亚洲AⅤ自偷自拍视频_亚洲欧洲精品一区二区_中日韩AV丰满少妇无码_亚洲欧美日韩一区天堂

當(dāng)前位置: 首頁(yè) > 內(nèi)訓(xùn)課程 > 課程內(nèi)容
廣告1
相關(guān)熱門公開課程更多 》
相關(guān)熱門內(nèi)訓(xùn)課程更多 》
相關(guān)最新下載資料

Python實(shí)現(xiàn)大數(shù)據(jù)挖掘技術(shù)培訓(xùn)

課程編號(hào):32156

課程價(jià)格:¥26000/天

課程時(shí)長(zhǎng):5 天

課程人氣:377

行業(yè)類別:行業(yè)通用     

專業(yè)類別:大數(shù)據(jù) 

授課講師:傅一航

  • 課程說(shuō)明
  • 講師介紹
  • 選擇同類課
【培訓(xùn)對(duì)象】
業(yè)務(wù)支持部、IT系統(tǒng)部、大數(shù)據(jù)系統(tǒng)開發(fā)部、大數(shù)據(jù)分析中心、網(wǎng)絡(luò)運(yùn)維部等相關(guān)技術(shù)人員。

【培訓(xùn)收益】


第一部分:Python語(yǔ)言基礎(chǔ)
目的:掌握基本的Python編程思想與編程語(yǔ)句,熟悉常用數(shù)據(jù)結(jié)構(gòu)的操作
1、Python簡(jiǎn)介
2、開發(fā)環(huán)境搭建
Python的安裝
擴(kuò)展庫(kù)的安裝
3、掌握Python的簡(jiǎn)單數(shù)據(jù)類型
 字符串的使用及操作
整數(shù)、浮點(diǎn)數(shù)
4、掌握基本語(yǔ)句:
if、while、for、print等
基本運(yùn)算:
函數(shù)定義、參數(shù)傳遞、返回值
5、掌握復(fù)雜的數(shù)據(jù)類型:列表/元組
列表操作:訪問(wèn)、添加、修改、刪除、排序
列表切片、復(fù)制等
列表相關(guān)的函數(shù)、方法
元組的應(yīng)用
6、復(fù)雜數(shù)據(jù)類型:字典
創(chuàng)建、訪問(wèn)、修改、刪除、遍歷
字典函數(shù)和方法
7、復(fù)雜數(shù)據(jù)類型:集合
8、掌握面向?qū)ο缶幊趟枷?br /> 創(chuàng)建類、繼承類
模塊
9、函數(shù)定義、參數(shù)傳遞、返回值
10、標(biāo)準(zhǔn)庫(kù)與擴(kuò)展庫(kù)的導(dǎo)入
11、異常處理:try-except塊
演練:基本的Python編程語(yǔ)句

第二部分:Python擴(kuò)展庫(kù)
目的:掌握數(shù)據(jù)集結(jié)構(gòu)及基本處理方法,進(jìn)一步鞏固Python語(yǔ)言
1、數(shù)據(jù)挖掘常用擴(kuò)展庫(kù)介紹
Numpy數(shù)組處理支持
Scipy矩陣計(jì)算模塊
Matplotlib數(shù)據(jù)可視化工具庫(kù)
Pandas數(shù)據(jù)分析和探索工具
StatsModels統(tǒng)計(jì)建模庫(kù)
Scikit-Learn機(jī)器學(xué)習(xí)庫(kù)
Keras深度學(xué)習(xí)(神經(jīng)網(wǎng)絡(luò))庫(kù)
Gensim文本挖掘庫(kù)
2、數(shù)據(jù)集讀取與操作:讀取、寫入
讀寫文本文件
讀寫CSV文件
讀寫Excel文件
從數(shù)據(jù)庫(kù)獲取數(shù)據(jù)集
3、數(shù)據(jù)集的核心數(shù)據(jù)結(jié)構(gòu)(Pandas數(shù)據(jù)結(jié)構(gòu))
DataFrame對(duì)象及處理方法
Series對(duì)象及處理方法
演練:用Python實(shí)現(xiàn)數(shù)據(jù)的基本統(tǒng)計(jì)分析功能

第三部分:數(shù)據(jù)可視化處理
目的:掌握作圖擴(kuò)展庫(kù),實(shí)現(xiàn)數(shù)據(jù)可視化
1、常用的Python作圖庫(kù)
Matplotlib庫(kù)
Pygal庫(kù)
2、實(shí)現(xiàn)分類匯總
演練:按性別統(tǒng)計(jì)用戶人數(shù)
演練:按產(chǎn)品+日期統(tǒng)計(jì)各產(chǎn)品銷售金額
3、各種圖形的畫法
直方圖
餅圖
折線圖
散點(diǎn)圖
4、繪圖的美化技巧
演練:用Python庫(kù)作圖來(lái)實(shí)現(xiàn)產(chǎn)品銷量分析,并可視化

第四部分:數(shù)據(jù)理解和數(shù)據(jù)準(zhǔn)備
目的:掌握數(shù)據(jù)預(yù)處理的基本環(huán)節(jié),以及Python的實(shí)現(xiàn)
1、數(shù)據(jù)預(yù)處理
異常值處理:3σ準(zhǔn)則,IQR準(zhǔn)則
缺失值插補(bǔ):均值、拉格朗日插補(bǔ)
數(shù)據(jù)篩選/抽樣
數(shù)據(jù)的離散化處理
變量變換、變量派生
2、數(shù)據(jù)的基本分析
相關(guān)分析:原理、公式、應(yīng)用
方差分析:原理、公式、應(yīng)用
卡方分析:原理、公式、應(yīng)用
主成分分析:降維
案例:用Python實(shí)現(xiàn)數(shù)據(jù)預(yù)處理及數(shù)據(jù)準(zhǔn)備

第五部分:分類預(yù)測(cè)模型實(shí)戰(zhàn)
1、常見分類預(yù)測(cè)的模型與算法
2、如何評(píng)估分類預(yù)測(cè)模型的質(zhì)量
查準(zhǔn)率
查全率
ROC曲線
3、邏輯回歸分析模型
邏輯回歸的原理
邏輯回歸建模的步驟
邏輯回歸結(jié)果解讀
案例:用sklearn庫(kù)實(shí)現(xiàn)銀行貸款違約預(yù)測(cè)
4、決策樹模型
決策樹分類的原理
決策樹的三個(gè)關(guān)鍵問(wèn)題
決策樹算法與實(shí)現(xiàn)
案例:電力竊漏用戶自動(dòng)識(shí)別
5、決策樹算法
最優(yōu)屬性選擇算法:ID3、ID4.0、ID5.0
連續(xù)變量分割算法
樹剪枝:預(yù)剪枝、后剪枝
6、人工神經(jīng)網(wǎng)絡(luò)模型(ANN)
神經(jīng)網(wǎng)絡(luò)概述
神經(jīng)元工作原理
常見神經(jīng)網(wǎng)絡(luò)算法(BP、LM、RBF、FNN等)
案例:神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)產(chǎn)品銷量
7、支持向量機(jī)(SVM)
SVM基本原理
維災(zāi)難與核心函數(shù)
案例:基于水質(zhì)圖像的水質(zhì)評(píng)價(jià)
8、貝葉斯分析
條件概率
常見貝葉斯網(wǎng)絡(luò)

第六部分:數(shù)值預(yù)測(cè)模型實(shí)戰(zhàn)
1、常用數(shù)值預(yù)測(cè)的模型
通用預(yù)測(cè)模型:回歸模型
季節(jié)性預(yù)測(cè)模型:相加、相乘模型
新產(chǎn)品預(yù)測(cè)模型:珀?duì)柷€與龔鉑茲曲線
2、回歸分析概念
3、常見回歸分析類別
4、回歸分析常見算法
梯度上升/下降法
普通最小二乘法OLS
局部加權(quán)線性回歸LWLR
嶺回歸(RR)
套索回歸Lasso
ElasticNet回歸
第七部分:聚類分析(客戶細(xì)分)實(shí)戰(zhàn)
1、客戶細(xì)分常用方法
2、聚類分析(Clustering)
聚類方法原理介紹及適用場(chǎng)景
常用聚類分析算法
聚類算法的評(píng)價(jià)
案例:使用SKLearn實(shí)現(xiàn)K均值聚類
案例:使用TSNE實(shí)現(xiàn)聚類可視化
3、RFM模型分析
RFM模型,更深入了解你的客戶價(jià)值
RFM模型與市場(chǎng)策略
案例:航空公司客戶價(jià)值分析

第八部分:關(guān)聯(lián)規(guī)則分析實(shí)戰(zhàn)
1、關(guān)聯(lián)規(guī)則概述
2、常用關(guān)聯(lián)規(guī)則算法
Apriori算法
發(fā)現(xiàn)頻繁集
生成關(guān)聯(lián)規(guī)則
FP-Growth算法
構(gòu)建FP樹
提取規(guī)則
3、時(shí)間序列分析
案例:使用apriori庫(kù)實(shí)現(xiàn)關(guān)聯(lián)分析
案例:中醫(yī)證型關(guān)聯(lián)規(guī)則挖掘

第九部分:案例實(shí)戰(zhàn)
1、客戶流失預(yù)測(cè)和客戶挽留模型
2、銀行欠貸風(fēng)險(xiǎn)預(yù)測(cè)模型

結(jié)束:課程總結(jié)與問(wèn)題答疑。 

咨詢電話:
0571-86155444
咨詢熱線:
  • 微信:13857108608
聯(lián)系我們