16年经验数据科学老司机，带你避开数据分析的15个大坑 | 公开课

你是否对高大上的数据科学和机器学习心仪已久，但面对一堆技能点，不知道从何入手？

你是否早就想学习数据科学、机器学习，积累职业经验，但苦苦找不到合适的实战教程？

你是否已经开始一份数据分析或机器学习的工作，但迟迟不能用学校技能解决商业问题？

集智AI学园特邀深耕数据行业16年的数据科学家尹相志，开设免费直播课。带你避开数据分析路上的15个坑。

听课时间：4月25日（周三）19:30-21:30

微软金牌讲师：尹相志

1. 微软金牌讲师，在2006年-2017年连续获得微软最有价值专家称号（MVP）

2. 曾任华院数据首席数据科学家，数据决策技术长

3. 多年机器学习与 NLP 经验，领导多个领域的数据挖掘项目

直播内容：

1. 预测未来是人类的天性

2. 数据能为/不能为我们做什么?

3. 你应该知道的15种数据推断与决策的低级错误

4. 从大数据切换至深度学习应该注意的思维转变?

怎样获取听课权限：

1. 转发本文到朋友圈，并把截图发给集智小助手，报名听课

2. 小助手会拉你进入课程交流群，群内会公布听课地址

本次免费直播课程是《数据科学心法与机器学习实战》系列直播课的第一节。

新课上线

《数据科学心法与机器学习实战》

课程两大特色：

1.微软公司金牌讲师

尹相志老师是全球年度 IT 盛会“微软 Tech·Ed”在 2002，2004~2015年的讲师，还是台湾微软特约讲师，更在2006~2017连续12年获得微软最有价值专家（MVP）的殊荣。

2.十六年的工业界实战心法

早在2002年，尹相志就在台湾创办第一家专业大数据公司AsianMiner，为企业提供专业的商业分析顾问服务。领导和参与的数据决策、风险控制等项目多达三十多个，积累了真正来自工业界的数据科学实用心法。

尹相志老师参与的部分项目

主要内容：

如何将商业问题转化为可用数据解决的形式

如何对繁杂的数据做预处理

如何建模解决分类、预测、相似性问题，并检验模型有效性

利用数据检测客户留存

信用卡信用评级模型的建立

深度学习背景下的推荐算法和心法

学习方式：

• 2018年4月25日（周三）首次线上公开课。

• 从5月9日开始，每周三19:30-21:30线上直播，共8次，每次2小时。课后可回看直播录像。

• 每节课包含项目实践、作业点评和学习反馈，讲师和助教在课程微信群内答疑。

课程价格：

系列课程总价1499元

限时早鸟特惠价999元

组团学习更享优惠！组团详情请咨询集智小助手

课程大纲

第一课：数据无处不在（本次直播）

1、预测未来是人类的天性

2、数据能为/不能为我们作什么?

3、你该知道的15种数据推断与决策的低级错误

4、从大数据切换至深度学习该注意的思维转变?

第二课：数据科学的方法论(定义商业问题/定义分析数据)

1、CRISP-DM 6大步骤

2、如何将商业问题正确的转化为数据问题

3、什么是预测?

4、定义数据分析的时间窗

5、取数的基本原则

6、如何正确定义样本

7、还有哪些外部数据是能够帮助我的?

第三课： 数据科学的方法论(数据预处理)

1、传统的数据预处理原则

2、数据基础探索(Data Explore Analysis)

3、千万别误用的统计观念

4、数据可视化

5、概率分布、极端值与离群值

6、数据转换

7、数据清洗原则

8、数据降维与特征选取

9、深度学习中的数据预处理原则

第四课:分类问题(建模/评估模型)

1、分类问题:logistics regression, 随机森林算法, svm

2、分类问题案例：金融信用评级、精准营销

3、处理分类问题的关键

4、如何评估分类模型

5、欠拟合与过拟合

6、实作：运用python演练分类问题

第五课：推估问题(建模/评估模型)

1、推估问题:回归、神经网络、时间序列

2、推估问题案例：不动产价格预测、电力需求预测

3、如何处理与时间周期相关的数据

4、如何找出数值间的潜在关联

5、如何评估推估模型

6、实作：运用python演练推估问题

第六课：相似性问题(建模/评估模型)

1、相似性问题:聚类、最近邻居法

2、无监督学习与监督式学习

3、如何弭平人类感受与机器计算的相似性之间的落差

4、找寻相似与相异

5、处理聚类问题的关键步骤:降维

6、实作：运用python演练聚类问题

第七课：数据科学实践案例(建模/评估模型)降低客户流失

1、运营商如何用数据设定留住客户的天罗地网

2、从识别流失到找出能打动客户的理由

3、模型结果如何与营销结合

4、如何从庞大特征中找出关键特征

5、如何监控模型有效性

第八课：数据科学实践案例(建模/评估模型)金融信用评分卡

1、金融行业的信用评级模型

2、过去二十年来标准的评分卡是怎么做的

3、大数据与深度学习如何处理信用

4、新巴赛尔协议中的风险观点

5、如何将信用评分结果转换为征授信策略

6、如何评估模型以及提前预警模型失效

第九课：数据科学实践案例(建模/评估模型)推荐算法

1、产品内容推荐:购物车规则、协同式过滤、消费行为向量表征

2、推荐算法的前世今生

3、推荐算法实践案例:电商产品推荐

4、网络行为的追踪机制

5、我能透过网页收集那些数据

数据科学心法，扫码提前拿下

---

集智QQ群｜292641157
商务合作｜[e-mail]
投稿转载｜[e-mail]

◆ ◆ ◆

搜索公众号：集智俱乐部

加入“没有围墙的研究所”

让苹果砸得更猛烈些吧！