课程简介
强强联合打造稀缺机器学习应用课程。

本课程将世界客户关系管理方面的领导者美库尔公司 （Merkle Inc）在专业管理咨询方面的几十年的经验积累与数据分析研究院的教学理念与方法相结合，归纳了在商业智能系统设计、客户画像、精准营销、生命周期价值管理等主题的课程。

本课程以案例为主线，结合开源Python工具，全面讲解了客户生命周期管理中涉及的主要机器学习算法，而且注重业务与算法的深入结合，在轻松的氛围内体会算法的奇妙之处。

学习目标

• 学会构建机器学习算法进行分类、预测和聚类模型
• 使用Python进行数据分析整体思路、针对业务做出模型最优化选择
• 善用机器学习解决用户画像、精准营销、风险管理等商业问题
• 使用机器学习实操电商、电信、医药行业真实项目案例
  

学习对象和基础

• 有一定Python数据分析编程基础，想从事机器学习算法应用类工作
• 已工作1-3年，个人发展遭遇瓶颈，希望进阶的的数据分析师
• 负责开发业务理解与特征工程的业务数据工程师、算法工程师
• 负责应用机器学习算法解决商业分析问题的数据项目经理、数据产品经理
• 有数理统计基础最佳
  

工作职责

• 结合业务场景，定义数据挖掘问题，规划、设计基于数据挖掘的解决方案；
• 基于大数据产品完成数据加工、特征工程、模型开发等流程；
• 负责数据挖掘项目的需求调研、数据分析及建模等工作。
  

任职资格

• 本科及以上学历，计算机及相关理工科专业；
• 2年以上互联网数据挖掘工作经验，熟悉金融营销、反欺诈业务优先；
• 熟悉机器学习算法，如Decision Tree、LR、RF、GBDT、XGBoost等，熟悉Tensorflow、Pytorch等深度学习框架优先；
• 熟练掌握Python、Spark等语言进行建模；
• 良好的团队精神和合作意识，强烈的责任心，对工作有激情。
  

课程内容

• 样本聚类的逻辑
• 样本聚类P2
• 使用profile-telecom实作K-means
• 密度聚类方法
• 维度分析
• 人工特征工程
• 关联规则P1
• FP-growth算法
• 序贯模式挖掘
• 推荐模型
• FunkSVD矩阵分解-ALS
• 神经网络P1
• 神经网络P2
• BP神经网络
• BP网络完成手写数字识别
• 神经网络-葡萄酒分类
• KNN算法
• 决策树算法P1
• 决策树算法P2
• 集成学习P1
• 集成学习P2
• 主成分与降维分析
• 支持向量机算法
• SVM-人脸识别案例
• Tensorflow基本概念
• 神经网络优化方法
• 卷积神经网络
• 卷积神经网络应用MNIST数据集
• 深度学习案例-图像识别
• LSTM文本分类
• CNN在自然语言处理中的应用
  

进入课程：《Python机器学习工程师》

DA内容精选