第一单元

概率论与
数理统计基础

 数据分析方法概述：数据分析过程、数据分析的商业驱动
概率论基础：集合、概率、随机变量、概率密度、公理化
变换和期望：随机变量函数分布、矩、矩列唯一性
常见分布族：离散分布、连续分布、指数分布、中心极限定理、概率不等式
多维随机变量：联合分布与边缘分布、多层模型与混合分布、二维变化、协方差与相关系数
随机样本的性质：抽样、样本分布
数据简化原理：似然函数、辅助函数
参数估计：点估计、区间估计、矩估计、贝叶斯估计、EM 算法
假设检验：似然比检验、贝叶斯检验、最大功效检验、置信区间、P 值、损失函数
渐进评价：相合性、有效性、标准误差、稳健性、LTR 的渐进分布、近似极大似然区间
方差分析和回归分析：ANOVA 假设、简单线性回归与最小二乘
回归模型：变量有误差时的线性回归、Logistic 回归、稳健回归

第二单元

PYTHON
基础

基础知识：安装配置、基础语法等
数据可视化：数据可视化包介绍及图像绘制
数据整理和数据清洗：Numpy 数组基础；Pandas 对象基础

第三单元

机器学习算法

scikit-learn 入门：Scikit-Learn 库简介
KNN-最近邻分类算法：原理、实现、示例讲解
决策树算法：原理、实现、示例讲解
随机森林算法：原理、实现、示例讲解
K-Means 聚类算法：原理、实现、示例讲解
关联规则算法：原理、实现、示例讲解
线性回归：原理、实现、示例讲解
逻辑回归：原理、实现、示例讲解
SVM 支持向量机：原理、实现、示例讲解
朴素贝叶斯算法：原理、实现、示例讲解

第四单元

客户生命周期案例

结合客户生命周期案例，讲解精准营销、银行反欺诈、信用评分等内容。