EDIT數(shù)字化模型簡(jiǎn)介、業(yè)務(wù)探查（E）、問(wèn)題診斷（D）、業(yè)務(wù)策略?xún)?yōu)化和指導(dǎo)（I）、算法工具介紹（T）

解決企業(yè)數(shù)據(jù)采集，數(shù)據(jù)模型構(gòu)建，搭建數(shù)據(jù)之間的邏輯

領(lǐng)會(huì)數(shù)據(jù)分類(lèi)中的主數(shù)據(jù)、交易數(shù)據(jù)和元數(shù)據(jù)概念；理解數(shù)據(jù)庫(kù)建模中概念、邏輯、物理模型之間的關(guān)系；領(lǐng)會(huì)數(shù)據(jù)庫(kù)范式的概念、數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市、ETL過(guò)程；掌握關(guān)系模型與維度模型的使用場(chǎng)景

數(shù)據(jù)采集方法、數(shù)據(jù)模型管理

解決企業(yè)數(shù)據(jù)采集，數(shù)據(jù)模型構(gòu)建，搭建數(shù)據(jù)之間的邏輯

領(lǐng)會(huì)數(shù)據(jù)分類(lèi)中的主數(shù)據(jù)、交易數(shù)據(jù)和元數(shù)據(jù)概念；理解數(shù)據(jù)庫(kù)建模中概念、邏輯、物理模型之間的關(guān)系；掌握關(guān)系模型與維度模型的使用場(chǎng)景

Python標(biāo)準(zhǔn)數(shù)據(jù)類(lèi)型、控制流語(yǔ)句、自定義函數(shù)、異常和錯(cuò)誤、類(lèi)與面向?qū)ο缶幊?、Python連接數(shù)據(jù)庫(kù)操作、Python編程面試題集訓(xùn)

解決使用商業(yè)智能報(bào)表分析業(yè)務(wù)、監(jiān)控業(yè)務(wù)的問(wèn)題

具備Python代碼編寫(xiě)閱讀能力； 掌握基本的Python語(yǔ)法；熟悉面向?qū)ο蟮脑恚徽莆誔ython數(shù)據(jù)庫(kù)編程；

Numpy數(shù)組基礎(chǔ)操作、Pandas數(shù)據(jù)表的基本操作、Pandas數(shù)據(jù)探索、Pandas數(shù)據(jù)可視化、Python數(shù)據(jù)可視化包-Matplotlib介紹、Python數(shù)據(jù)可視化包-Seaborn介紹與圖形繪制

完成企業(yè)實(shí)際工作中的數(shù)據(jù)清洗、轉(zhuǎn)換等數(shù)據(jù)加工及可視化任務(wù)，為后續(xù)機(jī)器學(xué)習(xí)打下基礎(chǔ)

掌握數(shù)據(jù)清洗的方法與技巧;掌握數(shù)據(jù)常用可視化的方法與技巧

實(shí)戰(zhàn)案例：斯德哥爾摩氣候可視化分析、餐飲訂單數(shù)據(jù)清洗與分析、文本數(shù)據(jù)分析之QQ聊天記錄可視化分析

實(shí)際項(xiàng)目檢驗(yàn)學(xué)習(xí)成果，學(xué)以致用，更加貼近實(shí)戰(zhàn)項(xiàng)目，達(dá)到學(xué)習(xí)價(jià)值

掌握Python綜合使用技能，掌握numpy與pandas的用法

先導(dǎo)課：抽樣方法、統(tǒng)計(jì)量及抽樣分布、參數(shù)估計(jì)與假設(shè)檢驗(yàn)、統(tǒng)計(jì)分析與Python實(shí)戰(zhàn)、線(xiàn)性規(guī)劃與二次優(yōu)化； 實(shí)戰(zhàn)案例：關(guān)于飲料消費(fèi)的統(tǒng)計(jì)學(xué)分析、快遞公司的路線(xiàn)策略?xún)?yōu)化

使用統(tǒng)計(jì)分析和運(yùn)籌學(xué)的基礎(chǔ)知識(shí)來(lái)解決與企業(yè)策略?xún)?yōu)化相關(guān)的問(wèn)題，比如快遞路線(xiàn)優(yōu)化問(wèn)題、商品價(jià)格定價(jià)策略問(wèn)題等等。

熟悉常見(jiàn)統(tǒng)計(jì)分布的特點(diǎn)與應(yīng)用；熟悉假設(shè)檢驗(yàn)的基本概念與方法；掌握T檢驗(yàn)、方差分析的方法步驟；掌握線(xiàn)性規(guī)劃與二次優(yōu)化

數(shù)據(jù)分析方法論介紹、方差分析、回歸分析、分類(lèi)數(shù)據(jù)分析、邏輯回歸、數(shù)據(jù)降維、時(shí)間序列分析、實(shí)戰(zhàn)案例：金融客戶(hù)行為特征分解與營(yíng)銷(xiāo)策略?xún)?yōu)化、汽車(chē)行業(yè)銷(xiāo)售預(yù)測(cè)與經(jīng)營(yíng)戰(zhàn)略?xún)?yōu)化、基于廣義線(xiàn)性模型的汽車(chē)保險(xiǎn)分類(lèi)定價(jià)策略的優(yōu)化、收益率的系列預(yù)測(cè)、基于時(shí)間序列的機(jī)

可完成電商、金融、互聯(lián)網(wǎng)等行業(yè)的用戶(hù)行為分析與預(yù)測(cè)，商業(yè)策略分析等工作。

熟悉數(shù)據(jù)分析方法與步驟；掌握方差分析與應(yīng)用，回歸分析與應(yīng)用，分類(lèi)數(shù)據(jù)分析方法，時(shí)序數(shù)據(jù)的分析預(yù)測(cè)方法

用戶(hù)標(biāo)簽體系設(shè)計(jì)原理、用戶(hù)標(biāo)簽的制作方法、標(biāo)簽體系的用戶(hù)畫(huà)像應(yīng)用、實(shí)戰(zhàn)案例：用戶(hù)行為在營(yíng)銷(xiāo)活動(dòng)的價(jià)值分析、自動(dòng)預(yù)警指標(biāo)推送功能框架的搭建、app靜默用戶(hù)觸動(dòng)分析

可完成電商、金融、互聯(lián)網(wǎng)等行業(yè)的標(biāo)簽體系的設(shè)計(jì)與應(yīng)用任務(wù)。如構(gòu)建業(yè)務(wù)指標(biāo)體系、構(gòu)建用戶(hù)畫(huà)像等高價(jià)值工作。

掌握用戶(hù)標(biāo)簽體系設(shè)計(jì)原、熟悉用戶(hù)標(biāo)簽的制作方法、熟悉用戶(hù)畫(huà)像的應(yīng)用

數(shù)據(jù)挖掘概要、數(shù)據(jù)挖掘方法論、基礎(chǔ)數(shù)據(jù)挖掘技術(shù)、進(jìn)階數(shù)據(jù)挖掘技術(shù)

理解和辨別數(shù)據(jù)挖掘算法在企業(yè)不同的工作場(chǎng)景中的應(yīng)用，

熟悉數(shù)據(jù)挖掘的基本理論與技術(shù)

特征工程概要、特征建構(gòu)、特征選擇、特征轉(zhuǎn)換、特征學(xué)習(xí)

正確理解特征工程，為提高模型效果，正確使用特征工程方法做準(zhǔn)備

熟悉特征工程概念與原理；掌握特征工的構(gòu)建，特征工的選擇、轉(zhuǎn)換

KNN-最近鄰分類(lèi)算法：原理、實(shí)現(xiàn)、決策樹(shù)（分類(lèi)樹(shù)及回歸樹(shù)）、聚類(lèi)分析

本階段課程學(xué)習(xí)基礎(chǔ)機(jī)器學(xué)習(xí)算法，有分類(lèi)算法與聚類(lèi)算法。這些算法可應(yīng)用在大部分的商業(yè)問(wèn)題中：如信用評(píng)分、客戶(hù)畫(huà)像等。

掌握KNN算法原理與基于Python的應(yīng)用；掌握決策樹(shù)算法原理、scikit-learn應(yīng)用以及算法優(yōu)化技巧；掌握K-means聚類(lèi)算法原理及應(yīng)用；熟悉保險(xiǎn)行業(yè)客戶(hù)分群意義；掌握決策樹(shù)算法在客戶(hù)分群中的實(shí)際運(yùn)用；

樸素貝葉斯、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、支持向量機(jī)、集成方法 實(shí)戰(zhàn)案例：航空客戶(hù)價(jià)值分析綜合案例、基于集成算法的乳腺癌疾病預(yù)測(cè)、基于神經(jīng)網(wǎng)絡(luò)的汽車(chē)燃油率預(yù)測(cè)

本階段課程學(xué)習(xí)高階機(jī)器學(xué)習(xí)算法與集成算法，這些算法在企業(yè)內(nèi)的應(yīng)用也比較多，如客戶(hù)流失預(yù)警、動(dòng)態(tài)定價(jià)、客戶(hù)細(xì)分、欺詐檢測(cè)、垃圾郵件檢測(cè)、圖像分類(lèi)與識(shí)別等。

掌握樸素貝葉斯算法原理與應(yīng)用；掌握常見(jiàn)神經(jīng)網(wǎng)絡(luò)算法的原理與應(yīng)用；掌握SVM算法原理與應(yīng)用，常見(jiàn)集成算法的原理；熟悉xgboost 、LightGBM算法原理；通過(guò)案例熟悉相關(guān)行業(yè)背景知識(shí)，并熟練運(yùn)用算法；

關(guān)聯(lián)規(guī)則、序列模式、模型評(píng)估、實(shí)戰(zhàn)項(xiàng)目：推薦系統(tǒng)實(shí)戰(zhàn)

掌握推薦系統(tǒng)主要的算法，并能依據(jù)模型結(jié)果提供實(shí)際營(yíng)銷(xiāo)建議。

掌握關(guān)聯(lián)規(guī)則的核心原理與應(yīng)用；掌握序列算法的原理及應(yīng)用； 熟悉模型評(píng)估算法；掌握模型評(píng)估算法原理及應(yīng)用

實(shí)戰(zhàn)案例：以自動(dòng)機(jī)器學(xué)習(xí)技術(shù)開(kāi)發(fā)銀行業(yè)信用風(fēng)險(xiǎn)評(píng)分模型并進(jìn)行最佳模型調(diào)參、以類(lèi)別不平衡處理技術(shù)開(kāi)發(fā)銀行業(yè)中小企業(yè)信貸營(yíng)銷(xiāo)模型并進(jìn)行最佳模型調(diào)參、以半監(jiān)督式學(xué)習(xí)技術(shù)開(kāi)發(fā)電信業(yè)客戶(hù)流失模型并進(jìn)行最佳模型調(diào)參

可完成電商、金融、互聯(lián)網(wǎng)等行業(yè)中的分類(lèi)、預(yù)測(cè)問(wèn)題，如用戶(hù)購(gòu)買(mǎi)預(yù)測(cè)、垃圾郵件檢測(cè)、商品精準(zhǔn)推薦等等。

掌握自動(dòng)機(jī)器學(xué)習(xí)原理；熟悉類(lèi)別不平衡問(wèn)題的解決方法；掌握半監(jiān)督學(xué)習(xí)算法原理與應(yīng)用，模型優(yōu)化技巧

自然語(yǔ)言處理概要、分詞與詞性標(biāo)注、文本挖掘概要、關(guān)鍵詞提取

可解決工作中自然語(yǔ)言處理相關(guān)問(wèn)題，如輿情監(jiān)控、用戶(hù)情感分析、語(yǔ)義分析、KOL畫(huà)像等工作。

熟悉自然語(yǔ)言處理的基本概念；掌握分詞以及詞性標(biāo)注技術(shù)，文本挖掘技術(shù)流程方法，信息檢索技術(shù)

實(shí)戰(zhàn)案例：金融信用評(píng)分卡風(fēng)控建模綜合項(xiàng)目實(shí)戰(zhàn)、以特征工程技術(shù)開(kāi)發(fā)文本情感分析模型、以深度學(xué)習(xí)技術(shù)開(kāi)發(fā)銀行業(yè)信用卡盜刷偵測(cè)模型、以圖像處理技術(shù)、深度學(xué)習(xí)及遷移學(xué)習(xí)技術(shù)，開(kāi)發(fā)人臉口罩偵測(cè)模型

通過(guò)課程的學(xué)習(xí)，能完成評(píng)分卡建模、情感分析模型構(gòu)建、信用卡盜刷偵測(cè)相關(guān)工作能力 。

綜合使用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語(yǔ)言處理算法來(lái)解決金融、銀行、AI科技等行業(yè)的場(chǎng)景應(yīng)用。

職業(yè)規(guī)劃、職場(chǎng)溝通力、團(tuán)隊(duì)協(xié)作力培養(yǎng)

了解職業(yè)現(xiàn)狀和前景，解決職業(yè)溝通和團(tuán)隊(duì)協(xié)作問(wèn)題

專(zhuān)職職業(yè)導(dǎo)師培養(yǎng)職業(yè)規(guī)劃、職場(chǎng)溝通、以及團(tuán)隊(duì)協(xié)作能力。

1V1面試技巧指導(dǎo)、簡(jiǎn)歷修改

解決面試技巧不足、簡(jiǎn)歷書(shū)寫(xiě)不專(zhuān)業(yè)問(wèn)題

專(zhuān)職就業(yè)老師1V1面試技巧輔導(dǎo)與簡(jiǎn)歷修改指導(dǎo)。

何為數(shù)據(jù)產(chǎn)品經(jīng)理？Python爬蟲(chóng)、Python辦公自動(dòng)化、數(shù)據(jù)挖掘項(xiàng)目選修項(xiàng)目

解決學(xué)員在不同數(shù)據(jù)崗位方向和行業(yè)方向的業(yè)務(wù)經(jīng)驗(yàn)和項(xiàng)目經(jīng)驗(yàn)不足的問(wèn)題。

根據(jù)學(xué)員面試方向、就業(yè)方向來(lái)選擇合適的選修課程來(lái)進(jìn)一步進(jìn)修。