一、課程簡介
講師結合自己數據化運營實踐中大量的項目經驗，用通俗易懂的“非技術”語言和大量活潑生動的案例，圍繞數據分析挖掘中的思路、方法、技巧與應用，全方位整理、總結、分享，幫助學員深刻領會和掌握“以業(yè)務為核心，以思路為重點，以分析技術為輔佐”的數據挖掘實踐應用。

二、培訓時間
本次培訓為期 2天，6小時/天，（可根據具體需求做調整）。

三、培訓大綱
?
? 模塊 內容 第一單元 概率論與
數理統計基礎 ?數據分析方法概述：數據分析過程、數據分析的商業(yè)驅動
概率論基礎：集合、概率、隨機變量、概率密度、公理化
變換和期望：隨機變量函數分布、矩、矩列唯一性
常見分布族：離散分布、連續(xù)分布、指數分布、中心極限定理、概率不等式
多維隨機變量：聯合分布與邊緣分布、多層模型與混合分布、二維變化、協方差與相關系數
隨機樣本的性質：抽樣、樣本分布
數據簡化原理：似然函數、輔助函數
參數估計：點估計、區(qū)間估計、矩估計、貝葉斯估計、EM 算法
假設檢驗：似然比檢驗、貝葉斯檢驗、最大功效檢驗、置信區(qū)間、P 值、損失函數
漸進評價：相合性、有效性、標準誤差、穩(wěn)健性、LTR 的漸進分布、近似極大似然區(qū)間
方差分析和回歸分析：ANOVA 假設、簡單線性回歸與最小二乘
回歸模型：變量有誤差時的線性回歸、Logistic 回歸、穩(wěn)健回歸 第二單元 PYTHON
基礎 基礎知識：安裝配置、基礎語法等
數據可視化：數據可視化包介紹及圖像繪制
數據整理和數據清洗：Numpy 數組基礎；Pandas 對象基礎 第三單元 機器學習算法 scikit-learn 入門：Scikit-Learn 庫簡介
KNN-最近鄰分類算法：原理、實現、示例講解
決策樹算法：原理、實現、示例講解
隨機森林算法：原理、實現、示例講解
K-Means 聚類算法：原理、實現、示例講解
關聯規(guī)則算法：原理、實現、示例講解
線性回歸：原理、實現、示例講解
邏輯回歸：原理、實現、示例講解
SVM 支持向量機：原理、實現、示例講解
樸素貝葉斯算法：原理、實現、示例講解 第四單元 客戶生命周期案例 結合客戶生命周期案例，講解精準營銷、銀行反欺詐、信用評分等內容。

想要了解更多關于認證培訓信息，請關注我！