|
|
|
|
|
全部课程 >大数据 |
|
大数据分析挖掘建模实战训练营
——从数据分析到人工智能
|
1826 次浏览 52 次
|
|
|
地点时间:北京、
上海、深圳根据报名开班 |
课程费用:5000元/人 |
|
|
|
企业内训:可以根据企业需求,定制内训,详见
内训学习手册 |
|
|
认证方式:
培训前了解能力模型。
培训后进行能力评测: 在线考试
能力分析,给出学习建议
合格者颁发证书,作为职业技能资格证明 |
|
|
|
近些年,随着数据中台、大数据、机器学习、人工智能等高科技技术的不断发展,越来越多的企业开始着眼于整理自己的数据资产、挖掘自身的数据业务、开拓自己的数据产品。然而,由于各个企业自身的起点不同,有的是从开展简单的分析任务开始,有的是如何建设自己的数据中台。同时,这个过程中也遇到了诸多的难题与困惑,不知道如何更加有效地开展工作,未来的发展方向又在哪里。
本课程从实战的角度,讲解了不同阶段数据应用的建设思路,规划未来发展的路线图。最初,如何开展简单的数据分析任务,确定问题→数据清洗→数据建模→数据验证的设计套路,以及由粗到细挖掘有价值的数据的分析思路。然后,为了长期持久地分析应用数据,如何建设数据中台,开展数据资产治理的工作,包括数据采集、ETL过程、建立数据仓库、形成数据集市、建设应用系统。并且,在这个过程中如何开展数据质量管理、数据血缘管理,等等。接着,在这样的基础上如何数据驱动、价值变现、形成数据产品,如数据风控、数字化运营、推荐系统、精准营销,这些系统的建设思路。更进一步,如何运用数据挖掘算法,开展数据预测、用户画像、机器学习等任务。最后,运用实际案例讲解,人工智能的系统建设,建设套路以及关键点与难点。
|
培训特色 : |
本课程注重实战,范老师在数据分析与建设相关领域从业多年,收集了大量的真实案例,会针对项目过程中常见的问题进行汇总、研讨,并最终形成培训教程。通过大量的真实案例,详细地介绍了数据分析与建设过程中需要注意的要点以及难点,这些知识都是讲师十几年经验的总结。 |
培训目标: |
了解大数据的数据分析方法
了解数据治理的体系框架和典型案例
能够应用数据实现业务价值
数据挖掘的原理与方法
了解人工智能在大数据方面的应用
|
培训对象:数据分析师,大数据架构师, |
学员基础:对大数据的技术框架和分析应用有一定的了解 |
授课方式:讲师讲授+案例解析+互动交流+现场答疑 |
培训内容:2天
|
第一章
数据分析 |
一、数据分析:挖掘数据潜在的价值
二、数据分析角色:数据经理、业务专家、数据分析师
三、数据分析套路:
确定问题→数据采集→数据清洗→数据建模→数据分析→模型验证 案例分析:某省宏观经济数据分析过程
1)数据采集与清洗及其遇到的难题
2)逐步细分的数据分析过程及其验证
3)数据分析结果应当具有指导与决策意义
|
第二章
数据治理 |
一、数据治理的意义
1)原始数据的质量极大影响分析结果的准确
2)原始数据需要不断地采集与整合才能长期用于分析利用
3)原始数据的升级变更大大加剧了数据分析的维护成本
二、数据治理的过程
数据采集→ETL过程→数据仓库→数据集市→数据应用
案例分析:增值税发票分析系统的数据治理过程
1)增值税发票数据的采集与ETL过程
2)增值税发票的数据仓库建设过程 多维数据模型:雪花模式 vs. 星形模型
数据仓库的分层:原始数据层、明细数据层、轻度综合层、数据集市层
面向主题的数据建模过程
3)数据仓库的质量管理与血缘管理
4)数据中台的概念与建设思路:自顶而下 vs. 自下而上
|
第三章
数据应用 |
一、数据中台的核心是价值变现
数据中台的核心:数据价值变现
二、数据应用
1. 数据可视化
案例:网络运营商大数据监控系统建设过程
2. 数据风控
案例:税务系统虚开发票风险监控系统建设过程
1)风控指标的设计过程
2)风控系统的架构设计
3. 数字化运营
案例:用户行为分析与数字化运营的建设过程
1)采集用户行为数据
2)分析与展示用户行为数据
3)用户行为数据指导系统运营与决策
4. 推荐系统
案例:某互联网的推荐系统建设
1)数据推荐算法:基于用户的推荐算法、基于商品的推荐算法
2)推荐系统建设思路与精准营销 |
第四章
数据挖掘 |
一、数据挖掘的原理
二、数据挖掘过程
1)经验模型 vs. 数据模型
2)逻辑回归与数据预测
案例:企业成长性预测模型的数据挖掘过程
3)分类算法与深度神经网络
案例:根据商品名称进行分类的建模过程
三、企业画像与数据标签
案例:企业征信的企业画像分析设计过程
1)数据标签的分类:属性标签、统计标签、算法标签
2)数据标签的设计:横向与纵向的数据融合表
3)算法标签的设计与数据挖掘过程
|
第五章
人工智能 |
一、数据挖掘的原理
二、数据挖掘过程
1)经验模型 vs. 数据模型
2)逻辑回归与数据预测
案例:企业成长性预测模型的数据挖掘过程
3)分类算法与深度神经网络
案例:根据商品名称进行分类的建模过程
三、企业画像与数据标签
案例:企业征信的企业画像分析设计过程
1)数据标签的分类:属性标签、统计标签、算法标签
2)数据标签的设计:横向与纵向的数据融合表
3)算法标签的设计与数据挖掘过程 |
|
|
|
|
|
|
|
|
1826 次浏览 52 次
|
其他人还看了课程 |
|
|
|
|
|
咨询目标
|
对客户的数据库进行性能评价,设计优化,管理优化 |
咨询范围 |
数据库性能评价,数据库结构优化,数据访问SQL优化。 |
咨询方式 |
现有数据库调查,问题诊断,性能评价。
对数据库进行逻辑结构优化,对数据库进行访问SQL优化。
建立数据库运行监控平台。运行监控与优化方法指导。 |
成功案例 |
建设银行,中国农业银行,中国工商银行,中航信 |
详情咨询:010-62670969, zhgx@uml.net.cn
|
|
|
|
|
|