课程定位

面向需要理解数据算法的团队负责人及计划转向相关领域的人员，以业务案例连接模型原理和落地流程。

学习收获

• 帮助非数据算法专业的团队leader快速理解数据算法的应用场景与脉络。
• 为计划转行数据算法的同学提供实际项目建模经验和解析。
• 了解常用的数据分析模型和经典算法原理与应用落地的流程。
• 学习如何构造营销用户、流失用户、高价值用户的筛选模型。
• 学习如何利用规则和模型构建 反作弊、异常值监控系统。
• 了解如何构建需求预估模型。针对周、天、小时等粒度的未来需求进行预测。
• 了解如何利用运筹优化算法支持相关项目落地。优化项目的建模思想与实际案例。

课程模块

第一部分、数据分析探索与应用流程 1.商业数据分析

• 数据挖掘Road Maps
• R、python简单介绍
• 2.数据探索
• 数据预处理
• 构建新的变量
• 异常值处理
• 数据可视化
• 3.数据分析应用流程

第二部分、经典预测和分类方法 1.回归分析

• 相关性
• 线性回归与拟合
• 最小二乘法的几何解释
• 线性回归中的变量选择
• 回归算法的评估与选择
• 2.KNN 分类器
• 确定相邻的样本数据
• 分类规则
• 参数K的选择
• 算法优缺点
• 案例分析：如何选择相似用户？
• 3.逻辑回归
• 逻辑回归模型
• 分类算法的评估
• 案例分析：用户借贷能力判定
• 4.决策树
• 迭代分割
• 纯度的计算
• 决策树的使用效果
• 如何避免过拟合
• 剪枝与终止条件
• 案例分析：如何利用决策树的提取出业务规则？
• 5.（补充）树模型应用——随机森林
• 案例分析：如何帮助业务方筛选出重要的业务变量？

第三部分、经典聚类算法 1.聚类问题介绍

• 2.两条数据之间的距离
• 欧式距离
• 数值型数据处理与距离函数
• 类别型数据的距离计算
• 混合类型数据的距离计算
• 两个类别之间的距离
• 最大距离、最小聚类、中心距离
• 3.K-means
• 如何选择参数K
• 4.层次聚类
• 案例分析：如何选择相似用户？

第四部分、异常检测与反欺诈 1.异常值检测

• 异常团体识别
• 案例分析：无监督反欺诈方案应用
• 业务思考：如何构建一个反欺诈系统？

第五部分、时间序列预测 1.时间序列回归模型

• 预测变量筛选
• 回归预测
• 非线性回归
• 相关、因果和预测
• 2.时间序列分解
• 时间序列成分
• 移动平均
• 经典时间序列分解
• STL分解法
• 趋势性、季节性判定
• 业务思考：如何对时间序列进行聚类？
• 分解法预测
• 时间序列类异常值检测
• 业务思考：如何评估促销活动效果？
• 3.ARIMA模型
• 平稳性和差分
• 延迟算子
• 自回归与移动平均
• 非季节性arima
• 参数估计与选择
• 季节性arima
• 4.高级预测方法
• 复杂的季节性
• 向量自回归
• 神经网络
• 5.实际预测问题
• 周数据、天粒度数据以及小时数据预测
• 预测组合
• 长序列与短序列预测
• 训练集与测试集
• 缺失值与异常值
• 案例分享：共享单车Daily天粒度需求预测

第六部分、决策优化 1.开源决策优化工具介绍 google or-tools

• 运筹优化方法介绍
• 优化算法应用流程
• 2.案例分享(可选)
• 电商促销优惠券发放优化：给定用户补贴的预算，如何选择合适的补贴用户。
• 工厂布局优化:考虑如何减少物料搬运成本(运量和距离)。
• 仓库选址问题：如何选择服务点，满足服务能力和降低运输成本。
• 物流配送、车辆路径调度：配送问题综合建模与分析。

师资信息

Eddie老师
同济工业工程背景，数据算法专家，
具有需求预测、收益管理、反作弊、物流配送路径优化系统等丰富的数据算法实战经验。
在外资企业中享有很高的知名度。 接受咨询或培训的单位包括上海大众汽车、长春西门子汽车电子、联合汽车电子、三维制药等等有限公司以及其他来自全国各地的合资企业。

课程咨询与报名

了解本期课程安排、师资及报名事项，请联系新中华学习网：400-061-6586，也可使用本页下方的报名咨询表。具体开课安排以正式通知为准。

温馨提示：本文内容根据课程内容整理，各模块实际讲授内容由授课老师根据学员情况灵活调整，最终以课堂授课为准。