客户分群课程
精准营销课程
客户流失课程
价格预测课程
购物篮分析推
深度学习课程

01-客户分群课程

课程目标
1.了解客户分群的商业意义;
2.熟悉客户分群的方法;
3.熟练掌握RFM、聚类算法客户分群的方法与技巧
4.熟悉客户分群结果的应用
课程人群
大数据分析、计算机、商科、营销、金融、服务业等专业
二年级及以上
课程人群
CRISP-DM、RFM、K-MEANS、层次聚类
课时数目
7课时
序号 课程模块 课程内容
01 数据挖掘方法论 介绍CRISP-DM数据挖掘方法论流程
02 商业理解 介绍案例的背景以及目标、精准营销概念和意义、营销手段以及分析流程
03 数据理解及准备 了解数据字段的含义以及业务逻辑、数据探索和数据预处理
04 RFM价值模型 介绍RFM概念以及算法、算法过程以及商业用途,基于实战数据展示RFM客户价值分群结果
05 聚类分析 介绍聚类分析的概念以及算法,列如K-MEANS和层次聚类、通过特征工程构建会员指标体系
06 特征刻画 探索客户加油行为,基于客户分群指标体系展示K-MEANS客户分群结果,刻画群体特征
07 作业 基于淘宝卖家会员交易数据,完成课程教学内容的实践
客户分群课程
精准营销课程
客户流失课程
价格预测课程
购物篮分析推
深度学习课程

02-精准营销课程

课程目标
1.了解精准营销的商业意义
2.熟悉精准营销的分析流程
3.熟悉掌握特征重要性评估的方法与技巧
4.熟练掌握基于分类算法构建营销响应率预测模型
5.熟悉精准营销模型预测结果的应用
课程人群
大数据分析、计算机、商科、营销、金融、服务业等专业
二年级以上
所获技能
过滤法、封装法、集成法、决策法、朴素贝叶斯、
神经网络、混淆矩阵、ROC曲线
课程目标
4课时
序号 课程模块 课程内容
01 商业理解 介绍案例的背景以及目标,精准营销概念和意义,营销手段以及分析流程
02 数据理解及准备 了解数据字段的含义,对数据进行简单的探索分析
03 特征重要性分析 了解特征重要性评估的常见方法过滤法(FILTER)、封装法(WRAPPER)和集成法
04 模型构建和评估 介绍分类分析的概念以及算法,列如决策树、朴素贝叶斯和神经网络,模型过拟合及对策,模型评估的方法,列如混洗距阵和ROC曲线等,基于实战数据构建精准营销响应率预测模型
05 模型应用 将预测模型应用于新数据,预测客户响应率,精准筛选目标客户
06 作业 基于葡萄牙一家银行机构想要通过电话营销订阅定期存款活动的数据,完成课程教学内容的实践
客户分群课程
精准营销课程
客户流失课程
价格预测课程
购物篮分析推
深度学习课程

03-客户流失课程

课程目标
1.了解客户流失的商业意义;
2.熟悉客户流失如何定义以及数据时间窗口的处理;
3.熟悉掌握基于分类算法构建客户流失预测模型;
4.熟悉客户流失模型预测结果的应用。
课程人群
大数据分析、计算机、商科、营销、金融、服务业等专业
二年级及以上
所获技能
过滤法、封装法、集成法、决策树、朴素贝叶斯、
神经网络、混淆矩阵、ROC曲线
课程数目
4课时
序号 课程模块 课程内容
01 商业理解 介绍案例的背景以及目标,精准营销概念和意义、营销手段以及分析流程
02 数据理解及准备 了解数据字段的含义,派生新变量,列如比例相对指标、汇总类指标、波动类指标、趋势类指标等,并对数据进行简单探索
03 特征重要性分析 了解特征重要性评估的常见方法过滤(FILTER)、封装法(WRAPPER)和集成法
04 模型构建和评估 介绍样本均衡性处理的方法,基于实战数据构建客户流失预测模型
05 模型应用 将预测模型应用于新数据,预测客户流失概率,筛选需要进行挽留的客户名单
06 作业 基于一家商业银行客户流失数据,完成课程教学内容的实践
客户分群课程
精准营销课程
客户流失课程
价格预测课程
购物篮分析推
深度学习课程

04-价格预算课程

课程目标
1.了解价格预测和商业意义
2.熟悉价格预测的方法
3.熟练掌握基于线性回归和ARIMA方法的价格预测模型
4.熟悉价格预测结果的应用
课程人群
计算机、数学、统计、大数据分析、金融等专业二年级及以上
所获技能
相关系数、线性回归、RMSE、R-SQUARE、
ARIMA、指数平滑
课程目标
8课时
序号 课程模块 课程内容
01 房价预测-商业理解 介绍案例的背景、目标和试用场景
02 价格预测-数据理解及准备 了解数据字段的含义,缺失数据处理,变量相关性分析
03 房价预测-模型构建和评估 了解线性回归、神经网络等模型构建方法以及RMSE和R-SQUARE等模型评估指标,基于实战数据构建房价预测模型
04 股价预测-商业理解 介绍案例的背景、目标和使用场景
05 股价预测-数据理解及准备 了解数据字段的含义,时间序列的概念,平稳性和随机性检验
06 股价预测-模型构建和评估 了解ARIMA、指数平滑等模型构建方法以及模型评估方法,基于实战数据构建股价预测模型
07 作业 基于汽车价格和股票价格数据,完成课程教学内容的实践
客户分群课程
精准营销课程
客户流失课程
价格预测课程
购物篮分析推
深度学习课程

05-购物篮分析推算

课程目标
1.了解关联分析和推荐系统的商业意义和应用场景;
2.熟悉关联分析的算法;
3.熟悉推荐系统算法。
课程人群
计算机、数学、统计、大数据分析、营销、服务业、商科、
金融等专业二年级及以上
所获技能
APRIORI、FP-GROWTH、协同过滤推荐、
支持度、置信度、提升度
课程目标
4课时
序号 课程模块 课程内容
01 购物篮分析-商业理解 介绍案例的背景、目标和使用场景
02 购物篮分析-关联分析 了解APRIOR和FP-GROWTH算法以及支持度、置信度和提升度
03 购物篮分析-超市购物篮分析实例 基于超市顾客商品购买明细数据进行关联分析,根据分析结果,给超市运营者提供建议
04 推荐系统-商业理解 介绍案例的背景和目标,了解推荐系统的应用领域、原理和类别
05 推荐系统-推荐系统算法 了解基于用户的协同过滤推荐算法和基于商品的协同过滤推荐算法
06 推荐系统-协同过滤推荐实例 基于实战数据构建协同过滤推荐
07 作业 基于超市购买数据,完成课程教学内容的实践
客户分群课程
精准营销课程
客户流失课程
价格预测课程
购物篮分析推
深度学习课程

06-深度学习课程

课程目标
1.了解深度学习;
2.熟悉神经网络优化过程
3.熟悉卷积申请网络;
4.熟悉掌握基于卷积神经网络实现图像识别。
课程人群
计算机、数学、统计、大数据分析等专业二年级及以上
课程目标
前向传播、反向传播、损失函数、SOFTMAX、
学习率、正则率、卷积神经网络
课程目标
8课时
序号 课程模块 课程内容
01 深度学习简介 介绍什么是深度学习,与机器学习和人工智能的关系,与机器学习的异同点以及深度学习的应用场景
02 神经网络介绍 介绍神经网络的组成单元,前向传播算法以及激活函数去线性化
04 神经网络优化 介绍神经网络的训练流程,优化神经网络使用的算法:梯度下降算法和反向传播算法,训练神经网络的常见问题(列如过学习率拟合)和对应的解决方案
04 图像识别和经典数据集 什么是图像识别的问题,有哪些图像识别领域的经典数据集
05 卷积神经网络 介绍数据在卷积网络结构里的计算方式及卷积结构在图像处理问题上的优势
06 经典神经网络模型 介绍一些比较经典的卷积神经网络结构,这些网络结构在图像识别的一些比赛上都获得了非常优异的成绩
07 作业 基于MNIST数据,构建LENET-5神经网络结构,实现图像识别的课程实践
© Copyright
上海久湛信息科技有限公司
沪ICP备13028217号-1
上海久湛信息科技有限公司
地址:上海市宝山区长逸路15号A1007室
邮编:200030
Tel:+86-21-6468 5535
Fax:+86-21-6468 5366
商务合作 MARKETING
E-mail:markting@inforstack.com
技术支持 SUPPORT
E- mail:support@inforstack.com
销售咨询 SALES
E-mail:sales@inforstack.com
愿景
中国最有影响力的大数据BI平台供应商
使命
以先进的大数据技术赋能客户高质量发展
价值观
创新 / 开放 / 专业 / 诚信