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
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）
曾任华院数据首席数据科学家，数据决策技术长
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：
预测未来是人类的天性
数据能为/不能为我们做什么?
你应该知道的15种数据推断与决策的低级错误
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：
转发本文到朋友圈，并把截图发给集智小助手，报名听课
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｜zhangqian@swarma.org
投稿转载｜wangting@swarma.org
◆ ◆ ◆
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！