大数据分析与可视化技术应用实战培训班
|
培训地点
|
珠海
|
上海
|
烟台
|
郑州
|
贵阳
|
|
培训时间
|
3月
29-4.1
|
5月
24-27
|
7月
26-29
|
9月
20-23
|
11月
15-18
|
一、 培训重点
1. 数据分析基础及实战
2. 数据挖掘理论及核心技术
3. 数据挖掘算法原理及实现
4. 数据挖掘建模实战
5. Python应用实战（一）
6. Python应用实战（二）
二、 培训特色
1.理论与实践相结合、案例分析与行业应用穿插进行；
2.专家精彩内容解析、学员专题讨论、分组研究；
3.通过全面知识理解、专题技能和实践结合的授课方式。
三、 日程安排
|
时间
|
知识模块
|
授课内容
|
|
第一天
上午
|
数据分析基础及实战
|
第一讲 Python基础
Ø 讲解Python背景、国内发展状况、基础语法、数据结构及绘图操作等内容。特别针对向量计算这块，着重介绍Python在这方面的优势及用法。
|
|
第二讲 统计分析基础
Ø 讲解统计分析基础，包括统计学基本概念，假设检验，置信区间等基础，并结合数据案例说明其使用场景和运用方法。介绍数据分析流程和常见分析思路，并结合案例进行讲解。
|
|
第三讲 Python数据处理基础
Ø 从数据接入、数据统计、数据转换等几个方面进行讲解。数据接入包含接入MySQL、Oracle、Hadoop等常见数据库操作；数据统计包含Pandas包的具体用法和讲解。
|
|
第一天
下午
|
数据挖掘理论及核心技术
|
第四讲 数据挖掘基础
Ø 讲解数据挖掘基本概念，细致讲解业务理解、数据理解、数据准备、建立模型、模型评估、模型部署各环节的工作内容及相关技术；结合业界经典场景，讲解数据挖掘的实施流程和方法体系。
|
|
第五讲 数据挖掘核心技术
Ø 细致讲解抽样、分区、样本平衡、特征选择、训练模型、评估模型等数据挖掘核心技术原理，并结合案例讲解其具体实现和用法。尤其针对样本平衡，重点讲解人工合成、代价敏感等算法；针对特征选择，重点讲解特征选择的核心思路，并结合Python进行案例演示。
|
|
第六讲 Python数据挖掘工具
Ø 讲解Orange数据挖掘工具的用法，包括各项功能的具体使用。
|
|
第二天
上午
|
数据挖掘算法原理及实现
|
第七讲 特征降维算法及Python实现
Ø 讲解主成分及因子分析原理，并结合案例进行Python实现。
|
|
第八讲 关联规则算法及Python实现
Ø 讲解Apriori关联规则算法原理，并结合案例进行Python实现。
|
|
第九讲 决策树算法及Python实现
Ø 讲解ID3、C4.5、C5.0以及CART决策树算法的实现原理，并结合案例进行Python实现。
|
|
第十讲 聚类算法及Python实现
Ø 讲解Kmeans、系统聚类算法原理，并结合Python进行案例讲解。
|
|
第二天
下午
|
数据挖掘建模实战
|
第十一讲 基于乳腺癌数据进行降维分析并建立分类模型
Ø 实战部分：基于乳腺癌数据进行降维处理，并尝试建立分类评估模型。旨在通过该模型，并潜在的乳腺癌患者进行识别。
|
|
第十二讲 基于在线零售数据建立关联规则模型
Ø 实战部分：基于在线零售数据，经过一定的处理，对该数据进行关联规则建模，旨在从此数据中挖掘出潜在的规则，对业务运营进行指导决策。
|
|
第十三讲 Lending Club信贷违约分析案例
Ø 实战部分：基于Lending Club信贷违约数据，尝试从多个不同的维度进行数据分析，旨在发现一些有价值的信息，同时基于该数据，经过一定的处理，建立信贷违约识别模型，旨在对信贷业务办理提供模型支持，降低违约风险。
|
|
第十四讲 航空公司客户分群案例
Ø 实战部分：基于航空公司的业务诉求，结合历史乘客数据，建立客户分群模型，旨在对客户进行差异化营销活动，提高客户粘性和价值转化。
|
|
第三天
上午
|
Python应用实战（一）
|
第十五讲 Python自然语言处理原理及案例
Ø 讲解自然语言处理基本概念和技法，包含分词、关键字提取、文摘提取、文本分类、主题模型、word2vec等内容。并使用Python进行案例讲解。
|
|
第十六讲 Python网络爬虫及案例
Ø 讲解爬虫实现的基本原理，并介绍requests、lxml、Beautiful Soup、grab、scrapy、pyspider 、cola等包和框架的使用，同时结合真实案例进行演示。
|
|
第十七讲 社交关系图分析及Python案例
Ø 讲解社交关系图分析的基本原理和使用场景，介绍networkx、igraph包的用法，此外，介绍neo4j数据库，并结合py2neo包进行讲解，通过具体的案例，讲解社交关系图的构建和具体实现过程。
|
|
第三天
下午
|
Python应用实战（二）
|
第十八讲 数据分析图表及Python案例
Ø 讲解常用的数据分析图表及其使用场景，同时结合matplotlib、pycha、pyecharts、ggplot、Bokeh、HoloViews、mpld3、plotly、pygal等包进行案例讲解。
|
|
第十九讲 使用Notebook编写数据分析报告
Ø 讲解使用Notebook编写数据分析报告的具体方法，并结合案例讲解其用法。
|
|
第二十讲 Dash可视化开发实战
Ø 介绍Dash的UI、Server、Reactivity、控件等内容，同时讲解一个用Dash实现数据分析功能（兼图表）的实际案例，搭建服务器，在企业内部实现轻量级数据分析应用。
|
|
第四天
|
学习考核与业内经验交流
|
四、 授课专家
游老师 计算机硕士，大数据分析、挖掘、可视化专家，高级培训讲师，曾服务于华为技术有限公司等多家企业，专注于机器学习、数据挖掘、大数据、知识图谱等领域的研究、设计与实现，在互联网、电信、电力、军工等行业具有丰富的工程实践经验，对空间分析、欺诈检测、广告反作弊、推荐系统、客户画像、客户营销建模、知识抽取、智能问答、可视化分析、预测分析、系统架构、大数据端到端解决方案等方面具有深刻理解，多次作为Python语言会议重要嘉宾出席会议并发表主题演讲，著有《R语言预测实战》等多本书籍。
黄老师 某集团上市公司数据分析部负责人，主要利用Python语言进行大数据的挖掘和可视化工作。从事数据挖掘建模工作已有10年，曾经从事过咨询、电商、金融、电购、电力、游戏等行业，了解不同领域的数据特点。有丰富的利用R语言进行数据挖掘实战经验，部分研究成果曾获得国家专利。
赵老师 计算机博士，目前主要研究方向包括电子推荐、智能决策和大数据分析等。主持国家自然科学基金2项、中国博士后科研基金、上海市浦江人才、IBM Shared University Research以及多项企业合作课题等项目。已在《管理科学学报》、《系统工程学报》、Knowledge and Information Systems ,Information Processing & Management，Information Systems Frontiers等国内外刊物和学术会议发表论文90多篇，其中被SCI、EI收录40多篇。出版著作和教材《智能化的流程管理》、《客户智能》、《商务智能（第四版）》、《商务智能 数据分析的管理视角（第三版）》、《数据挖掘实用案例集》等多部。
张老师 天津大学软件工程硕士，10多年的IT领域相关技术研究和项目开发工作，在长期软件领域工作过程中，对软件企业运作模式有深入研究，熟悉软件质量保障标准ISO9003和软件过程改进模型CMM/CMMI，在具体项目实施过程中总结经验，有深刻认识。通晓多种软件设计和开发工具。对软件开发整个流程非常熟悉，能根据项目特点定制具体软件过程，并进行项目管理和监控，有很强的软件项目组织管理能力。对C/C++ 、HTML 5、python、Hadoop、java、java EE、android、IOS、大数据、云计算有比较深入的理解和应用，具有较强的移动互联网应用需求分析和系统设计能力，熟悉Android框架、IOS框架等技术，了解各种设计模式，能在具体项目中灵活运用。
五、 培训费用
面授班培训费5800 元/人（含场地费、考试证书费、教材费、学习期间的午餐费） 食宿统一安排，费用自理。请学员带身份证复印件一张。
本课程由中国信息化培训中心颁发《大数据分析与可视化技术应用高级工程师》证书; 证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。
六、 报名回执【大数据分析与可视化技术应用实战】
|
单位名称
（开发票名称）
|
|
|
快递地址
|
|
邮编
|
|
|
联 系 人
|
|
职位
|
|
电话
|
|
|
Email
|
|
传真
|
|
|
学员姓名
|
身份证号
（做证书使用）
|
邮箱
|
联系电话
|
培训地点
|
是否住宿
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
汇 款
方 式
|
户 名：北京中培伟业管理咨询有限公司
开户行：北京农村商业银行卢沟桥支行
帐 号：0203 0101 0300 0033 172
|
学员签字
或盖章
|
|
户 名：北京高培伟业管理咨询有限公司
开户行：中国工商银行股份有限公司北京菜市口支行
帐 号：0200 0018 0920 0152 881
|
七、 联系方式
联系人：倪闯
QQ：1658122838
手机/微信：18701378400
Email ：nichuang@zpedu.com
网址： www.aqzpedu.com
二零一九年一月一日
[1] |
