     敏捷算法建模培訓

1章 數據庫SQL
1-1數據庫基本概念
1-2DDL數據定義語言
1-3DML數據操作語言
1-4單表查詢
1-5多表查詢
1-6Python連接SQL
2章 Python編程基礎
2-1Python標準數據類型
2-2控制流語句
2-3自定義函數
2-4異常和錯誤
2-5類與面向對象編程
2-6Numpy數組操作
3章 數學與統計學基礎
3-1線性代數
3-2微積分
3-3描述性統計
3-4參數估計
3-5假設檢驗
3-6相關分析
3-7卡方分析
3-8一元線性回歸理論推導
3-9多元線性回歸理論推導
4章數據策略分析第1周
4-1數據庫MySQL實戰應用
4-2Python連接SQL數據庫
4-3零售電商多表分析案例
4-4分析基礎-數據分析的概念、過程、能力
4-5統計分析可視化
4-6企業經營分析-指標體系
5章數據策略分析
5-1用Python做數據分析，必會的庫Pandas
5-2用Pandas做數據清洗與數據探索
5-3Python數據可視化庫（Matplotlib，Seaborn）
5-4教育行業分析-學校學科教育可視化案例
5-5統計分析（相關分析，方差分析）
5-6線性回歸（建立模型和模型檢驗）
5-7識別分析-用戶支出影響因素分析案例
6章數據策略分析
6-1邏輯回歸（模型的建立與估計，模型評估）
6-2分類與回歸的結合
6-3信息壓縮-主成分分析與因子分析（數據降維）
6-4用戶流失分析-員工流失預警案例
6-5因子分析-城市發展水平綜合分析
6-6客群分析-標簽體系與與用戶畫像
6-7AB test-應用廣泛的對比分析方法
6-8應用用戶畫像-美國某企業用戶畫像實戰案例
7章數據策略分析
7-1時間序列分析（ARIMA算法）
7-2帶滯后項的線性回歸
7-3銷售額預測-線上平臺銷售額預測實戰案例
7-4數據采集處理方法（數據采集，數據錄入，數據預處理）
7-5數據管理（數據分類，數據建模，數據倉庫和ETL）
7-6產品目標人群分析-市場數據的應用案例
8章數據策略分析
8-1層次聚類
8-2Kmeans聚類
8-3聚類分析評價方法-決策樹應用
8-4用戶分群-零售行業運營案例
8-5數字化工作方法
8-6運籌優化方法（線性規劃與二次優化，基于業務流程的優化）
8-7數字化運營綜合案例-某機構營銷響應概率預測與風險預測案例
9章數據策略分析
9-1數據接入（接入策略，調度工具，實時數據接入方法）（附加內容）
9-2大數據平臺技術架構與應用（分布式存儲與計算，支持數據分析，大數據架構）（附加內容）
9-3數據挖掘導論
9-4KNN
9-5貝葉斯
9-6SVM
10章機器學習進階
10-1決策樹（ID3, C4.5, CART）
10-2決策樹的模型調優
10-3病馬死亡歸類與識別案例
10-4用戶分類-保險行業用戶分類分析
10-5帶正則項的回歸分析
10-6大數據環境下的回歸分析實現（Spark實現）
11章機器學習進階
11-1AdaBoost, 隨機森林, GBDT, XGBoost, LightGBM
11-2關聯規則（關聯規則的概念，評估指標，Apriori算法）
11-3協同過濾
11-4大數據環境下的協同過濾實現
11-5產品組合策略-電信公司產品捆綁銷售策略分析案例
12章機器學習進階
12-1數據處理的前沿方法：特征工程概要
12-2特征工程（特征的建構、選擇、轉換、學習）
12-3感知器及多層感知器
12-4深度神經網絡（BP神經網絡概述，架構）
12-5卷積神經網絡
12-6循環神經網絡
12-7殘差網絡
12-8圖像分析-手寫數字自動識別
13章機器學習進階
13-1數據的爬取（http原理、requests應用）
13-2文本數據清洗（正則表達式、HTML結構及xpath應用）
13-3文本特征加工（分詞與詞性標注，文本特征處理，關鍵詞抽取、文本分類與聚類方法）
13-4詞嵌入（CBOW與Skip-gram）
13-5注意力機制Attention
13-6預訓練框架Transformer
13-7Bert
13-8自然語言處理-用戶情緒自動識別
14章機器學習進階
14-1聚類分析進階（密度聚類，高斯混合聚類，譜聚類）
14-2異常識別（孤立森林，局部異常因子）
14-3交易反欺詐-異常交易識別案例
14-4實戰項目-金融行業反欺詐
15章機器學習進階
15-1實戰項目-行業文本分析
15-2實戰項目-信用評分卡