● 掌握數據挖掘分析工具Python的使用方法；

● 掌握Python數據清洗方法；

● 掌握統計分(fen)析方法；

● 掌握多種算法(fa)模型的使用方法(fa)；

● 掌握商(shang)業(ye)數據(ju)挖掘分析(xi)實戰方(fang)法。

Python語言基礎(chu)：幫助學員掌握Python語言的基礎編程方法，掌握應用Python進行數據加載、數據整理、數據清洗、數據可視化等方法，本節內容為后續內容奠定工具應用基礎；

1.    Python編程基礎（Python安裝啟動、數據類型、控制流操作、函數、面向對象編程、文件操作）

2.    Python加在數據（向量\矩陣\數組、加在樣本數據集、加在數據文件數據、查詢SQL數據庫）

3.    Python數(shu)(shu)據(ju)(ju)整理(li)（創建及瀏覽數(shu)(shu)據(ju)(ju)幀、處理(li)缺失(shi)值、數(shu)(shu)據(ju)(ju)替換、連(lian)接及合(he)并數(shu)(shu)據(ju)(ju)幀、數(shu)(shu)據(ju)(ju)分組聚(ju)合(he)、更(geng)改數(shu)(shu)據(ju)(ju)類型等）

4.    Python數據清洗（Numpy應用方法、Pandas應用方法）

5.    Python數據可視化（Matplotlib繪圖、Pandas繪圖、Pyecharts交互式圖表繪制）

6.    綜合(he)案(an)例應用

時間序列分析：時間序列分析(xi)是一種重(zhong)要的定(ding)量(liang)預測(ce)分析(xi)方法(fa)，本(ben)節將(jiang)幫助學(xue)員系統(tong)掌握時間序列分析(xi)方法(fa)；

1.    Pandas時(shi)間序列處理

2.    時間序列特征

3.    時間序列模型應用（AR、MA、ARMA、ARIMA）

4.    時間序列建模

5.    綜合案(an)例應用

機器學習與(yu)數據(ju)挖(wa)掘基礎(chu)：本(ben)節內容將(jiang)為(wei)大家介紹機器學習與數據挖掘的基礎理(li)論知識，并針對有監督(du)學習算法以及無監督(du)學習算法進(jin)行展開介紹；

1.    機器(qi)學(xue)習(xi)與數(shu)據(ju)挖掘(jue)理論基(ji)礎(chu)（數(shu)據(ju)挖掘(jue)概要(yao)(yao)，數(shu)據(ju)挖掘(jue)方(fang)法(fa)論，機器(qi)學(xue)習(xi)基(ji)本思想、常用(yong)算法(fa)分(fen)類、主要(yao)(yao)解(jie)決的問(wen)題，機器(qi)學(xue)習(xi)流(liu)程，模型評價指標(biao)，算法(fa)庫(ku)等）

2.    有監督學習算法入門（KNN基本原理，函數詳解，KNN數據結構實現，KNN算法實例）

3.    無監督學習算法入門（聚類分析入門，K-Means快速聚類基本原理，K-Means快速聚類手動實現，K-Means模型評估指標及穩定性討論，輪廓系數）

機器學習與(yu)數據(ju)挖(wa)掘進(jin)階：本(ben)節將(jiang)為(wei)大家(jia)進(jin)一步介紹機器學習與數據挖掘的進(jin)階(jie)算(suan)法以及應用案例；

1.    常用有監督學習算法（線性回歸（線性回歸模型的推導和求解，梯度下降法，帶正則項的線性回歸），邏輯回歸（邏輯回歸的引入，sigmoid函數，模型的求解，多分類問題），貝葉斯（樸素貝葉斯，貝葉斯網絡），SVM支持向量機分類和支持向量機回歸（線性SVM，硬邊距與軟邊距，非線性SVM，核函數的理解）

2.    有監督學習算法進階（決策樹模型（C4.5、C5.0和CART樹，決策樹的可視化），集成學習基礎（集成學習思想，分類，boosting和bagging聯系與區別），集成算法之Bagging類算法（Bagging、隨機森林等），集成算法之Boosting類算法（Adaboosting、GBDT梯度提升樹、XgBoost等）

3.    無監督學習算法進階（聚類分析：DBSCAN密度聚類、層次聚類等，數據降維方法（PCA主成分分析和SVD奇異值分解）

4.    特(te)(te)(te)(te)(te)征(zheng)(zheng)工程與(yu)高級數據預處理（特(te)(te)(te)(te)(te)征(zheng)(zheng)工程的目的與(yu)重要性，特(te)(te)(te)(te)(te)征(zheng)(zheng)預處理（無量(liang)綱化，分(fen)析(xi)，編碼(ma)，統計編號，特(te)(te)(te)(te)(te)征(zheng)(zheng)組合(he)），特(te)(te)(te)(te)(te)征(zheng)(zheng)構(gou)(gou)(gou)造(zao)（時(shi)間(jian)和時(shi)間(jian)序列特(te)(te)(te)(te)(te)征(zheng)(zheng)構(gou)(gou)(gou)造(zao)，空(kong)間(jian)特(te)(te)(te)(te)(te)征(zheng)(zheng)構(gou)(gou)(gou)造(zao)，用(yong)戶行為特(te)(te)(te)(te)(te)征(zheng)(zheng)構(gou)(gou)(gou)造(zao)，文本特(te)(te)(te)(te)(te)征(zheng)(zheng)構(gou)(gou)(gou)造(zao)，圖像特(te)(te)(te)(te)(te)征(zheng)(zheng)構(gou)(gou)(gou)造(zao)），特(te)(te)(te)(te)(te)征(zheng)(zheng)選擇(ze)（特(te)(te)(te)(te)(te)征(zheng)(zheng)選擇(ze)標準，方法分(fen)類），特(te)(te)(te)(te)(te)征(zheng)(zheng)轉換與(yu)特(te)(te)(te)(te)(te)征(zheng)(zheng)學習）

文本分析：文本數據中包含大量有用信息，使用文本分析方法可以有效提取這部分信息為商業決策提供幫助。本節內容將幫助學員系統掌握應用Python進行文本分析的方法；

1.    文(wen)本(ben)分析概述（文(wen)本(ben)數據與文(wen)本(ben)挖掘，自(zi)然語(yu)言處理(li)的(de)流派(pai)，文(wen)本(ben)挖掘常見商業應用，自(zi)然語(yu)言處理(li)的(de)層(ceng)次(ci)，流程與挑戰）

2.    獲(huo)取文本(ben)數據（語(yu)料(liao)(liao)和語(yu)料(liao)(liao)庫(ku)，常見語(yu)料(liao)(liao)庫(ku)，語(yu)料(liao)(liao)庫(ku)的獲取，文本(ben)的爬取）

3.    文本向量化（離散化表示方法（詞集模型，詞袋模型，TF-IDF）,分布式表示方法（word2vec，glove））

4.    文本分類(lei)與聚類(lei)（百度(du)數據(ju)聚類(lei)，新聞分類(lei)，情感分類(lei)）

5.    基于深度學習的文本分析（深度學習在文本分析中的應用，基于LSTM的情感分析，基于深度學習的新聞分類）

圖像(xiang)處理(li)與分析(xi)：除(chu)了文(wen)本(ben)數據(ju)之外，圖像數據(ju)同樣蘊藏了大量有價值的信息與知識(shi)，本(ben)節將幫助(zhu)學員系統掌握圖像數據(ju)的處理與分析(xi)方法；

1.    圖像處理基本概念（位圖，灰度，通道，深度，色相，色調，圖像分辨率，顏色模型（RGB,HSI,HSV））

2.    基于OpenCV的圖像處理（OpenCV基本介紹，圖像和視頻的獲取，圖像裁剪、通道獲取邊界填充，圖像計算，調亮圖片，改變圖像大小圖像融合，閾值處理，圖像濾波，圖像運算，圖像金字塔）

3.    圖像特征的理解與計算（顏色特征，形狀特征，LBP特征，HAAR特征，HOG特征）

4.    基于卷(juan)積(ji)神(shen)(shen)經網絡(luo)的圖(tu)像處理(li)（卷(juan)積(ji)神(shen)(shen)經網絡(luo)的模型搭(da)建和訓練，常見卷(juan)積(ji)神(shen)(shen)經網絡(luo)結構分析(xi)）

5.    基于(yu)卷積(ji)神(shen)經網(wang)絡的圖像分類實(shi)戰(zhan)（基于(yu)卷積(ji)神(shen)經網(wang)絡的人臉識別實(shi)戰(zhan)）

綜合(he)應用案例（大綱(gang)只列舉部(bu)分典(dian)型案例，可以(yi)根據企業實際需求進行選擇或(huo)定(ding)制）：本節通過(guo)多個實戰案例將(jiang)前邊相關知識進(jin)行串(chuan)聯、鞏固與提高，幫助(zhu)學員將(jiang)所學應用到實際(ji)商業場(chang)景下，掌握(wo)商業數據挖(wa)掘(jue)分析的(de)全流程方(fang)法；

      1.    電商(shang)案例分(fen)析(xi)（統計(ji)描述(shu)性，宏觀市場(chang)和微觀市場(chang)分(fen)析(xi)，波士頓矩陣分(fen)析(xi)）

2.    航空客戶價值分析（RFM分析，客戶畫像，聚類分析，精準營銷）

3.    保(bao)險行業(ye)用戶畫像，精準營銷（決(jue)策樹應(ying)用）

4.    航班動態(tai)延誤預(yu)測（隨機森林，集成學習應(ying)用）

5.    基于不同場景之下共享單車投放量的精準預測（嶺回歸，lasso回歸）

6.    京東用戶商品購買預測（xgboost集成學習）

7.    電商銷(xiao)售商品數據(ju)分析(xi)（關聯規則應用(yong)）

8.    門戶(hu)網站新聞分(fen)(fen)類(lei)分(fen)(fen)析（貝葉斯應用）

9.    手寫數字識別案例（邏輯回歸，knn應用）

10.  人臉識別與分類案例（SVM應用）

11.  圖像分類（CNN應用）

12.  電商文本情感分析（LSTM應用）

13.  數(shu)字化(hua)人(ren)力資源之員工流失風險預警（邏輯回歸應用）

14.  基于(yu)用于(yu)欺(qi)詐檢測的(de)綜(zong)合財務數據集預測金融支(zhi)付服務中(zhong)的(de)欺(qi)詐行為(wei)（集成學習(xi)應用）

15.  信用評(ping)分卡案(an)例

     例： 講解獲取外部數據

     例(li)： 講解(jie)應用文本分析(xi)對網站注冊用戶特征需求進(jin)行分析(xi)