课程介绍
数据和算法在支持企业精细化运营、生产制造、营销、用户体验、供应链、物流等场景得到广泛的应用。
本课程将为学员梳理数据算法在不同领域的实际案例，帮助学员掌握常用的数据模型原理和应用方法。
对高价值用户筛选、反作弊、供需预估和物流配送、成本优化等方向的案例进行现场解析。
对于计划转行数据算法方向的学员，提供理论和实践的综合课程。
课程收益
帮助非数据算法专业的团队leader快速理解数据算法的应用场景与脉络。
为计划转行数据算法的同学提供实际项目建模经验和解析。
了解常用的数据分析模型和经典算法原理与应用落地的流程。
学习如何构造营销用户、流失用户、高价值用户的筛选模型。
学习如何利用规则和模型构建 反作弊、异常值监控系统。
了解如何构建需求预估模型。针对周、天、小时等粒度的未来需求进行预测。
了解如何利用运筹优化算法支持相关项目落地。优化项目的建模思想与实际案例。
课程大纲
第一部分、数据分析探索与应用流程1.商业数据分析
数据挖掘Road Maps
R、python简单介绍
2.数据探索
数据预处理
构建新的变量
异常值处理
数据可视化
3.数据分析应用流程
第二部分、经典预测和分类方法1.回归分析
相关性
线性回归与拟合
最小二乘法的几何解释
线性回归中的变量选择
回归算法的评估与选择
2.KNN 分类器
确定相邻的样本数据
分类规则
参数K的选择
算法优缺点
案例分析：如何选择相似用户？
3.逻辑回归
逻辑回归模型
分类算法的评估
案例分析：用户借贷能力判定
4.决策树
迭代分割
纯度的计算
决策树的使用效果
如何避免过拟合
剪枝与终止条件
案例分析：如何利用决策树的提取出业务规则？
5.（补充）树模型应用——随机森林
案例分析：如何帮助业务方筛选出重要的业务变量？
第三部分、经典聚类算法1.聚类问题介绍
2.两条数据之间的距离
欧式距离
数值型数据处理与距离函数
类别型数据的距离计算
混合类型数据的距离计算
两个类别之间的距离
最大距离、最小聚类、中心距离
3.K-means
如何选择参数K
4.层次聚类
案例分析：如何选择相似用户？
第四部分、异常检测与反欺诈1.异常值检测
异常团体识别
案例分析：无监督反欺诈方案应用
业务思考：如何构建一个反欺诈系统？
第五部分、时间序列预测1.时间序列回归模型
预测变量筛选
回归预测
非线性回归
相关、因果和预测
2.时间序列分解
时间序列成分
移动平均
经典时间序列分解
STL分解法
趋势性、季节性判定
业务思考：如何对时间序列进行聚类？
分解法预测
时间序列类异常值检测
业务思考：如何评估促销活动效果？
3.ARIMA模型
平稳性和差分
延迟算子
自回归与移动平均
非季节性arima
参数估计与选择
季节性arima
4.高级预测方法
复杂的季节性
向量自回归
神经网络
5.实际预测问题
周数据、天粒度数据以及小时数据预测
预测组合
长序列与短序列预测
训练集与测试集
缺失值与异常值
案例分享：共享单车Daily天粒度需求预测
第六部分、决策优化1.开源决策优化工具介绍 google or-tools
运筹优化方法介绍
优化算法应用流程
2.案例分享(可选)
电商促销优惠券发放优化：给定用户补贴的预算，如何选择合适的补贴用户。
工厂布局优化:考虑如何减少物料搬运成本(运量和距离)。
仓库选址问题：如何选择服务点，满足服务能力和降低运输成本。
物流配送、车辆路径调度：配送问题综合建模与分析。
Eddie老师
同济工业工程背景，数据算法专家，
具有需求预测、收益管理、反作弊、物流配送路径优化系统等丰富的数据算法实战经验。
在外资企业中享有很高的知名度。 接受咨询或培训的单位包括上海大众汽车、长春西门子汽车电子、联合汽车电子、三维制药等等有限公司以及其他来自全国各地的合资企业。
