Python数据科学技术详解与商业实践 案例+书籍

课程目录
章节1: 第一讲: 数据科学家的武器库
课时1:数据科学的概念 09:02
课时2:以示例讲解数据建模和数学建模 07:08
课时3:数据科学的统计基础 15:08
课时4:面向应用的数据挖掘算法分类 11:33
课时5:各类算法的适用场景讲解 16:16
课时6:面向应用的分类模型评估 11:55
章节2: 第二讲:Python基础
课时7:Python介绍 08:12
课时8:Python基础数据类型和表达式 23:30
课时9:Python原生态数据结构(上) 13:18
课时10:Python原生态数据结构(下) 09:57
课时11:Python控制流 12:02
课时12:Python函数 07:53
课时13:Python模块的使用 05:34
章节3: 第三讲:信用卡客户特征分析-产品客户画像初步
课时14:描述性统计与探索型数据分析(上) 28:37
课时15:描述性统计与探索型数据分析(下) 25:48
课时16:描述性方法大全与Python绘图(上) 32:47
课时17:描述性方法大全与Python绘图(下) 16:29
课时18:统计制图原理 09:05
课时19:数据库基础 03:35
课时20:数据整合和数据清洗 32:13
课时21:数据整理 06:05
课时22:课后答疑 09:14
课时23:第三讲作业-信用卡客户画像 作业讲解1 14:26
课时24:第三讲作业-信用卡客户画像 作业讲解2 13:58
章节4: 第四讲:二手房价格分析报告
课时25:两变量关系检验方法综述 17:39
课时26:参数估计简介及概念介绍(上) 19:26
课时27:参数估计简介及概念介绍(下) 09:50
课时28:假设检验与单样本T检验(上) 19:13
课时29:假设检验与单样本T检验(下) 06:46
课时30:两样本T检验 21:13
课时31:方差分析 12:48
课时32:相关分析 08:27
课时33:相关知识点答疑 06:57
课时34:简单线性回归(上) 19:40
课时35:简单线性回归(下) 05:54
课时36:多元线性回归 16:10
课时37:课后作业与课程答疑 09:42
课时38:第四讲作业-二手房房价影响因素分析 讲解1背景介绍 02:02
课时39:作业讲解2描述性分析-1对被解释变量进行描述 12:33
课时40:作业讲解3描述性分析-2对解释变量进行描述1 10:48
课时41:作业讲解4描述性分析-3对解释变量进行描述2 09:17
课时42:作业讲解5建立预测模型-1单变量显著度检验 13:42
课时43:作业讲解6建立预测模型-2无交互项的线性模型 10:45
课时44:作业讲解7建立预测模型-3有交互项的线性模型和预测 08:24
章节5: 第五讲:汽车贷款信用评分卡制作
课时45:课程答疑1 02:03
课时46:线性回归检验(上) 29:22
课时47:线性回归检验(中) 26:31
课时48:线性回归检验(下) 31:31
课时49:逻辑回归基础(上) 23:23
课时50:逻辑回归基础(下) 43:29
课时51:课程答疑2 09:51
课时52:第五讲作业-电信客户流失预警 作业讲解1总体介绍 03:53
课时53:作业讲解2矩估计1 10:46
课时54:作业讲解3矩估计2 08:01
课时55:作业讲解4极大似然估计 12:22
课时56:作业讲解5线性回归的极大似然估计 12:45
课时57:作业讲解6逻辑回归的极大似然估计 08:39
课时58:作业讲解7模型调优 18:41
课时59:作业讲解8流失预警模型的调优 16:09
课时60:作业讲解9最近邻域法的参数调优 10:02
章节6: 第六讲:电信客户流失预警
课时61:课前答疑 02:46
课时62:决策树建模思路(上) 13:49
课时63:决策树建模思路(下) 28:20
课时64:决策树建模基本原理 04:47
课时65:Quinlan系列决策树建模原理-ID3 25:23
课时66:06Quinlan系列决策树建模原理-C4.5 06:39
课时67:CART决策树建模原理 02:28
课时68:模型修剪-以CART为例 04:54
课时69:案例讲解1 26:11
课时70:神经网络基本概念 06:39
课时71:人工神经网络结构 03:27
课时72:感知器 15:50
课时73:案例讲解2 12:24
课时74:BP神经网络 13:59
课时75:课后答疑 08:16
章节7: 第七讲:个人银行反欺诈模型
课时76:不平衡分类概述 34:03
课时77:欠采样 04:12
课时78:过采样 05:15
课时79:综合采样 04:14
课时80:案例讲解 16:55
课时81:集成学习概述 30:12
课时82:随机森林 25:54
课时83:Adaboost算法 18:19
课时84:提升树、GBDT和XGBoost 17:14
章节8: 第八讲:慈善机构精准营销案例
课时85:多元统计基础与变量约减的思路 12:21
课时86:主成分分析理论基础1 10:33
课时87:主成分分析理论基础2 17:37
课时88:主成分分析理论基础3 09:46
课时89:主成分分析案例1 15:28
课时90:主成分分析案例2 08:32
课时91:因子分析1 21:11
课时92:因子分析2 05:01
课时93:稀疏主成分分析 06:44
课时94:变量聚类原理 09:00
课时95:变量聚类操作 09:31
课时96:答疑1 08:09
课时97:案例2:精准营销的两阶段预测模型1 23:17
课时98:案例2:精准营销的两阶段预测模型2 29:01
课时99:案例2:精准营销的两阶段预测模型3 22:57
课时100:案例2:精准营销的两阶段预测模型4 28:31
课时101:答疑2 05:45
章节9: 第九讲:银行客户渠道使用偏好的客户洞察
课时102:凸优化基本概念 16:37
课时103:凸集的概念 05:04
课时104:凸函数 08:38
课时105:无约束凸优化计算 10:48
课时106:有约束凸优化计算 21:28
课时107:朴素贝叶斯分类器 16:11
课时108:支持向量机引论 08:34
课时109:线性可分的支持向量机 19:44
课时110:线性不可分的支持向量机 07:39
课时111:支持向量机使用案例 06:20
课时112:GBDT和分类模型评估(算法角度) 18:35
课时113:GBDT和分类模型评估(算法角度) 16:23
课时114:GBDT和分类模型评估(算法角度) 20:05
课时115:GBDT和分类模型评估(算法角度) 14:38
课时116:客户画像与标签体系 17:14
课时117:客户细分 16:55
课时118:聚类的基本逻辑 06:16
课时119:系统聚类(上) 23:34
课时120:系统聚类(下) 21:59
课时121:K-means聚类 27:57
课时122:使用决策树做聚类后客户分析 11:12
课时123:课后答疑 09:38
章节10: 第十讲:推荐系统设计与银行产品推荐
课时124:智能推荐(上) 19:16
课时125:智能推荐(下) 36:47
课时126:购物篮分析与运用 12:09
课时127:关联规则(上) 19:18
课时128:关联规则(中) 23:33
课时129:关联规则(下) 08:15
课时130:序贯模型 10:10
课时131:相关性在推荐中的运用 12:43
课时132:答疑 23:50

资源下载
下载价格10.0 猫币
购买须知:
1、未登录的情况下也可以购买,但是链接有效期有限,请及时保存下载链接
2、购买前请仔细查看本网站章节目录,看一下是否符合自己的需求,有些课程有小部分缺失是正常现象
3、如果实际下载与本网站章节目录严重不符,评论告诉我们
有问题联系qq:2946116934

评论0

请先