开课信息
授课老师:Eddie老师
开课时间:2026年11月21日
上课地点:上海
课程费用:4200元
具体授课地址请在报名和出行前确认。
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
01 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
02 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?
03 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?
04 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?
05 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
06 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。
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。
信息来源:新中华学习网公开课。
课程常年开班,获取最新开班时间或内训报价,咨询:400-061-6586