2.模板應(yīng)用
教你用可落地、易操作的數(shù)據(jù)科學思維和技術(shù)模板構(gòu)建出優(yōu)秀模型。
3.技術(shù)精進
聚焦策略分析技術(shù)及企業(yè)常用的分類、NLP、深度學習、特征工程等數(shù)據(jù)算法，只教實用干貨，以專精技術(shù)能力提升業(yè)務(wù)效果與效率。
4.工具應(yīng)用
課程中安排了Sklearn/LightGBM、Tensorflow/PyTorch、Transformer等工具的應(yīng)用實現(xiàn)，并根據(jù)輸出的結(jié)果分析業(yè)務(wù)需求，為進行合理、有效的策略優(yōu)化提供數(shù)據(jù)支撐。
5.案例實戰(zhàn)
課程涉及大量企業(yè)項目案例：精準營銷預(yù)測、營銷策略優(yōu)化、客戶行為分析、風險管理、客戶管理、智能推薦、情感分析、反欺詐等，加持實戰(zhàn)經(jīng)驗，為你進入名企做項目背書。

WHY
學習目標
1.熟練掌握數(shù)據(jù)挖掘全流程的Python實操，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
2.熟練掌握Python數(shù)據(jù)挖掘算法與實踐，包括統(tǒng)計分析、統(tǒng)計模型、機器學習算法、深度學習算法、文本挖掘算法
3.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)化和精準預(yù)測來解決運營、產(chǎn)品、營銷方面的問題

WHO
1.學習對象和基礎(chǔ)
2.有一定數(shù)學或統(tǒng)計、計算機基礎(chǔ)與數(shù)據(jù)分析業(yè)務(wù)經(jīng)驗，希望脫產(chǎn)學習后轉(zhuǎn)崗到數(shù)據(jù)挖掘崗者
3.希望提升數(shù)據(jù)挖掘技術(shù)的在職提升者
4.從事算法科學、深度學習等工作的科研人員、分析師與工程師等
5.產(chǎn)品、運營、營銷、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
6.參加CDA等級認證考試 LE

二，內(nèi)容升級
1章預(yù)科學習
1-1數(shù)據(jù)庫SQL
1-2Python 編程基礎(chǔ)，Numpy
1-3數(shù)學與統(tǒng)計學基礎(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，必會的庫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（Matplotlib，Seaborn）
2-4教育行業(yè)分析-學校學科教育可視化案例
2-5分析基礎(chǔ)-數(shù)據(jù)分析的概念、過程、能力
2-6統(tǒng)計分析可視化
2-7企業(yè)經(jīng)營分析-指標體系

3章數(shù)據(jù)策略分析第2周
3-1數(shù)據(jù)庫MySQL實戰(zhàn)應(yīng)用
3-2Python連接SQL數(shù)據(jù)庫
3-3零售電商多表分析案例
3-4統(tǒng)計分析（相關(guān)分析，方差分析）
3-5線性回歸（建立模型和模型檢驗）
3-6經(jīng)營問題識別-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，模型評估）
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)濟因子分析
4-6客群分析-標簽體系與與用戶畫像
4-7應(yīng)用用戶畫像-美國某企業(yè)用戶畫像實戰(zhàn)案例

5章數(shù)據(jù)策略分析第4周
5-1時間序列分析（ARIMA算法）
5-2帶滯后項的線性回歸
5-3銷售額預(yù)測-線上平臺銷售額預(yù)測實戰(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市場調(diào)研案例
5-6產(chǎn)品目標人群分析-市場數(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聚類分析評價方法-決策樹應(yīng)用
6-4用戶分群-零售行業(yè)運營案例
6-5數(shù)字化工作方法
6-6運籌優(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)據(jù)管理（數(shù)據(jù)分類，數(shù)據(jù)建模，數(shù)據(jù)倉庫和ETL）
6-8數(shù)字化運營綜合案例-某機構(gòu)營銷響應(yīng)概率預(yù)測與風險預(yù)測案例

7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（附加內(nèi)容）
7-2大數(shù)據(jù)平臺技術(shù)架構(gòu)與應(yīng)用（分布式存儲與計算，支持數(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章機器學習進階第7周
8-1帶正則項的回歸分析
8-2支持向量機(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)測案例
8-6用戶分類-保險行業(yè)用戶分類分析

9章機器學習進階第8周
9-1AdaBoost, 隨機森林, GBDT, XGBoost, LightGBM
9-2聚類分析進階（密度聚類，譜聚類）
9-3異常識別（孤立森林，局部異常因子）
9-4交易反欺詐-異常交易識別案例

10章機器學習進階第9周
10-1關(guān)聯(lián)規(guī)則（關(guān)聯(lián)規(guī)則的概念，評估指標，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、學習）
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感知機及感知機的極限

11章機器學習進階第10周
11-1文本分析（分詞與詞性標注，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章機器學習進階第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)字自動識別
12-5自然語言處理-用戶情緒自動識別
12-6實戰(zhàn)項目-金融行業(yè)反欺詐

13章機器學習進階第12周
13-1實戰(zhàn)項目-信用評分卡
13-2實戰(zhàn)項目-用戶復購預(yù)測
13-3大型項目案例

14章機器學習進階畢業(yè)周
14-1畢業(yè)答辯

15章拓展訓練（選修課）
15-1互聯(lián)網(wǎng)數(shù)字化運營【18課時】
15-2何為數(shù)據(jù)產(chǎn)品經(jīng)理？【1課時】
15-3Python爬蟲【15課時】
15-4Python辦公自動化【10課時】
15-5人工智能(深度學習)實戰(zhàn)之圖像識別【6課時】
15-6采銷、物流與供應(yīng)鏈數(shù)據(jù)分析應(yīng)用實戰(zhàn)【10課時】 (需額外付費）
15-7Tableau數(shù)據(jù)可視化視頻【1.5課時】(需額外付費）
15-8SPSS Modeler數(shù)據(jù)挖掘?qū)崙?zhàn)【34課時】（需額外付費）
15-9增長黑客入門【2.5課時】（需額外付費）

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

2.一對一督學
每個班級、每位同學、每月都會進行至少一次一對一輔導，詢問同學學習狀態(tài)、解決學員學習問題；同時，針對每個模塊測試結(jié)果后10%的學員進行額外輔導，以確保學員能夠跟上學習進度。

3.定期直播串講
對于重難點知識和同學普遍反應(yīng)的問題，助教將進行每周1-2次的晚自習串講，串講時常為2小時左右，且相關(guān)內(nèi)容需要重新制作、有別于課程內(nèi)容，幫助同學攻克重難點知識。

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。在原先每個班一個助教+一個班主任的配置下，調(diào)整為每個班2名助教+項目服務(wù)團隊的模式，以確?？焖?、高質(zhì)量的解決線上提問。

5.出勤率和進度監(jiān)督
在課程持續(xù)期間，助教還需實時統(tǒng)計學員出勤情況，監(jiān)督課堂紀律，跟進學習進度。除正常答疑外，服務(wù)團隊會與班級同學保持溝通、給予正確指引，從而營造積極學習氛圍。

6.作業(yè)與測試
在遠程授課期間，每個課程會安排相關(guān)課后作業(yè)，確保同學課下能夠進行適當練習，提升同學實時參與感、保證當日學習效果。除了作業(yè)，服務(wù)團隊還會組織學員進行階段性測試，以考試性質(zhì)為主，主要考察學員對本階段知識掌握程度。