服务热线:18033039821(服务时间:工作日08:30-19:30;周六日08:30-17:30)
18033039821
热搜 : 单海洋 秘书 行政 中高层 营销 销售 研发 团队 
您的位置:首页 > 内训课 > 大数据挖掘语言:用Python实现大数据挖掘项目实战培训

[内训课] 大数据挖掘语言:用Python实现大数据挖掘项目实战培训

分享到 
课程老师:
傅一航
开课时长:
2天12H
学员人数:
50人以内
课程领域:
销售管理系列 > 数据分析
价格:
请洽询
积分:
获赠 1:1 积分 学课程,得积分,换好礼 >
下载:
授课形式:
1.讲授法教材;2.案例法教材;3.研讨法教材;4.多媒体教学法教材;5.角色扮演法教材;6.技能培训法教材;7.成套培训法教材等
培训对象:
大数据系统开发部、大数据分析中心、业务支撑部、IT系统部等相关技术人员。
温馨提示:
内训课程仅供参考,实际培训内容围绕企业实践和培训需求量身定制,保证课程内容的针对性和系统性,打破传统课程和教学模式,以达最佳培训效果!
服务承诺:
师资认证、限时退费,满意度90%以上
咨询报名:

课程目的:

掌握Python语言,以及在数据挖掘中的应用


课程内容:

Python是一门解释性语言,仅次于JAVA/C/C++/C#最受欢迎的语言,可应用在大数据语言。易学,易懂,功能强大。其中有着大量的扩展库来实现数据分析与数据挖掘功能。


第一部分:Python语言基础

目的:掌握基本的Python编程思想与编程语句,熟悉常用数据结构的操作

1、Python简介

2、开发环境搭建

Ø  Python的安装

Ø  扩展库的安装

3、掌握Python的简单数据类型

Ø   字符串的使用及操作

Ø  整数、浮点数

4、掌握基本语句:

Ø  if、while、for、print等

Ø  基本运算:

Ø  函数定义、参数传递、返回值

5、掌握复杂的数据类型:列表/元组

Ø  列表操作:访问、添加、修改、删除、排序

Ø  列表切片、复制等

Ø  列表相关的函数、方法

Ø  元组的应用

6、复杂数据类型:字典

Ø  创建、访问、修改、删除、遍历

Ø  字典函数和方法

7、复杂数据类型:集合

8、掌握面向对象编程思想

Ø  创建类、继承类

Ø  模块

9、函数定义、参数传递、返回值

10、    标准库与扩展库的导入

11、    异常处理:try-except块

演练:基本的Python编程语句


第二部分:Python语言与数据挖掘库

目的:掌握数据集结构及基本处理方法,进一步巩固Python语言

1、数据挖掘常用扩展库介绍

Ø  Numpy数组处理支持

Ø  Scipy矩阵计算模块

Ø  Matplotlib数据可视化工具库

Ø  Pandas数据分析和探索工具

Ø  StatsModels统计建模库

Ø  Scikit-Learn机器学习库

Ø  Keras深度学习(神经网络)库

Ø  Gensim文本挖掘库

2、数据集读取与操作:读取、写入

Ø  读写文本文件

Ø  读写CSV文件

Ø  读写Excel文件

Ø  从数据库获取数据集

3、数据集的核心数据结构(Pandas数据结构)

Ø  DataFrame对象及处理方法

Ø  Series对象及处理方法

演练:用Python实现数据的基本统计分析功能


第三部分:数据可视化处理

目的:掌握作图扩展库,实现数据可视化

1、常用的Python作图库

Ø  Matplotlib库

Ø  Pygal库

2、实现分类汇总

演练:按性别统计用户人数

演练:按产品+日期统计各产品销售金额


3、各种图形的画法

Ø  直方图

Ø  饼图

Ø  折线图

Ø  散点图

4、绘图的美化技巧

演练:用Python库作图来实现产品销量分析,并可视化


第四部分:数据挖掘基础

目的:掌握数据挖掘标准流程

1、数据挖掘概述

2、数据挖掘的标准流程(CRISP-DM)

Ø  商业理解

Ø  数据准备

Ø  数据理解

Ø  模型建立

Ø  模型评估

Ø  模型应用

3、数据挖掘常用任务与算法

案例:用大数据实现精准营销的项目过程


第五部分:数据理解和数据准备

目的:掌握数据预处理的基本环节,以及Python的实现

1、数据预处理

Ø  异常值处理:3σ准则,IQR准则

Ø  缺失值插补:均值、拉格朗日插补

Ø  数据筛选/抽样

Ø  数据的离散化处理

Ø  变量变换、变量派生

2、数据的基本分析

Ø  相关分析:原理、公式、应用

Ø  方差分析:原理、公式、应用

Ø  卡方分析:原理、公式、应用

Ø  主成分分析:降维

案例:用Python实现数据预处理及数据准备


第四部分:分类预测模型实战

1、常见分类预测的模型与算法

2、如何评估分类预测模型的质量

Ø  查准率

Ø  查全率

Ø  ROC曲线

3、逻辑回归分析模型

Ø  逻辑回归的原理

Ø  逻辑回归建模的步骤

Ø  逻辑回归结果解读

案例:用sklearn库实现银行贷款违约预测


4、决策树模型

Ø  决策树分类的原理

Ø  决策树的三个关键问题

Ø  决策树算法与实现

案例:电力窃漏用户自动识别


5、人工神经网络模型(ANN)

Ø  神经网络概述

Ø  神经元工作原理

Ø  常见神经网络算法(BP、LM、RBF、FNN等)

案例:神经网络预测产品销量


6、支持向量机(SVM)

Ø  SVM基本原理

Ø  维灾难与核心函数

案例:基于水质图像的水质评价


7、贝叶斯分析

Ø  条件概率

Ø  常见贝叶斯网络


第五部分:数值预测模型实战

1、常用数值预测的模型

Ø  通用预测模型:回归模型

Ø  季节性预测模型:相加、相乘模型

Ø  新产品预测模型:珀尔曲线与龚铂兹曲线

2、回归分析概念

3、常见回归分析类别


第六部分:聚类分析(客户细分)实战

1、客户细分常用方法

2、聚类分析(Clustering)

Ø  聚类方法原理介绍及适用场景

Ø  常用聚类分析算法

Ø  聚类算法的评价

案例:使用SKLearn实现K均值聚类

案例:使用TSNE实现聚类可视化


3、RFM模型分析

Ø  RFM模型,更深入了解你的客户价值

Ø  RFM模型与市场策略

案例:航空公司客户价值分析


第七部分:关联规则分析实战

1、关联规则概述

2、常用关联规则算法

3、时间序列分析

案例:使用apriori库实现关联分析

案例:中医证型关联规则挖掘


第八部分:案例实战(学员主导,老师现场指导)

1、实战1:电商用户行为分析及服务推荐

2、实战2:基于基站定位数据的商圈分析


结束:课程总结与问题答疑。

企业培训所面临的困境:


每一类企业因其行业、发展历程和战略规划的特殊性,而具有独特的文化和核心的能力,成功的企业都善于通过组织学习,不断传播和重塑文化,持续提升和再造核心能力。专题内训定制课程致力于培养企业当前经营发展最急需的素质与能力,针对业务发展中面临的核心需求“量身定制”,充分考虑企业所处的行业特征、竟争环境、发展状况、以及所具有的文化特质、人员特性等因素、授课讲师、课程内容和教学方式均依企业的的特性需求灵活设置


越来越多的企业开始认识到培训的重要性,通过培训可以养人才, 使企业获得人力资源自我更新能力,实现从优秀到卓越的自我超越。因此,为满足企业的内训需求,精心设置企业内训课程体系,努力实现BEST管理学院资源与社会的有效结合,使国内的企业能较少的投入获得针对自身企业的定制化培训服务

 

以企业现状为基础,根据企业阶段需要定制企业内训计划,结合企业内训所有达成的绩效指标,落地实施安排授课时间和地点,最大限度地切合企业实际需要,确保更实更精确的培训效果。阶段性训练过程中我们还将为企业客户提供了一个持续交流的平台,可在独立的培训课程基础上对企业提供跟进咨询服务,帮助公司全面诊断管理中存在的问题并提出解决方案。让企业用户以企业内训的成本获得管理咨询的成果!

 

关于我们
公司简介
加入BEST
合作机构
帮助中心
会员权益
隐私保护
法律说明
联系我们
联系方式
新浪微博
腾讯微博
BEST学院
微信公众号
集势全球
开课城市: 上海 北京 深圳 广州 苏州 成都 杭州 青岛 天津 厦门 长沙 武汉 南京 贵阳 洛阳 郑州 

© 2024 BEST管理学院版权所有 粤ICP备18116908号-1