Python数据分析培训方案

一、项目介绍

项目名称:Python数据分析实战——金融风控项目

项目周期:96课时

项目概述:

新媒体+随着移动互联网的发展和5G技术的逐步普及,我们已从IT时代走入DT(Data Technology)时代,用理性的数据分析替代人工的经验分析已成为主流。通过数据分析可以加深企业对公司对于市场、产品、客户的理解,从而制定更加高效合理的营销、运营策略。

本课程以金融风控项目为核心,带领大家系统学习数据清洗,数据探索、分析,数据展示,机器学习预测,数据分析思维、方法、模型等数据分析常用技能,并通过金融风控项目介绍数据分析与挖掘的完整流程,搭建整套金融风控知识体系,介绍反欺诈,信用分风险策略,评分卡模型构建等热点知识,还会介绍如何设计与实施数据分析相关课程。

项目亮点:

1. 精讲数据分析中常用技能

2. 讲解数据分析中常用的思维/方法/模型

3. 讲解数据分析通用工作流程

4. 讲解机器学习算法在数据分析与挖掘领域的具体应用

5. 通过金融风控项目,全面锻造数据分析知识体系

二、课程适合人群

1. 计算机,数据科学与大数据技术等专业高校教师

2. 正在从事或未来想从事数据科学相关方向的高校教师

3. 在工作中会用到数据分析相关技能的高校教师

三、预习资料

获取方式:请扫描下方二维码,回复【数据分析】即可获取完整预习资料

四、准备环境介绍

硬件环境:

笔记本或者台式机

操作系统:Windows7及Windows7以上系统

处理器:i5双核以上

内存:8GB 以上

五、课程培训目标

1. 掌握数据分析相关技术技能;

2. 掌握数据分析相关思维,方法,模型;

3. 如何组织开数据分析相关教学工作。

六、项目进度安排

7月25日

环境安装

1. 环境安装
2. 项目结构介绍
3. 数据分析基础知识

7月26日

Pandas数据分析入门

Pandas DataFrame 基础知识
1. DataFrame简介和加载数据
2. DataFrame加载部分数据_按列加载和按行加载
3. DataFrame加载部分数据_加载指定行指定列数据
4. DataFrame的简单分组聚合操作
5. DataFrame的简单绘图和小结
6. Pandas数据结构_创建DataFrame和Series
7. Series常用属性和常用方法
8. Series的运算
9. DataFrame的常用操作
10. 更改series和dataframe
11. 添加删除修改列&导入导出DataFrame
12. Pandas数据分析入门_加载数据并了解数据分布情况
13. Pandas数据分析入门_排序
14. Pandas数据分析入门_租房数据分析练习

7月27日

Pandas数据处理

1. 数据组合
2. 缺失值处理
3. 整理数据
4. Pandas数据类型
5. Apply函数

7月28日

Pandas数据整理

1. 数据分组
2. Pandas透视表
3. DateTime数据类型

7月29日

数据可视化与数据分析案例

1. Matplotlib可视化
2. Pandas可视化
3. Seaborn可视化
4. Pyecharts可视化
5. AppStore数据分析案例
6. 某服装品牌销售数据分析案例
7. RFM客户分群案例

7月31日

机器学习预测分析入门

1. 人工智能概述
2. 机器学习开发流程和用到的数据介绍
3. 特征工程介绍和小结
4. 机器学习算法分类
5. 机器学习模型评估
6. 数据分析与机器学习
7. K近邻算法基本原理
8. K近邻算法进行分类预测
9. sklearn实现knn
10. 训练集测试集划分
11. 分类算法的评估
12. 归一化和标准化
13. 超参数搜索
14. 超参数搜索2
15. 预测facebook签到位置案例
16. K近邻算法总结

8月1日

回归分析

1. 线性回归简介
2. 线性回归API使用初步
3. 导数回顾
4. 线性回归的损失函数和优化方法
5. 梯度下降推导
6. 波士顿房价预测案例
7. 欠拟合和过拟合
8. 模型的保存和加载
9. 线性回归应用-回归分析

8月2日

分类分析和聚类分析

1. 逻辑回归简介
2. 逻辑回归API应用案例
3. 分类算法评价方法
4. 逻辑回归应用_分类分析
5. 决策树算法简介
6. 决策树分类原理
7. 特征工程-特征提取
8. 决策树算法api
9. 聚类算法的概念
10. 聚类算法API的使用
11. 聚类算法实现原理
12. 聚类算法的评估
13. 聚类算法案例

8月3日

数据分析实战项目金融风控

1. 信贷和风控介绍
2. 常见零售产品和风险介绍
3. 风控相关业务术语介绍
4. 业务数据分析案例
5. 互联网金融风控体系介绍
6. 风控建模流程概述
7. 风控建模流程_项目准备
8. 风控建模流程_特征工程
9. 风控建模流程_模型构建
10. 风控建模流程_上线运营
11. 业务规则挖掘案例

8月5日

数据分析实战项目金融风控

1. 数据准备
2. 静态信息特征和时间截面特征处理
3. 特征衍生
4. 特征变换
5. 特征变换_卡方分箱代码实现
6. 特征变换_WOE代码实现
7. 特征变换_类别变量编码方式总结
8. 常用缺失值处理方法
9. 时间序列未来信息
10. 用户信息关联&小结

8月6日

数据分析实战项目金融风控

1. 建模流程_实验设计
2. 建模流程_样本设计
3. 建模流程_模型训练与评估
4. 评分映射
5. 逻辑回归评分卡
6. lightGBM特征筛选
7. 输出模型报告
8. 评分映射
9. 集成学习评分卡_xgboost
10. 集成学习评分卡_lightGBM
11. 集成学习评分卡模型创建
12. 建模流程梳理

8月7日

数据分析实战项目金融风控

1. 不均衡学习介绍和代价敏感
2. 不均衡学习_SMOTE算法
3. 反欺诈与异常检测简介
4. 异常点检测_LOF
5. 异常点检测_IForest
6. 异常点检测_冷启动和PreA
7. 数据分析课程设计与教学

七、项目运行效果图

请选择您要参加的培训模式