我要預訂

咨詢電話：027-5111 9925 , 027-5111 9926手機：18971071887郵箱：Service@mingketang.com

課程簡介

隨著大數(shù)據(jù)時代的快速到來，以及大數(shù)據(jù)在生產(chǎn)生活中迅速應用，大數(shù)據(jù)領域如雨后春筍般的出現(xiàn)大量的新技術，如Hadoop、Spark等技術已經(jīng)成為大數(shù)據(jù)技術中最為重要的一部分，被越來越多的企業(yè)所使用。涵蓋了大數(shù)據(jù)領域的數(shù)據(jù)處理、統(tǒng)計分析、數(shù)據(jù)挖掘、機器學習、人工智能、大數(shù)據(jù)應用開發(fā)等各種不同類型的計算操作，應用范圍廣泛、前景非常廣闊。本課程是尹老師多年工作經(jīng)驗的總結(jié)和歸納，從實際業(yè)務案例為入口，使學員從理論層到實操層面系統(tǒng)的學習數(shù)據(jù)處理技術，使學員深入理解數(shù)據(jù)分析。通過本課程的學習，學員即可以正確的分析企業(yè)的數(shù)據(jù)，為管理者、決策層提供數(shù)據(jù)支撐。

本課程重點講解的數(shù)據(jù)分析和數(shù)據(jù)挖掘方法論、算法、思路、流程、工具，并通過對SPSS與SAS數(shù)據(jù)處理軟件實現(xiàn)，為企業(yè)的戰(zhàn)略發(fā)展提供參考。

培訓目標

1、介紹數(shù)據(jù)分析、數(shù)據(jù)挖掘方法論、算法、常用工具，在工作中如何應用數(shù)據(jù)分析；

2、介紹數(shù)據(jù)分析思路，學習提煉數(shù)據(jù)、分析數(shù)據(jù)和建立數(shù)據(jù)模型的方法和技巧；

3、讓學員掌握基礎統(tǒng)計分析知識，包括概率統(tǒng)計的概念、術語和基本統(tǒng)計的算法等；

4、使學員具備分析企業(yè)業(yè)務數(shù)據(jù)的能力，提高分析數(shù)據(jù)、發(fā)現(xiàn)問題的能力，提高工作效率；

5、使用SPSS實現(xiàn)數(shù)據(jù)挖掘與數(shù)據(jù)分析與建模；

6、使學員具備數(shù)據(jù)分析與建模為企業(yè)管理者制定戰(zhàn)略決策提供數(shù)據(jù)依據(jù)；

7、使學員深入理解數(shù)據(jù)分析與數(shù)據(jù)模型的概念、技術、思維模式；

8、使學員具備數(shù)據(jù)收集、數(shù)據(jù)挖掘、信息提取的能力；

9、使學員具備利用圖形輔助思考的能力；

10、使學員具備大數(shù)據(jù)技術梳理技能，如歷史數(shù)據(jù)+預測方法+標準工序。

培訓對象

1、即將投身于大數(shù)據(jù)、數(shù)據(jù)分析、數(shù)據(jù)挖掘領域的企業(yè)或者個人；

2、本課程適合于想通過數(shù)據(jù)化決策制定企業(yè)戰(zhàn)略的決策者；

3、適合于經(jīng)常需要匯報工作的管理者；

4、對數(shù)據(jù)可視化分析、數(shù)據(jù)可視化展現(xiàn)等感興趣的人士；

5、對數(shù)據(jù)分析、數(shù)據(jù)挖掘算法等感興趣的人士；

6、大型集團公司、大型網(wǎng)站、電商網(wǎng)站等數(shù)據(jù)挖掘、數(shù)據(jù)分析人員；

7、云計算、大數(shù)據(jù)從業(yè)者；

8、系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級程序員、資深開發(fā)人員；

9、牽涉到大數(shù)據(jù)的數(shù)據(jù)中心運維、規(guī)劃、設計負責人；

10、政府機關，金融保險、移動互聯(lián)網(wǎng)、能源行業(yè)等大數(shù)據(jù)相關人員；

11、高校、科研院所統(tǒng)計分析研究員，涉及到數(shù)據(jù)處理的人員；

培訓方式

以課堂講解、演示、案例分析為主，輔以互動研討、現(xiàn)場答疑、學以致用。

課程內(nèi)容：

第一天

第1個主題：數(shù)據(jù)分析與數(shù)據(jù)挖掘概述（深入剖析數(shù)據(jù)數(shù)據(jù)分析與數(shù)據(jù)挖掘的過程與方法，介紹數(shù)據(jù)建模中的機器學習與數(shù)據(jù)挖掘）（60分鐘）

1、數(shù)據(jù)分析與建模的概念

2、數(shù)據(jù)分析與建模過程

3、數(shù)據(jù)分析模型開發(fā)過程

4、數(shù)據(jù)建模概述

5、機器學習概念

6、機器學習算法剖析

7、算法庫分類

8、算法庫

9、深度學習

10、神經(jīng)網(wǎng)絡

11、人工智能

12、商業(yè)智能

第2個主題：數(shù)據(jù)挖掘和應用（介紹數(shù)據(jù)挖掘和應用）（60分鐘）

1、數(shù)據(jù)挖掘的基本任務

2、數(shù)據(jù)挖掘建模過程

a)定義挖掘目標

b)數(shù)據(jù)取樣

c)數(shù)據(jù)探索

d)數(shù)據(jù)預處理

e)挖掘建模

f)建立模型

g)業(yè)務理解

h)模型擬合

i)訓練集

j)測試集

k)模型評價

3、常用的數(shù)學預測模型

a)線性回歸

b)回歸（預測）與分類

c)決策樹與隨機森林

d)聚類分析（kmeans）

e)關聯(lián)規(guī)則

f)時序模式

g)離群點檢測

h)深度學習

i)人工智能

j)神經(jīng)網(wǎng)絡

4、案例：如何從數(shù)據(jù)中挖掘出有價值的信息

第3個主題：數(shù)據(jù)預處理（剖析數(shù)據(jù)預處理技術）（60分鐘）

1、數(shù)據(jù)分析挖掘的過程

2、建立數(shù)據(jù)庫的方法

3、企業(yè)對數(shù)據(jù)分析挖掘的錯誤認識

4、有效運用數(shù)據(jù)為客戶提供針對性、主動化服務（精準營銷）

5、數(shù)據(jù)源

6、數(shù)據(jù)采集

7、隨機抽樣

8、數(shù)據(jù)去重

9、數(shù)據(jù)缺失值處理

10、檢驗數(shù)據(jù)邏輯錯誤

11、離群點檢測

12、數(shù)據(jù)轉(zhuǎn)換

13、數(shù)據(jù)分組

14、課堂實操：數(shù)據(jù)預處理案例講解

第4個主題：數(shù)據(jù)的描述性分析（深入剖析數(shù)據(jù)的描述性分析）（60分鐘）

1、統(tǒng)計學基本概念

2、統(tǒng)計數(shù)據(jù)的計量尺度

3、常用基本統(tǒng)計量

4、集中趨勢的描述指標

5、離散趨勢的描述指標

6、中心極限定理

7、大數(shù)定律

8、數(shù)據(jù)的分布

9、正態(tài)分布的特征

10、偏度和峰度

11、檢測數(shù)據(jù)集的分布

12、數(shù)據(jù)的分布擬合檢驗與正態(tài)性檢驗

13、抽樣標準

14、假設檢驗

15、T檢驗

16、置信區(qū)間

第5個主題：數(shù)據(jù)的可視化（實踐數(shù)據(jù)可視化）（90分鐘）

1、散點圖

2、直方圖

3、經(jīng)驗分布函數(shù)

4、QQ圖

5、莖葉圖

6、離群點檢測

7、箱型圖檢驗離群值

8、蓋帽法

9、課堂實操：SPSS描述性統(tǒng)計分析實現(xiàn)航空業(yè)客戶描述和行為分析模型

第6個主題：主成分分析和因子分析（深入剖析主成分分析及因子分析）（30分鐘）

1、主成分分析

2、總體主成分

3、樣本主成分

4、主成分分析模型

5、案例：SPSS主成分分析模型實現(xiàn)

6、課堂實操：SPSS主成分分析模型實現(xiàn)

第7個主題：方差分析（深入剖析方差分析方法及SPSS實現(xiàn)）（30分鐘）

1、單因素方差分析

2、單因素方差分析模型

3、因素效應的顯著性檢驗

4、因素各水平均值的估計與比較

5、兩因素等重復試驗下的方差分析

6、統(tǒng)計模型

7、交互效應及因素效應的顯著性檢驗

8、無交互效應時各因素均值的估計與比較

9、有交互效應時因素各水平組合上的均值估計與比較

10、兩因素非重復試驗下的方差分析

11、金融案例：SPSS方差分析實現(xiàn)

12、課堂實操：SPSS方差分析實現(xiàn)

第8個主題：Bayes統(tǒng)計分析（深入剖析Bayes統(tǒng)計分析）（30分鐘）

1、Baves統(tǒng)計模型

2、Bayes統(tǒng)計分析的基本思想

3、Bayes統(tǒng)計模型

4、Bayes統(tǒng)計推斷原則

5、先驗分布的Bayes假設與不變先驗分布

6、共軛先驗分布

7、先驗分布中超參數(shù)的確定

8、Baves統(tǒng)計推斷

9、參數(shù)的Bayes點估計

10、Bayes區(qū)間估計

11、Bayes假設檢驗

12、案例：SPSS實現(xiàn)Bayes統(tǒng)計分析建模

13、課堂實操：SPSS實現(xiàn)Bayes統(tǒng)計分析建模

第二天

第9個主題：數(shù)學建模（深入剖析數(shù)學建模）（30分鐘）

1、數(shù)學建模

2、數(shù)學預測模型

3、模型評估

4、模型參數(shù)優(yōu)化

第10個主題：回歸分析與分類分析原理與應用（深入剖析數(shù)據(jù)的回歸分析與分類分析的原理以及應用）（120分鐘）

1、回歸與分類

2、回歸分析概念

3、線性回歸模型及其參數(shù)估計

4、一元線性回歸

5、一元線性回歸模型

6、一元線性回歸模型求解參數(shù)

7、損失函數(shù)

8、求偏導

9、回歸方程的顯著性檢驗

10、殘差分析

11、誤差項的正態(tài)性檢驗

12、殘差圖分析

13、統(tǒng)計推斷與預測

14、回歸模型的選取

15、窮舉法

16、逐步回歸法

17、嶺回歸分析

18、SPSS一元線性回歸

19、金融案例：SPSS一元線性回歸模型檢驗

20、多元線性回歸概述

21、多元線性回歸模型

22、金融案例：SPSS多元線性回歸實現(xiàn)航空業(yè)信用打分和評級模型

第11個主題：Logistic回歸分析（剖析Logistic回歸與其它回歸分析方法）（60分鐘）

1、Logistic回歸介紹

2、Logistic函數(shù)

3、Logistic回歸模型

4、案例：SPSS Logistic回歸實現(xiàn)

5、課堂實操：SPSS Logistic回歸實現(xiàn)航空業(yè)欺詐預測模型

6、課堂實操：SPSS Logistic回歸實現(xiàn)航空業(yè)風險分析模型

第12個主題：非線性回歸原理及應用（剖析非線性回歸原理及應用實踐）（60分鐘）

1、非線性回歸

2、雙曲線函數(shù)

3、冪函數(shù)

4、指數(shù)函數(shù)

5、對數(shù)函數(shù)

6、S型曲線

7、案例：SPSS非線性回歸實現(xiàn)

8、課堂實操：SPSS非線性回歸實現(xiàn)航空業(yè)經(jīng)營分析和績效分析模型

第13個主題：數(shù)據(jù)建模常用距離（深入剖析數(shù)據(jù)建模過程中常用的距離模型）（30分鐘）

1、數(shù)據(jù)挖掘常用距離

2、歐氏距離

3、曼哈頓距離

4、切比雪夫距離

5、閔可夫斯基距離

6、標準化歐氏距離

7、馬氏距離

8、夾角余弦

9、漢明距離

10、杰卡德距離 & 杰卡德相似系數(shù)

11、相關系數(shù) & 相關距離

12、信息熵

第14個主題：聚類分析與建模實現(xiàn)（深入剖析聚類分析以及通過SPSS聚類算法模型分析數(shù)據(jù)）（60分鐘）

1、聚類分析

2、聚類算法

3、樣品間相近性的度量

4、快速聚類法

5、快速聚類法的步驟

6、用Lm距離進行快速聚類

7、譜系聚類法

8、類間距離及其遞推公式

9、譜系聚類法的步驟

10、變量聚類

11、案例：SPSS聚類實現(xiàn)及繪圖

12、案例：Kmeans應用案例剖析

13、課堂實操：編寫程序?qū)崿F(xiàn)Kmeans應用案例剖析

第15個主題：決策樹分析與實現(xiàn)（深入剖析決策樹分析以及通過SPSS決策樹模型分析數(shù)據(jù)）（60分鐘）

1、決策樹分析

2、決策樹

3、決策樹構(gòu)成要素

4、決策樹算法原理

5、決策樹法的決策過程

6、決策樹算法

7、案例：SPSS實現(xiàn)決策樹分析

8、課堂實操：SPSS實現(xiàn)航空業(yè)客戶細分模型

9、隨機森林

第16個主題：關聯(lián)規(guī)則分析與實現(xiàn)（深入剖析關聯(lián)規(guī)則分析以及通過SPSS關聯(lián)規(guī)則算法模型分析數(shù)據(jù)）（60分鐘）

1、關聯(lián)規(guī)則

2、支持度與置信度

3、關聯(lián)規(guī)則挖掘的過程

4、Apriori算法

5、關聯(lián)規(guī)則案例

6、支持度與置信度計算

7、案例：SPSS實現(xiàn)關聯(lián)規(guī)則

8、課堂實操：SPSS實現(xiàn)航空業(yè)數(shù)據(jù)關聯(lián)規(guī)則分析

第17個主題：數(shù)據(jù)建模時序模式分析與實現(xiàn)（深入剖析時序模式分析）（60分鐘）

1、時序模式

2、時間序列分析

3、時間序列分析

4、時間序列

5、序列分析的三個階段

6、課堂實操：SPSS實現(xiàn)航空業(yè)客戶流失模型

第18個主題：數(shù)據(jù)分析工具SPSS/SAS在金融行業(yè)應用案例（深入剖析數(shù)據(jù)分析工具SPSS/SAS在金融行業(yè)應用案例）（60分鐘）

1、案例：風險分析模型

2、案例：信用打分和評級模型

3、案例：客戶細分模型

4、案例：客戶描述和行為分析模型

5、案例：欺詐預測模型

6、案例：客戶流失模型

7、案例：經(jīng)營分析和績效分析模型

8、案例：交叉銷售和增量銷售模型

9、案例：SPSS實現(xiàn)航空業(yè)客戶流失模型建模

10、課堂實操：SPSS實現(xiàn)金融行業(yè)客戶流失模型建模

第19個主題：大數(shù)據(jù)個性化精準推薦實戰(zhàn)（深入理解大數(shù)據(jù)個性化精準推薦原理和實現(xiàn)技術）（60分鐘）

1、個性化推薦的理論依據(jù)

2、個性化推薦的價值

3、個性化推薦能達到的目的

4、個性化推薦的原則

5、個性化推薦技術發(fā)展史

6、個性化推薦的相關技術

7、基于用戶的常用推薦算法

8、基于用戶的協(xié)同過濾推薦

9、課堂實操：SPSS實現(xiàn)航空業(yè)交叉銷售和增量銷售模型

尹老師

多年從事人工智能、深度學習、大數(shù)據(jù)、區(qū)塊鏈、云計算、物聯(lián)網(wǎng)研發(fā)工作經(jīng)驗，資深軟件架構(gòu)師，數(shù)學博士，北航移動云計算碩士，Cloudera大數(shù)據(jù)認證（圖1），項目管理師（PMP）認證（圖2），移動云計算專家，主要研究方向包括人工智能、深度學習、機器學習、數(shù)據(jù)挖掘、數(shù)據(jù)分析、大數(shù)據(jù)、云計算、移動開發(fā)、互聯(lián)網(wǎng)營銷、電子商務、項目管理等；曾就職于阿里等互聯(lián)網(wǎng)企業(yè)，IBM、華為等知名大型企業(yè)，現(xiàn)任某大型知名互聯(lián)網(wǎng)企業(yè)首席架構(gòu)，負責人工智能、深度學習、機器學習、數(shù)據(jù)挖掘、數(shù)據(jù)分析、大數(shù)據(jù)、區(qū)塊鏈、云計算、PaaS平臺研發(fā)工作。

IT從業(yè)近二十年，秉承理論與實踐相結(jié)合，在學習中實踐，在實踐中學習，積累了豐富的理論與實踐經(jīng)驗，并且樂于將自己的經(jīng)驗分享。尹老師具有敏銳的目光與頭腦，發(fā)現(xiàn)并集成整合社會資源，為企業(yè)節(jié)省資源并創(chuàng)造價值，達到為合作伙伴創(chuàng)收的目的。曾為多家國內(nèi)知名企業(yè)提供培訓與咨詢，包含阿里集團、華為、中國移動、中國電信、中國聯(lián)通、當當網(wǎng)、中石油、中石化、中國電網(wǎng)、中國銀行、中國工商銀行、浦發(fā)銀行、阿爾卡特朗訊、中航國際等。擁有人工智能、深度學習、機器學習、數(shù)據(jù)挖掘、數(shù)據(jù)分析、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、大流量、高并發(fā)、分布式的大型網(wǎng)站架構(gòu)和設計經(jīng)驗。曾主導過多個人工智能、深度學習、機器學習、數(shù)據(jù)挖掘、數(shù)據(jù)分析、區(qū)塊鏈、物聯(lián)網(wǎng)、私有云、公有云建設項目，早些年也主導過ERP、CMS等軟件項目，積累了豐富的實踐經(jīng)驗，這些項目中包含多個數(shù)百萬、上千萬的大型項目。項目經(jīng)歷：呼叫中心人工智能客服研發(fā)項目、貴州省政府云呼叫中心建設項目、廣東發(fā)展銀行電營、運維大數(shù)據(jù)分析項目、中石油工程設計西南分公司云計算項目評審委員、中石油大數(shù)據(jù)挖掘項目，電商庫存預測大數(shù)據(jù)分析項目、大型ERP、電子商務、CRM、電子政務等多個項目。

尹老師在工作中研究新技術、新框架、及時更新知識體系，并長期堅持編寫架構(gòu)核心代碼。在技術平臺方面，善于TensorFlow、Keras、Hadoop、Spark、Docker、Kubernetes、OpenStack、Storm等技術平臺的應用與運維。深入理解TensorFlow、Keras、Hadoop、HDFS、HBase、MapReduce、Zookeeper、Hive、Sqoop、BigTable 等人工智能、大數(shù)據(jù)技術和開源框架理論。對于云計算體系有深刻認識，及獨到的見解，如OpenStack的技術架構(gòu)、安裝部署、運維等。在移動云計算方面，善于設計與建設云計算體系；也善于移動云計算相關的咨詢與培訓。在項目管理方面，善于使用敏捷項目管理方法，把客戶的需求變更作為常態(tài)，作為軟件架構(gòu)設計的一部分，減少需求變更帶來的返工；善于捕捉、挖掘、分析客戶需求，為用戶提供滿意的產(chǎn)品。

講師經(jīng)驗

1、阿里巴巴集團云計算、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)咨詢師

2、百度云計算、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)咨詢師及講師

3、中國移動多省人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、云計算特聘講師

4、中國移動多省Docker特聘講師

5、中國移動研究院微特聘講師

6、中國聯(lián)通總部人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、云計算特聘講師

7、中國電信人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、云計算、虛擬化特約講師

8、中國人民銀行人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)特聘講師

9、中國工商銀行人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)講師

10、花旗銀行人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)講師

11、招商銀行人工智能、大數(shù)據(jù)調(diào)優(yōu)、區(qū)塊鏈、物聯(lián)網(wǎng)講師

12、中信銀行人工智能、分布式數(shù)據(jù)庫、區(qū)塊鏈、物聯(lián)網(wǎng)講師

13、中國航天三院人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)咨詢師

14、中國石油人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、云計算特聘講師

15、中國石化人工智能、大數(shù)據(jù)、云計算特聘講師

16、中國電力科學研究院流計算特聘講師

17、西安電信十所人工智能、大數(shù)據(jù)架構(gòu)設計、區(qū)塊鏈、物聯(lián)網(wǎng)講師

18、RedHat（中國）大數(shù)據(jù)咨詢師

19、中電28所人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)特聘講師

20、北京中電普華人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)特聘講師

21、中國石油東方地球物理公司大數(shù)據(jù)咨詢師

22、當當網(wǎng)人工智能、云計算、大數(shù)據(jù)咨詢師

23、北航人工智能、云計算、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)特聘企業(yè)講師

24、阿爾卡特-朗訊（Alcatel-Lucent）虛擬化與OpenStack培訓特約講師

25、中石油工程設計西南分公司云計算數(shù)據(jù)中心建設項目

26、廣東發(fā)展信用卡精準營銷項目

27、廣東發(fā)展銀行電營、運維大數(shù)據(jù)分析項目

28、電商庫存預測大數(shù)據(jù)分析項目

29、中航國際大綜貿(mào)易云計算規(guī)劃項目咨詢、培訓講師

30、北京民生軟件SaaS平臺研發(fā)咨詢師

31、北京立達資本項目管理信息系統(tǒng)解決方案咨詢師

32、曾任大型ERP、電子商務、CRM、電子政務等項目經(jīng)理

項目經(jīng)驗

1、云呼叫中心人工智能客服項目研發(fā)

2、云呼叫中心PaaS平臺首席架構(gòu)師

3、貴州省政府云呼叫中心建設項目

4、廣東發(fā)展信用卡智能精準營銷項目

5、廣東發(fā)展銀行電營、運維大數(shù)據(jù)分析、區(qū)塊鏈、物聯(lián)網(wǎng)項目

6、中石油工程設計西南分公司云計算項目評審委員、培訓講師

7、中石油人工智能、大數(shù)據(jù)挖掘、區(qū)塊鏈、物聯(lián)網(wǎng)項目，項目經(jīng)理

8、電商庫存預測大數(shù)據(jù)分析項目

9、智能物流、智能供應鏈管理項目

10、中航國際大綜貿(mào)易云計算規(guī)劃項目咨詢、培訓講師

11、北京民生軟件SaaS平臺研發(fā)咨詢師

12、北京立達資本項目管理信息系統(tǒng)解決方案咨詢師

13、曾任大型ERP、電子商務、CRM、電子政務等多個項目的項目經(jīng)理

我要預訂

咨詢電話：027-5111 9925 , 027-5111 9926手機：18971071887郵箱：Service@mingketang.com