69久久夜色精品国产69,97久久久久人妻精品专区

99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

CDA LEVEL Ⅱ建模分析@上海&遠程報名即將截止！

2015-05-28

CDA Level Ⅱ：建模分析師。兩年以上數據分析崗位工作經驗，或通過CDA Level Ⅰ認證半年以上。在政府、金融、電信、零售、互聯(lián)網、電商、醫(yī)學等行業(yè)專門從事數據分析與數據挖掘的人員。在Level Ⅰ的基礎之上深入掌握高級多元統(tǒng)計方法,并且拓展時間序列分析和主要數據挖掘的理論知識與業(yè)界運用；能夠熟練使用SAS、R、Matlab和SPSS中至少一個專業(yè)統(tǒng)計軟件實現(xiàn)相關算法；熟悉使用SQL訪問企業(yè)級數據庫；具有按照數據挖掘標準流程進行項目需求分析、數據驗證、建模與模型評估的能力。

CDA Level Ⅱ培訓課程安排

背景介紹

CDA Level Ⅰ為基礎薄弱的學員提供了入行的機會,能夠結合業(yè)務完成基本的數據分析并作出數據報告。但企業(yè)想要在競爭激烈的市場中勝出，決策的速度和反應的效率尤為重要。根據調查顯示，75%的企業(yè)在面臨擬定策略時，常常無法獲得實時且有根據的決策信息。什么樣的數據、要通過什么樣的方法，才能快速便捷的提供對決策有價值的信息，是現(xiàn)代企業(yè)所面臨最迫切性的問題。因此,在CDA Level Ⅰ的基礎上,CDA Level Ⅱ（建模分析師）即為企業(yè)決策提供及時有效、易實現(xiàn)、可信賴的數據支持。

在建模分析師中，數據挖掘(Data Mining)技術無疑是他們最強有力的核心競爭力。數據挖掘強調與現(xiàn)有信息系統(tǒng)的整合，以提供決策者做決策時所需的情報，或轉化成經營智慧，以作為調整營運策略方針的輔助工具。以顧客關系管理(CRM)為例，數據挖掘是整個顧客關系管理的核心。其不但可以準確的定位目標市場，進行精準營銷，還可以幫助業(yè)務人員了解客戶深層需求，針對大量客戶進行客制化，也就是所謂的一對一營銷。本課程的目的就是要針對數據挖掘整套流程，根據CDA Level Ⅱ大綱標準，以金融、電信、電商和零售業(yè)為案例背景，結合SAS Enterprise Miner和SPSS Moderler深入講授數據挖掘的主要算法。并將Python語言和SQL進行有效的結合，講授如何在實際工作中搭建數據挖掘環(huán)境，制定分類數據挖掘的標準流程，讓學員勝任全方位的數據挖掘運用場景。

CDA LEVEL Ⅱ課程安排

項目名稱	CDA Level Ⅱ建模分析師系統(tǒng)培訓
時間	上海 & 遠程：2015年6月11-14日，20-21日六天
地點	面授班：上海，人民廣場教室遠程班：在線同步直播
價格	面授：5900元遠程：4400元
優(yōu)惠	1. 全日制學生及CDA LEVEL Ⅰ老學員8折優(yōu)惠（學生證證明文件） 2. 同一單位三人及以上報名9折優(yōu)惠，五人及以上8折優(yōu)惠 3. CDA LEVEL Ⅰ等級資格證書持有者立省1000元 4. 同時報名參加LEVELⅠ和LEVEL Ⅱ享受8折優(yōu)惠。點擊查看LEVEL Ⅰ課程詳情以上優(yōu)惠不可疊加！
證書認證	1. 可申請報考《CDA LEVEL Ⅱ等級認證證書》（薦：含金量高） 2. 可申請工信部《數據分析師證書》，申請費用400元（培訓后即可得到）以上雙證皆自愿申請
現(xiàn)場班福利	全套視頻資料，終身學習，在線答疑午餐，咖啡茶歇，論壇幣（1000個）

學員對象：

1）各行業(yè)數據分析、數據挖掘從業(yè)者

2）金融、電信、零售、醫(yī)學等各行業(yè)業(yè)務數據分析人員

3）政府事業(yè)單位大數據及數據挖掘項目人員

4）數據挖掘崗位就業(yè)、提拔漲薪、技能優(yōu)化等從業(yè)人員

5）對數據挖掘感興趣的各界人員

學員基礎要求：

1）掌握CDA LEVEL Ⅰ大綱要求，CDA LEVEL Ⅰ詳情：http://bbs.pinggu.org/thread-3419416-1-1.html

2）報名贈送《SAS初級視頻》+《R語言及數據挖掘視頻》，提前觀看視頻做好預習工作。自行安裝好SAS軟件（帶有EM模塊），SPSS Modeler，MySQL及R軟件。R軟件的下載網址為"http://www.r-project.org/"；MySQL的下載網址為"http://www.mysql.com/。

課程收益

(1)了解什么是顧客關系管理；(2)了解顧客關系管理系統(tǒng)的架構及其組成元素；(3)了解如何利用顧客關系管理系統(tǒng)來進行營銷活動；(4)了解什么是數據挖掘(Data Mining)；(5)掌握數據挖掘技術的功能分類；(6)掌握數據挖掘技術的績效增益；(7)了解數據挖掘技術的產業(yè)標準；(8)掌握如何利用數據挖掘技術來篩選關鍵變量(Key Attribute)；(9)掌握如何利用數據挖掘技術來進行交叉銷售(Cross-Selling)；(10)掌握如何利用數據挖掘技術來評估客戶的信用風險(Credit Risk)； (11)了解如何利用數據挖掘技術來分析顧客行為、產生商業(yè)智慧并發(fā)展營銷策略。(12)掌握如何使用數據挖掘工具SAS EM/SPSS Modeler/Python來完成上述的各項工作。(13)掌握MySQL等主流數據庫的使用。(14) 構建易實施的MySQL和Python數據挖掘環(huán)境。（15）掌握構建信用打分卡的流程和Python語言腳本。

點擊查看CDA LEVEL Ⅱ詳細課程大綱

CDA Level Ⅱ培訓課程大綱

詳細大綱

時程

大綱內容

第1天

主題：顧客關系管理及基礎數據挖掘技術

企業(yè)使用之范圍：

說明企業(yè)如何利用顧客關系管理來進行營銷活動

理論介紹：

顧客關系管理系統(tǒng)的架構及其組成元素

企業(yè)如何利用顧客關系管理系統(tǒng)來進行營銷活動

數據挖掘技術的功能分類

數據挖掘技術的績效增益

數據挖掘技術的產業(yè)標準

數據挖掘基本觀念與實際應用解說

SAS EM & SPSS Modeler實務案例操作：

Introduction to SAS Enterprise Miner(SAS EM) & IBM SPSS Modeler

Getting Started with SAS EM 12.1 & IBM SPSS Modeler 16

Creating a EM Project, Library and Diagram

Creating a SPSS Modeler Project

第1天

第2天

主題：基礎數據挖掘技術

企業(yè)使用之范圍：

說明企業(yè)如何利用數據前處理技術來進行數據的重整，建置數據倉庫，以做為數據挖掘之輸入

理論介紹：

數據挖掘技術的流程-SEMMA vs. CRISP DM

數據前處理(Data Preprocessing)技術

Attribute Selection(字段選擇)

*Data Integration(數據整合)

Data Cleansing(數據清洗):

*Wrong Value(錯誤值),

*Outlier(離群值),

*Missing Value(遺失值)

Attribute Enrichment(字段擴充):

*內/外部數據的擴充方法

Data Coding(數據編碼):

*Data Transformation(數據轉換),

*Data Reduction(數據精簡),

*Record Reduction(記錄精簡),

*Attribute Value Reduction(域值精簡),

*Attribute Reduction(字段精簡)

SAS EM & SPSS Modeler實務案例操作：

Defining a Data Source

Exploring a Data Source

* Exploring Source Data

* Changing the Explore Window Sampling Defaults

* Modifying and Correcting Source Data

Managing Wrong Values/Outliers/Missing Values

Transforming Inputs

Recording Categorical Inputs

第2天

第3天

主題：進階數據挖掘技術

企業(yè)使用之范圍：

說明企業(yè)如何利用關鍵變量發(fā)掘技術來發(fā)掘對項目目標有效之關鍵變量，以做為數據挖掘之輸入變量

理論介紹：

訓練數據與測試數據的產生方法

關鍵變量(Key Attributes)發(fā)掘技術

*卡方檢定(Chi-square Test)

*t檢定及ANOVA檢定(t Test & ANOVA Test)

*利用決策樹(Decision Tree)選擇關鍵變量

SAS EM & SPSS Modeler實務案例操作：

Creating Training & Validation Dataset

Variable Selection

Using Partial Least Squares for Input Selection

Using the Decision Tree for Input Selection

第3天

主題：進階數據挖掘技術2

企業(yè)使用之范圍：

說明如何利用分類技術之決策樹來建立交叉銷售(Cross-Selling)模型，以提升公司獲利

理論介紹：

分類之決策樹(Decision Tree)

SAS EM & SPSS Modeler實務案例操作：

Constructing a Decision Tree Model

Optimizing the Complexity of Decision Trees

Assessing a Decision Tree

Understanding Additional Plots & Tables

Automatic Tree Growth

第3天

主題：進階數據挖掘技術3

企業(yè)使用之范圍：

說明企業(yè)如何利用分類技術之神經網絡、支持向量機及分類多模型整合來建立信用評分(Credit Scoring)模型，以降低公司損失

理論介紹：

分類之神經網絡(Neural Network)

分類之支持向量機(Support Vector Machine)

分類多模型整合(Ensemble)之裝袋(Bagging)、增強(Boosting)學習

SAS EM &SPSS Modeler實務案例操作：

Training a Neural Network

Selecting Neural Network Inputs

Increasing Network Flexibility

Using the AutoNeural Tool

Constructing a Support Vector Machine

Constructing Ensemble Models by Using Bagging and Boosting Techniques

Model Comparisons

第4天

主題：進階數據挖掘技術4

企業(yè)使用之范圍：

說明企業(yè)如何利用模型評估技術來評估模型的優(yōu)劣，以作為采用適當模型的準則

理論介紹：

模型評估(Model Assessment)技術

SAS EM & SPSS Modeler實務案例操作：

Model Fit Statistics:

* Comparing Models with Summary Statistics

Statistical Graph:

* Comparing Models with ROC Charts

* Comparing Models with Score Rankings Plots

* Adjusting for Separate Sampling

Profit Matrix:

* Evaluating Model Profit

* Viewing Additional Assessments

* Optimizing with Profit

Internally Scored Data Sets:

* Creating a Score Data Source

* Scoring with the Score Tool

* Exporting a Scored Table

Score Code Modules:

* Creating a SAS Score Code Module

* Creating Other Score Code Modules

第4天

主題：進階數據挖掘技術5

企業(yè)使用之范圍：

說明企業(yè)如何利用預測(Prediction)技術之回歸樹及類神經網絡來建立數值預測模型-如預測客戶之年收入，以利公司設計營銷活動

理論介紹：

回歸樹(Regression Tree)

類神經網絡(Neural Network)-非線性回歸

SAS EM & SPSS Modeler實務案例操作：

Review and Set the Decision Tree Node

Review and Set the Neural Network Node

第4天

主題：進階數據挖掘技術6

企業(yè)使用之范圍：

說明企業(yè)如何利用關聯(lián)及序列分析技術來建立交叉銷售(Cross-Selling)及提升銷售(Up-Selling)模型，以提升公司獲利

理論介紹：

關聯(lián)分析(Association Analysis)

序列分析(Sequence Analysis)

SAS EM & SPSS Modeler案例案例操作：

Consolidating Categorical Inputs

Market Basket Analysis

Sequence Analysis

第5天

環(huán)境搭建與數據轉換

主體：數據分析環(huán)境搭建

1、Python程序安裝

2、MySQL數據庫安裝、配置、建庫；

主題：Python與其它軟件之間數據轉換

1、Python內部的數據存儲類型

2、Python與CSV格式文件；

3、Python與EXCEL格式文件；

4、Python與MySQL；

5、Python與ODBC；

主題：SQL編程與MySQL數據庫使用

Mysql SQL編程與Python SQL編程

主題：用R作統(tǒng)計

兩變量相關檢驗（兩樣本T檢驗、方差分析、卡方檢驗、相關檢驗）；

主成分與因子分析；

決策樹

數據挖據完整流程案例

——Python編程構造銀行信用風險模型

第6天

主題：信用風險建模簡介

銀行信用風險監(jiān)管體系與信用風險內部模型

主題：單變量檢驗與數據清洗

缺失值檢驗與處理方法

異常值檢驗與處理方法

解釋變量粗篩

雙變量關系檢驗法

數據分箱

主題：連續(xù)變量壓縮技術

變量聚類

分類變量壓縮技術

似完整分類數據問題

WOE方法

主題：邏輯回歸建模技術

模型選擇：逐步法、全子集法

根據經驗Logit曲線進行連續(xù)變量轉換

主題：編程模型評估技術

ROC曲線

K-S曲線

講師簡介

李御璽，教授，國立臺灣大學資訊工程博士，銘傳大學資訊工程學系教授，銘傳大學大數據研究中心主任，中華數據挖掘協(xié)會理事，云南財經大學信息學院客座教授，浙江大學城市學院客座教授，廈門大學數據挖掘中心顧問，中國人民大學數據挖掘中心顧問，IBM SPSS-China顧問，SAS-Taiwan顧問。在其相關研究領域已發(fā)表超過260篇以上的研究論文,同時也是國科會與教育部多個相關研究計劃的主持人。

服務過的客戶包括：中國工商局、中信銀行、臺新銀行、聯(lián)邦銀行、新光銀行、新竹國際商業(yè)銀行(現(xiàn)已并入渣打銀行)、第一銀行、永豐銀行、遠東銀行、美商大都會人壽、嘉義基督教醫(yī)院、臺灣微軟、零售業(yè)如赫蓮娜(Helena Rubinstein)化妝品公司、特立和樂(HOLA)公司、航空公司如東方航空公司、中華航空公司、汽車行業(yè)如福特(Ford)汽車公司；政府行業(yè)如國稅局等。

常國珍，曾為德勤管理咨詢高級數據挖掘咨詢顧問，SAS官方培訓資深講師，2014年SAS軟件大賽判卷人,曾以數據挖掘工程師身份就職于亞信科技（中國）有限公司市場部。具有八年的數據挖掘實戰(zhàn)經驗，主攻分類模型，涉及客戶精準營銷、信用評估、價值提升、欺詐偵測和流失預警等數據挖掘主題，尤其熟悉銀行個人客戶精準營銷的建模工作。