課程內(nèi)容：
第1章：Python語(yǔ)言入門(mén)
1. Python簡(jiǎn)介和基礎(chǔ)
2. 向量、矩陣和數(shù)組
3. Python進(jìn)行數(shù)據(jù)加載：csv、excel、json、SQL等
4. 數(shù)據(jù)集描述和數(shù)據(jù)整理
5. 處理數(shù)值型數(shù)據(jù)
6. 處理類別型數(shù)據(jù)
7. 案例1：網(wǎng)上銷(xiāo)售數(shù)據(jù)加載
8. 案例2：泰坦尼克號(hào)客戶數(shù)據(jù)整理
第二章：Python文本分析和特征提取
1. 文本數(shù)據(jù)處理
2. 日期和時(shí)間數(shù)據(jù)處理
3. 利用特征提取進(jìn)行特征降維
4. 使用特征選擇進(jìn)行降維
5. 布朗語(yǔ)料庫(kù)與詞性標(biāo)注案例
第三章：Python常用機(jī)器學(xué)習(xí)算法實(shí)踐Part1
1. 機(jī)器學(xué)習(xí)模型評(píng)估方法
2. 機(jī)器學(xué)習(xí)模型選擇
3. 透過(guò)現(xiàn)象看本質(zhì)：線性回歸
4. 分而治之的算法模型：決策樹(shù)
5. 樹(shù)的集成技術(shù)：隨機(jī)森林
6. 分類模型評(píng)估與鳶尾花案例
7. 回歸模型評(píng)估與套件產(chǎn)生之仿真案例
8. 利用線性回歸和樹(shù)模型進(jìn)行波士頓房?jī)r(jià)預(yù)測(cè)
第四章：Python常用機(jī)器學(xué)習(xí)算法實(shí)踐Part2
1. 簡(jiǎn)單的分類算法：KNN
2. 廣義的回歸分析模型：邏輯回歸
3. 受歡迎的智能算法：支持向量機(jī)
4. 基于概率思想的算法：樸素貝葉斯
第五章：Python常用機(jī)器學(xué)習(xí)算法實(shí)踐Part3
1. 人工智能的底層模型-神經(jīng)網(wǎng)絡(luò)
2. 探尋內(nèi)部規(guī)律-聚類分析
3. 發(fā)掘購(gòu)物籃規(guī)則-關(guān)聯(lián)規(guī)則和序列模式
4. 保存和加載訓(xùn)練后的模型
第六章：商業(yè)分析綜合案例之營(yíng)銷(xiāo)分析
1. 案例公司背景說(shuō)明
2. 項(xiàng)目特點(diǎn)：以利潤(rùn)導(dǎo)向之模型建置
3. 解題思路
4. 模型評(píng)估方法
5. Python實(shí)作
6. 案例1：電商產(chǎn)品營(yíng)銷(xiāo)模型之建置與預(yù)測(cè)
7. 案例2：銀行產(chǎn)品營(yíng)銷(xiāo)案例：中小企業(yè)潛在貸款需求用戶挖掘
8. 案例3：電信行業(yè)客戶流失案例
第七章：商業(yè)分析綜合案例之產(chǎn)品分析
1. 產(chǎn)品分析基本思路
2. 產(chǎn)品需求分析
3. 產(chǎn)品分析數(shù)據(jù)獲取方法
4. 產(chǎn)品分析指標(biāo)體系及BI設(shè)計(jì)
5. AB測(cè)試
6. 產(chǎn)品分析與建模
7. 案例1：構(gòu)建一個(gè)簡(jiǎn)單的產(chǎn)品RFM模型
8. 案例2：產(chǎn)品運(yùn)營(yíng)過(guò)程中的異常值分析與監(jiān)測(cè)
9. 案例3：互聯(lián)網(wǎng)產(chǎn)品上線效果預(yù)測(cè)
第八章：商業(yè)分析綜合案例之客戶分析
1. 客戶分析概述
2. 客戶生命周期管理
3. 客戶畫(huà)像
4. 精準(zhǔn)營(yíng)銷(xiāo)
5. 客戶購(gòu)買(mǎi)行為分析
6. 客戶轉(zhuǎn)化分析
7. 案例1：大型零售品牌客戶購(gòu)買(mǎi)行為分析
8. 案例2：電商客戶歸因分析模型
魯公網(wǎng)安備37061302000010號(hào)
在線客服
預(yù)約試聽(tīng)