什么是数据挖掘?什么是建模分析师?建模分析师作为数据领域打怪的高级别玩家都具备哪些能力?
行业:在政府、金融、电信、零售、互联网、电商、医学等行业专门从事数据分析与数据挖掘的人员;
知识:深入掌握高级多元统计方法,并且拓展时间序列分析和主要数据挖掘的理论知识与业界运用;
工具:能够熟练使用SPSS Modeler、SAS、R、Python等至少一个专业数据挖掘软件实现相关算法,熟练使用SQL;
经验:具有按照数据挖掘标准流程进行项目需求分析、数据验证、建模与模型评估的能力。
那么,数据挖掘是万能的吗?数据挖掘=数据+算法吗?今天,我们来聊一下数据挖掘中的误区。数据挖掘,想说爱你不容易!
有什么方法可以让我们避免这些误区吗?
CDA LEVEL II建模分析师,大牛导师带你入门数据挖掘,案例实操带你走出误区!
SPSS Modeler专题(6天) | 北京:2016年7月29-31,8月05-07日 上海:2016年10月21-23,28-30日 深圳:2016年9月16-18,23-25日 |
主题 | 以企业场景、真实案例教学方式,利用SPSS MODELER来贯穿数据挖掘建模的整个内容,包括基础、算法、建模、进阶、模型优化、应用等。 |
应用范围 | 《营销活动及信用风险控制》 《企业如何处理原始数据》 《如何根据业务选取有效变量》 《如何建立交叉销售模型》 《如何建立信用评分模型》 《如何进行模型优化》 《企业如何建立预测模型》 《客户分群精准化营销》 |
算法理论 | KDD、CRISP DM—数据处理—统计检验—决策树、罗吉斯回归、包装法—贝氏网络—神经网络—支持向量机—随机森林—聚类分析—关联分析—序列分析 |
案例操作 | 【营销客户分群】【银行风险预测】【网站行为关联分析】【商品关联规则】【交叉销售】【客户流失预警】【天气预测】【药物治疗】【疾病诊断】【零售购物篮组合】【银行金融产品序列分析】 |
SAS专题(6天) | 北京:2016年8月06-07,13-14,20-21日 上海:2016年8月13-14,20-21,27-28日 |
主题 | 以SAS为工具,讲解SAS软件中高级编程技术,并运用SAS进行数据挖掘流程化操作。 |
应用范围 | 《银行、证券等金融企业》《大型零售企业》《通信行业》《医疗行业》 |
软件技术 | 《SAS基础编程》《SAS数据管理》《SAS编程进阶》《SAS与SQL》《SAS宏语言》《程序优化》 |
算法理论 | 线性回归--逻辑回归--决策树--组合算法--神经网络--朴素贝叶斯--MBR(KNN)--聚类分析--关联规则 |
案例操作 | 【数据驱动的风险管理】【信用卡违约预测模型案例流程】【信用评分模型】【电信客户流失预警】 |
PYTHON专题(6天) | 北京:2016年9月03-04,10-11,16-17日 |
主题 | 以PYTHON为工具,讲解PYTHON软件数据挖掘编程技术,并运用PYTHON |
应用范围 | 《互联网企业》《网站分析》《网络产品与运营》《其他》 |
软件技术 | 《PYTHON语法基础》《PYTHON数据挖掘包》《主成分与因子分析》《聚类分析》《预测分析》《文本分析》《社会网络分析》 |
算法理论 | 线性回归与岭回归--可实现的Lasso算法--Logistic回归--广义线性模型--最近邻域法(KNN)--样条曲线--决策树--随机森林--支持向量机--线性判别模型--主成分分析PCA--样本聚类--关联规则与序贯分析 |
案例操作 | 【汽车类型聚类与地域购买偏好分析】【婚恋网站被约会可能性预测】【零售业客户价值预测模型】【新闻内容分类】【构造新闻热点词指数】【电信客户交友圈与流失预警】 |
R语言专题(6天) | 北京:8月06-07,13-14日,20-21日(6天) 广州:8月06-07,20-21日,27-28日(6天) |
主题 | 以R为工具,讲解R语言软件数据挖掘编程技术,并运用R |
应用范围 | 《客户预测与客户流失》《信用违约建模》《银行金融业》《互联网行业》 |
软件技术 | 《R常用包》《R语言编程》《预测模型》《降维》《分类模型》《样本聚类》 |
算法理论 | 朴素贝叶斯--决策树--KNN--逻辑回归--神经网络--SVM--岭回归--Lasso算法--装袋法--Adaboost算法--主成分分析PCA--K-means--谱聚类--密度聚类--关联规则--序列模式 |
案例操作 | 【制作经营业务BI常用图表】【婚恋网站是否可以成功约会预测】【客户流失预测】【零售业客户价值预测模型】【信用违约建模案例】【银行客户购物篮分析】 |
【报名流程】
1.在线填写报名信息
2.给予反馈,确认报名信息
3.网上缴费
4.开课前一周发送电子版课件和教室路线图
【在线咨询】
电话:010-68411404
手机:18010006628(陈老师)
—— Join Learn!
课程详情:https://bbs.pinggu.org/thread-3551294-1-1.html