(gòu)）（附加內(nèi)容）
7-3數(shù)據(jù)挖掘?qū)д?br />7-4KNN
7-5貝葉斯

8章機(jī)器學(xué)習(xí)進(jìn)階第7周
8-1帶正則項(xiàng)的回歸分析
8-2支持向量機(jī)(SVM)
8-3決策樹（ID3, C4.5, CART）
8-4決策樹的模型調(diào)優(yōu)
8-5生存分析-病馬死亡預(yù)測(cè)案例
8-6用戶分類-保險(xiǎn)行業(yè)用戶分類分析

9章機(jī)器學(xué)習(xí)進(jìn)階第8周
9-1AdaBoost, 隨機(jī)森林, GBDT, XGBoost, LightGBM
9-2聚類分析進(jìn)階（密度聚類，譜聚類）
9-3異常識(shí)別（孤立森林，局部異常因子）
9-4交易反欺詐-異常交易識(shí)別案例

10章機(jī)器學(xué)習(xí)進(jìn)階第9周
10-1關(guān)聯(lián)規(guī)則（關(guān)聯(lián)規(guī)則的概念，評(píng)估指標(biāo)，Apriori算法）
10-2協(xié)同過濾
10-3產(chǎn)品組合策略-電信公司產(chǎn)品捆綁銷售策略分析案例
10-4數(shù)據(jù)處理的前沿方法：特征工程概要
10-5特征工程（特征的建構(gòu)、選擇、轉(zhuǎn)換、學(xué)習(xí)）
10-6深度神經(jīng)網(wǎng)絡(luò)（BP神經(jīng)網(wǎng)絡(luò)概述，架構(gòu)）
10-7感知機(jī)及感知機(jī)的極限

11章機(jī)器學(xué)習(xí)進(jìn)階第10周
11-1文本分析（分詞與詞性標(biāo)注，文本特征處理，關(guān)鍵詞抽取、文本分類與聚類方法）
11-2文本與用戶情緒分析-新聞文本分析案例

12章機(jī)器學(xué)習(xí)進(jìn)階第11周
12-1徑向基網(wǎng)絡(luò)
12-2卷積神經(jīng)網(wǎng)絡(luò)
12-3循環(huán)神經(jīng)網(wǎng)絡(luò)
12-4圖像分析-手寫數(shù)字自動(dòng)識(shí)別
12-5自然語言處理-用戶情緒自動(dòng)識(shí)別
12-6實(shí)戰(zhàn)項(xiàng)目-金融行業(yè)反欺詐

13章機(jī)器學(xué)習(xí)進(jìn)階第12周
13-1實(shí)戰(zhàn)項(xiàng)目-信用評(píng)分卡
13-2實(shí)戰(zhàn)項(xiàng)目-用戶復(fù)購(gòu)預(yù)測(cè)
13-3大型項(xiàng)目案例

14章機(jī)器學(xué)習(xí)進(jìn)階畢業(yè)周
14-1畢業(yè)答辯

15章拓展訓(xùn)練（選修課
15-1互聯(lián)網(wǎng)數(shù)字化運(yùn)營(yíng)【18課時(shí)】
15-2何為數(shù)據(jù)產(chǎn)品經(jīng)理？【1課時(shí)】
15-3Python爬蟲【15課時(shí)】
15-4Python辦公自動(dòng)化【10課時(shí)】
15-5人工智能(深度學(xué)習(xí))實(shí)戰(zhàn)之圖像識(shí)別【6課時(shí)】
15-6采銷、物流與供應(yīng)鏈數(shù)據(jù)分析應(yīng)用實(shí)戰(zhàn)【10課時(shí)】 (需額外付費(fèi)）
15-7Tableau數(shù)據(jù)可視化視頻【1.5課時(shí)】(需額外付費(fèi)）
15-8SPSS Modeler數(shù)據(jù)挖掘?qū)崙?zhàn)【34課時(shí)】（需額外付費(fèi)）
15-9增長(zhǎng)黑客入門【2.5課時(shí)】（需額外付費(fèi)）

三硬核服務(wù)；
1.朝九晚九全程跟班答疑
助教線上服務(wù)時(shí)間由原先的上課期間答疑調(diào)整為課程持續(xù)期間答疑，包括中途休息時(shí)間；同時(shí)，每日答疑時(shí)間由原先的“朝九晚六”調(diào)整為“朝九晚九”，全面覆蓋同學(xué)晚自習(xí)時(shí)間。

2.一對(duì)一督學(xué)
每個(gè)班級(jí)、每位同學(xué)、每月都會(huì)進(jìn)行至少一次一對(duì)一輔導(dǎo)，詢問同學(xué)學(xué)習(xí)狀態(tài)、解決學(xué)員學(xué)習(xí)問題；同時(shí)，針對(duì)每個(gè)模塊測(cè)試結(jié)果后10%的學(xué)員進(jìn)行額外輔導(dǎo)，以確保學(xué)員能夠跟上學(xué)習(xí)進(jìn)度。

3.定期直播串講
對(duì)于重難點(diǎn)知識(shí)和同學(xué)普遍反應(yīng)的問題，助教將進(jìn)行每周1-2次的晚自習(xí)串講，串講時(shí)常為2小時(shí)左右，且相關(guān)內(nèi)容需要重新制作、有別于課程內(nèi)容，幫助同學(xué)攻克重難點(diǎn)知識(shí)。

4.有問必答
助教線上服務(wù)要求有問必答，并能真正做到解決所有課程中遇到的問題。在原先每個(gè)班一個(gè)助教+一個(gè)班主任的配置下，調(diào)整為每個(gè)班2名助教+項(xiàng)目服務(wù)團(tuán)隊(duì)的模式，以確?？焖佟⒏哔|(zhì)量的解決線上提問。

5.出勤率和進(jìn)度監(jiān)督
在課程持續(xù)期間，助教還需實(shí)時(shí)統(tǒng)計(jì)學(xué)員出勤情況，監(jiān)督課堂紀(jì)律，跟進(jìn)學(xué)習(xí)進(jìn)度。除正常答疑外，服務(wù)團(tuán)隊(duì)會(huì)與班級(jí)同學(xué)保持溝通、給予正確指引，從而營(yíng)造積極學(xué)習(xí)氛圍。

6.作業(yè)與測(cè)試
在遠(yuǎn)程授課期間，每個(gè)課程會(huì)安排相關(guān)課后作業(yè)，確保同學(xué)課下能夠進(jìn)行適當(dāng)練習(xí)，提升同學(xué)實(shí)時(shí)參與感、保證當(dāng)日學(xué)習(xí)效果。除了作業(yè)，服務(wù)團(tuán)隊(duì)還會(huì)組織學(xué)員進(jìn)行階段性測(cè)試，以考試性質(zhì)為主，主要考察學(xué)員對(duì)本階段知識(shí)掌握程度。