商业数据分析与算法应用

添加时间：2019-12-19      修改时间： 2019-12-19      课程编号:106288706

《商业数据分析与算法应用》课程目的
l 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。
l 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。
l 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。
l 学习如何构造营销用户、流失用户、高价值用户的筛选模型。
l 学习如何利用规则和模型构建 反作弊、异常值监控系统。
l 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。
l 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。

《商业数据分析与算法应用》课程背景
数据和算法在支持企业精细化运营、生产制造、营销、用户体验、供应链、物流等场景得到广泛的应用。
本课程将为学员梳理数据算法在不同领域的实际案例，帮助学员掌握常用的数据模型原理和应用方法。
对高价值用户筛选、反作弊、供需预估和物流配送、成本优化等方向的案例进行现场解析。
对于计划转行数据算法方向的学员，提供理论和实践的综合课程。

《商业数据分析与算法应用》课程大纲
第一部分、数据分析探索与应用流程
l 商业数据分析
数据挖掘Road Maps
R、python简单介绍
l 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
l 数据分析应用流程
第二部分、经典预测和分类方法
l 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
l 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？
l 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
l 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？
l （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
l 聚类问题介绍
l 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
l K-means
如何选择参数K
l 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
l 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
l 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
l 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？
l 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
l 高级预测方法
复杂的季节性
向量自回归
神经网络
l 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
l 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
l 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。

授课培训师Eddie hou老师简介
工作经历
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。

课程名称：	商业数据分析与算法应用
您的真实姓名：	* （请一定使用真实姓名）
性    别：	先生女士
公司名称：
E-mail地址：	*
电话/手机：	* （电话请带上区号，谢谢）
QQ：
上课时间：	（时间格式：2024-04-19）
上课地点：
费用预算：	* 元人民币。（请填写数字，不需要填写单位。）
其它咨询：
验证数字：	*