咨询热线：4000-51-9191
人工智能时代，如何用机器来提高生产力?在这里，你可以学到前沿且实用的技术，挖掘数据的魅力。
教你用可落地、易操作的数据科学思维和技术模板构建出优秀模型。
聚焦策略分析技术及企业常用的分类、NLP、深度学习、特征工程等数据算法，只教实用干货，以专精技术能力提升业务效果与效率。
课程中安排了Sklearn/LightGBM、Tensorflow /Transformer等工具的应用实现，并根据输出的结果分析业务需求，为进行合理、有效的策略优化提供数据支撑。
课程涉及大量企业项目案例:精准营销预测、营销策略优化、客户行为分析、风险管理、客户管理、智能推荐、情感分析、反欺诈等，加持实战经验，为进名企做项目背书。
我是数据挖掘岗位，主要是做算法模型优化，调包调参，在技术岗位很多年，看不到更多的职业上升路径，缺乏对应的业务知识，也缺乏决策经验，不知道如何产生业务价值。
我是数据产品经理，日常工作中结合数据提出营销决策，协助开发数据推荐产品，需要花大量时间跟技术、算法部门讨论实施。沟通成本高，项目推进慢，常常被吐槽提出的想法无法落地。
我是JAVA工程师，面临诸多瓶颈，薪资上升的瓶颈，职位上升的瓶颈，年龄的瓶颈，技术更新学习能力的瓶颈，都说开发转行算法岗难度最低，但是如何快速了解，怎么规划学习路线，能否接触工程级的实战项
我是数据科学与大数据技术专业学生，学习了很多专业理论方面的知识，即将毕业了，离找工作仅有一年的时间，没有做过实战的项目，感到很难在1年后的校招达到数据挖掘方面的招聘要求。面临毕业即失业的压力。
课程培养学员硬性的数据挖掘理论与Python数据挖掘算法技能的同时，还兼顾培养学员软性数据治理思维、商业策略优化思维、挖掘经营思维、算法思维、预测分析思维，全方位提升学员的数据洞察力。
适应不断变化的业务需求，持续跟进客户反馈，改进企业与客户交流，为企业提供数据支持，审查重要信息及解决商业问题;引导项目在数字化转型中的发展方向;尽早获得可测投资回报，提高项目的可见性和影响力;
采用递增式交付，简单来说就是储备好有泛用性的资源，根据客户的需求快速组合与迭代，快速交付，把成熟的分析框架模板快速组合与迭代。
不要错把算法、算力和工具的堆砌作为目的，而是以帮助数据服务的用户解决问题为出发点，并获得反馈和改进，快速迭代。
课程以项目调动学员数据挖掘实用能力的场景式教学为主，在讲师设计的业务场景下由讲师不断提出业务问题，再由学员循序渐进思考并操作解决问题的过程中，帮助学员掌握真正过硬的解决业务问题的数据挖掘能力。这种教学方式能够引发学员的独立思考及主观能动性，学员掌握的技能知识可以快速转化为自身能够灵活应用的技能，在面对不同场景时能够自由发挥。
课程内容兼顾培养解决数据挖掘流程问题的横向能力以及解决数据挖掘算法问题的纵向能力。
要求学生具备从数据治理根源出发的思维，通过数字化工作方法来探查业务问题，通过近因分析、宏观根因分析等手段，再选择业务流程优化工具还是算法工具，而非“遇到问题调算法包”。真正理解商业思维，项目思维，能够遇到问题解决问题。
要求学生在使用算法解决微观根因分析、预测分析的问题上，根据业务场景来综合判断，洞察数据规律，使用正确的数据清洗与特征工程方法，综合使用统计分析方法、统计模型、运筹学、机器学习、文本挖掘算法，而非单一的机器学习算法。真正给企业提出可行性的价值方案和价值业务结果。
引入敏捷的业务与研发方法︰储备好有泛用性的资源与方法，根据客户的需求快速组合与迭代，快速交付。这也是现在企业的数据挖掘工作的思路:把成熟的分析框架模板快速组合与迭代。
如何识别出最有可能成交的/价格敏感/高风险的客户识别出来?。无论是拓展业务还是风险管理，用户识别永远是最行之有效的方法之一。
在这个精准营销的时代，对客户要“因材施教”。一套成熟的用户画像的方法，可以准确描绘企业的客户群体。
一套“组合拳”通过产品组合实现客户价值最大化，是每个企业必备的经营方案。课程中引入某电信公司的案例，通过推荐系统发掘产品之间的联系,设计捆绑销售的产品。
把客户群根据价值区分出来?在用户画像的基础上，进一步将细分，针对每种类型分别研发产品，制定方案。
用户评论是重要的研发参考，网评是很重要的企业风评。使用人工逐条筛查网络舆情显然不现实，如何通过算法实现用户情感分析?课程中引入某生物企业的真实案例和某电商企业的真实案例，通过算法来分辨发言者的情绪。
在这个大数据的时代，如何采集并接入海量数据?如何存储并处理海量数据?如何让数据对企业有更多的价值?课程中特别引入数据工程专题，为学生在这个大数据时代保驾护航。
可解决的现实问题
面对海量客户，如何区分不同的客户群？从而帮助业务部门制定不同的营销策略
可掌握的核心竞争力
可掌握的核心竞争力： 用Python做数据分析，最常用的库Numpy和Pandas； 企业常用的数据库语言SQL； 使用Python连接数据库，搭建指标体系和标签体系的实现方法；
立即咨询课程详情可解决的现实问题
面对海量的非结构化数据，如何有效地处理并管理数据？
可掌握的核心竞争力
可掌握的核心竞争力： 大数据平台技术基础； 自然语言处理基础； 数据的接入与处理技术； 数据模型与数据仓库； 统计基础；
立即咨询课程详情可解决的现实问题
如何识别高价值客户，并进一步分析高价值客户的显著特征？
可掌握的核心竞争力
可掌握的核心竞争力：企业中应用最广泛的分类算法：XGBoost（决策树）； 企业中应用最广泛的识别算法：回归模型； 特征和数据的高级处理方法：降维与聚类；
立即咨询课程详情可解决的现实问题
如何识别异常客户；如何推荐商品的组合；如何预测明天的收益；
可掌握的核心竞争力
可掌握的核心竞争力：企业实践中异常识别的前沿方法：孤立森林； 企业中应用最广泛的推荐系统； 历久弥新的时间序列算法：ARIMA； 用数字化思维指导企业业务：数字化工作方法；
立即咨询课程详情涵盖行业中的各个场景，运用自动机器学习技术、类别不平衡处理技术、半监督式学习技术、特征工程技术、深度学习技术、图像处理技术、深度学习及迁移学习技术等前沿挖掘模型,处理风控、信贷、客户流失、情感分析、人脸侦测等广泛的行业应用.
以自动机器学习技术开发银行业信用风险评分模型并进行最佳模型调参案例本项目将介绍如何将机器学习中的数据预处理、特征选择、算法选择、模型优化等步骤，将其放在一个“黑箱”里，通过黑箱，我们只需要输入数据，就可以得到我们想要的模型预测结果。学习并掌握自动机器学习的模型建构方法，并以银行业信用风险评分为例,进行信用风险评分模型的自动化。
利用数据挖掘算法和数据挖掘标准流程,对某银行个人客户基本信息和之前营销信息进行数据挖掘,得出基金定投产品的客户响应率模型，进而找到能精准营销的客户，提升营销成功率，缩减运营成本，为下阶段营销工作提供指导性意义。
某航空公司需要以客户为中心，按照客户的需求,在对客户的特点了解上使用不同的营销手段，目的是争取更多新客户，降低客户流失率，降低服务成本，提高业务收入，增加ARPU值(average revenueper user每个用户的平均收益,一般以月为单位)，进行精准的市场营销策略制定。本项目的目标客户是公众客户(客户分为公众客户、商业客广即公司、大客户)，因而只对公众客户进行分群。
某德国灭虫药品牌电商提供数据，希望找出产品销量下滑的原因，汇总该店及市场上竞品数据后，对所有数据进行分析挖掘。通过综合运用聚类分析、推荐系统算法等，对市场进行宏微观分析，对客户评论进行情感分析、对商品进行竞品分析，对店铺进行流量分析，为市场营销、产品研发以及精准营销提供建设性报告与模型结果输出。
本项目将介绍多个特征工程的技术，从原始数据中，构建、提取、并选择好的特征，并建置一个文本情感分析预测模型。学习并掌握多个特征工程的技术，并以文本情感分析预测为例,进行情感分析预测模型的开发。
本项目将通过利用信用卡的历史交易数据，进行机器学习，构建信用卡反欺诈预测模型,提前发现客户信用卡被盗刷的事件。学习并掌握常见信用卡盗刷的种类及信用卡盗刷的侦测的方法。学习信用卡盗刷的业务逻辑，发现关键业务结点，并掌握深度学习的建模能力。
课程讲师均为国内数据挖掘领域、人工智能领域、咨询领域一线专家，具备深厚的学术背景与行业经验。同时这些老师均为CDA专家团长期讲师，授课能力得到长期实践与验证。
北京大学博士，曾担任毕马威咨询大数据部总监,ThoughtWorks首席数据科学家。
经管之家首席数据科学家。曾就职于某世界500强金融公司从事金融产品设计和大数据分析等工作，
南京上度咨询数据分析总监lBM SPSS-China/SAS-Taiwan 顾问
北京邮电大学副教授，2015年-2017年在北京大学做博士后研究，获得北京大学博雅博士后和北京大学优秀博士后。
Glasgow大学计量经济学研究生毕业,曾就职中国社科院、中国银行，长期从事算法研发工作。
课程大纲依据 CDA 的 「EDIT数字化人才模型」设计研发。CDA是数据人才认证标准，在国内由中成协大数据专业委员会监管并是经国标委发布认定的数据分析师人才标准
专业数据科学教育15年
毕马威大数据总监/985高校教授/北大博士后/专职数据科学讲师
专家现场面授/现场直播，现场指导操作
10年以上数据挖掘行业经验
5年以上数据挖掘授课经验
融合工具、业务理论、项目模版、案例实操
遵循国标委、中成协认可的CDA等级认证考试
LEVEL I、LEVEL II、LEVEL III培养体系设计
统计分析、统计模型、机器学习、文本挖掘、运筹学、策略优化方法
电商、金融、医疗、新制造业、互联网科技等
仿真项目需求环境，项目引导式教学，专家现场指导点评
优化迭代5年以上，紧跟行业需求
现场专业师资、教辅团队、职业规划团队助力快速技能掌握、快速就业
由IT等其他培训机构临时开设课程
本科IT程序员为主
视频自学，有惑难解
"以软件开发经验为主，与数据科学相关性不大
无授课经验或IT开发授课经验为主"
工具实操和课本算法堆砌
课程无体系东拼西凑
单一机器学习课程为主
互联网企业为主
视频自学与视频直播为主
课程迭代频率较少
视频自学一年
我是专门从事数据挖掘的技术人员，我一般在数据部、风险管理部等中后台部门从事算法模型工作。
我熟悉各类数据挖掘算法。可以进行深层次的客户识别、画像，以满足营销和风险控制方面的需要。
我是负责客户运营、产品营销、渠道管理和风险管理等业务领域策略分析人员，从事业务策略分析及优化等工作。我通过梳理业务流程,结合用户画像，使用统计分析工具开展根因分析，诊断业务运营中存在的问，制定应对策略。通过统计分析模型，洞察客户需求，完善产品设计，同时不断改进模型，帮助企业更好地制定策略。
学员综合素质测评
定制专属职业路径
规划发放预习视频
课前预习督导
学情回访督学
班组长会议
关怀学员会议
班级会议
建立学员成长日记意见收集反馈
1v1答疑
阶段测试
共性问题串讲
面试中技术支持
CDA数据人脉圈
猎头内推服务
免费CDA活动
免费资料
项目众包
简历优化
面试教练
职业咨询
面试邀约
市场趋势分析
简历指导
数据分析业务流
面试技巧
