【培訓對象】
1、即將投身于大數據、數據分析、數據挖掘領域的企業或者個人； 2、本課程適合于想通過數據化決策制定企業戰略的決策者； 3、適合于經常需要匯報工作的管理者； 4、對數據可視化分析、數據可視化展現等感興趣的人士； 5、對數據分析、數據挖掘算法等感興趣的人士； 6、大型集團公司、大型網站、電商網站等數據挖掘、數據分析人員； 7、云計算、大數據從業者； 8、系統架構師、系統分析師、高級程序員、資深開發人員； 9、牽涉到大數據的數據中心運維、規劃、設計負責人； 10、政府機關，金融保險、移動互聯網、能源行業等大數據相關人員； 11、高校、科研院所統計分析研究員，涉及到數據處理的人員；

【培訓收益】

時間 內容
第一天
第1個主題：數據分析與數據挖掘概述（深入剖析數據數據分析與數據挖掘的過程與方法，介紹數據建模中的機器學習與數據挖掘）（60分鐘）
1、數據分析與建模的概念
2、數據分析與建模過程
3、數據分析模型開發過程
4、數據建模概述
5、機器學習概念
6、機器學習算法剖析
7、算法庫分類
8、算法庫
9、深度學習
10、神經網絡
11、人工智能
12、商業智能

第2個主題：數據挖掘和應用（介紹數據挖掘和應用）（60分鐘）
1、數據挖掘的基本任務
2、數據挖掘建模過程
a)定義挖掘目標
b)數據取樣
c)數據探索
d)數據預處理
e)挖掘建模
f)建立模型
g)業務理解
h)模型擬合
i)訓練集
j)測試集
k)模型評價
3、常用的數學預測模型
a)線性回歸
b)回歸（預測）與分類
c)決策樹與隨機森林
d)聚類分析（kmeans）
e)關聯規則
f)時序模式
g)離群點檢測
h)深度學習
i)人工智能
j)神經網絡
4、案例：如何從數據中挖掘出有價值的信息

第3個主題：數據預處理（剖析數據預處理技術）（60分鐘）
1、數據分析挖掘的過程
2、建立數據庫的方法
3、企業對數據分析挖掘的錯誤認識
4、有效運用數據為客戶提供針對性、主動化服務（精準營銷）
5、數據源
6、數據采集
7、隨機抽樣
8、數據去重
9、數據缺失值處理
10、檢驗數據邏輯錯誤
11、離群點檢測
12、數據轉換
13、數據分組
14、課堂實操：數據預處理案例講解

第4個主題：數據的描述性分析（深入剖析數據的描述性分析）（60分鐘）
1、統計學基本概念
2、統計數據的計量尺度
3、常用基本統計量
4、集中趨勢的描述指標
5、離散趨勢的描述指標
6、中心極限定理
7、大數定律
8、數據的分布
9、正態分布的特征
10、偏度和峰度
11、檢測數據集的分布
12、數據的分布擬合檢驗與正態性檢驗
13、抽樣標準
14、假設檢驗
15、T檢驗
16、置信區間

第5個主題：數據的可視化（實踐數據可視化）（90分鐘）
1、散點圖
2、直方圖
3、經驗分布函數
4、QQ圖
5、莖葉圖
6、離群點檢測
7、箱型圖檢驗離群值
8、蓋帽法
9、課堂實操：SPSS描述性統計分析實現航空業客戶描述和行為分析模型

第6個主題：主成分分析和因子分析（深入剖析主成分分析及因子分析）（30分鐘）
1、主成分分析
2、總體主成分
3、樣本主成分
4、主成分分析模型
5、案例：SPSS主成分分析模型實現
6、課堂實操：SPSS主成分分析模型實現

第7個主題：方差分析（深入剖析方差分析方法及SPSS實現）（30分鐘）
1、單因素方差分析
2、單因素方差分析模型
3、因素效應的顯著性檢驗
4、因素各水平均值的估計與比較
5、兩因素等重復試驗下的方差分析
6、統計模型
7、交互效應及因素效應的顯著性檢驗
8、無交互效應時各因素均值的估計與比較
9、有交互效應時因素各水平組合上的均值估計與比較
10、兩因素非重復試驗下的方差分析
11、金融案例：SPSS方差分析實現
12、課堂實操：SPSS方差分析實現

第8個主題：Bayes統計分析（深入剖析Bayes統計分析）（30分鐘）
1、Baves統計模型
2、Bayes統計分析的基本思想
3、Bayes統計模型
4、Bayes統計推斷原則
5、先驗分布的Bayes假設與不變先驗分布
6、共軛先驗分布
7、先驗分布中超參數的確定
8、Baves統計推斷
9、參數的Bayes點估計
10、Bayes區間估計
11、Bayes假設檢驗
12、案例：SPSS實現Bayes統計分析建模
13、課堂實操：SPSS實現Bayes統計分析建模

時間 內容
第二天
第9個主題：數學建模（深入剖析數學建模）（30分鐘）
1、數學建模
2、數學預測模型
3、模型評估
4、模型參數優化

第10個主題：回歸分析與分類分析原理與應用（深入剖析數據的回歸分析與分類分析的原理以及應用）（120分鐘）
1、回歸與分類
2、回歸分析概念
3、線性回歸模型及其參數估計
4、一元線性回歸
5、一元線性回歸模型
6、一元線性回歸模型求解參數
7、損失函數
8、求偏導
9、回歸方程的顯著性檢驗
10、殘差分析
11、誤差項的正態性檢驗
12、殘差圖分析
13、統計推斷與預測
14、回歸模型的選取
15、窮舉法
16、逐步回歸法
17、嶺回歸分析
18、SPSS一元線性回歸
19、金融案例：SPSS一元線性回歸模型檢驗
20、多元線性回歸概述
21、多元線性回歸模型
22、金融案例：SPSS多元線性回歸實現航空業信用打分和評級模型

第11個主題：Logistic回歸分析（剖析Logistic回歸與其它回歸分析方法）（60分鐘）
1、Logistic回歸介紹
2、Logistic函數
3、Logistic回歸模型
4、案例：SPSS Logistic回歸實現
5、課堂實操：SPSS Logistic回歸實現航空業欺詐預測模型
6、課堂實操：SPSS Logistic回歸實現航空業風險分析模型

第12個主題：非線性回歸原理及應用（剖析非線性回歸原理及應用實踐）（60分鐘）
1、非線性回歸
2、雙曲線函數
3、冪函數
4、指數函數
5、對數函數
6、S型曲線
7、案例：SPSS非線性回歸實現
8、課堂實操：SPSS非線性回歸實現航空業經營分析和績效分析模型

第13個主題：數據建模常用距離（深入剖析數據建模過程中常用的距離模型）（30分鐘）
1、數據挖掘常用距離
2、歐氏距離
3、曼哈頓距離
4、切比雪夫距離
5、閔可夫斯基距離
6、標準化歐氏距離
7、馬氏距離
8、夾角余弦
9、漢明距離
10、杰卡德距離 & 杰卡德相似系數
11、相關系數 & 相關距離
12、信息熵

時間 內容

第14個主題：聚類分析與建模實現（深入剖析聚類分析以及通過SPSS聚類算法模型分析數據）（60分鐘）
1、聚類分析
2、聚類算法
3、樣品間相近性的度量
4、快速聚類法
5、快速聚類法的步驟
6、用Lm距離進行快速聚類
7、譜系聚類法
8、類間距離及其遞推公式
9、譜系聚類法的步驟
10、變量聚類
11、案例：SPSS聚類實現及繪圖
12、案例：Kmeans應用案例剖析
13、課堂實操：編寫程序實現Kmeans應用案例剖析

第15個主題：決策樹分析與實現（深入剖析決策樹分析以及通過SPSS決策樹模型分析數據）（60分鐘）
1、決策樹分析
2、決策樹
3、決策樹構成要素
4、決策樹算法原理
5、決策樹法的決策過程
6、決策樹算法
7、案例：SPSS實現決策樹分析
8、課堂實操：SPSS實現航空業客戶細分模型
9、隨機森林

第16個主題：關聯規則分析與實現（深入剖析關聯規則分析以及通過SPSS關聯規則算法模型分析數據）（60分鐘）
1、關聯規則
2、支持度與置信度
3、關聯規則挖掘的過程
4、Apriori算法
5、關聯規則案例
6、支持度與置信度計算
7、案例：SPSS實現關聯規則
8、課堂實操：SPSS實現航空業數據關聯規則分析

第17個主題：數據建模時序模式分析與實現（深入剖析時序模式分析）（60分鐘）
1、時序模式
2、時間序列分析
3、時間序列分析
4、時間序列
5、序列分析的三個階段
6、課堂實操：SPSS實現航空業客戶流失模型

第18個主題：數據分析工具SPSS/SAS在金融行業應用案例（深入剖析數據分析工具SPSS/SAS在金融行業應用案例）（60分鐘）
1、案例：風險分析模型
2、案例：信用打分和評級模型
3、案例：客戶細分模型
4、案例：客戶描述和行為分析模型
5、案例：欺詐預測模型
6、案例：客戶流失模型
7、案例：經營分析和績效分析模型
8、案例：交叉銷售和增量銷售模型
9、案例：SPSS實現航空業客戶流失模型建模
10、課堂實操：SPSS實現金融行業客戶流失模型建模

第19個主題：大數據個性化精準推薦實戰（深入理解大數據個性化精準推薦原理和實現技術）（60分鐘）
1、個性化推薦的理論依據
2、個性化推薦的價值
3、個性化推薦能達到的目的
4、個性化推薦的原則
5、個性化推薦技術發展史
6、個性化推薦的相關技術
7、基于用戶的常用推薦算法
8、基于用戶的協同過濾推薦
9、課堂實操：SPSS實現航空業交叉銷售和增量銷售模型 

尹老師
多年從事人工智能、深度學習、大數據、區塊鏈、云計算、物聯網研發工作經驗，資深軟件架構師，數學博士，北航移動云計算碩士，Cloudera大數據認證（圖1），項目管理師（PMP）認證（圖2），移動云計算專家，主要研究方向包括人工智能、深度學習、機器學習、數據挖掘、數據分析、大數據、云計算、移動開發、互聯網營銷、電子商務、項目管理等；曾就職于阿里等互聯網企業，IBM、華為等知名大型企業，現任某大型知名互聯網企業首席架構，負責人工智能、深度學習、機器學習、數據挖掘、數據分析、大數據、區塊鏈、云計算、PaaS平臺研發工作。
IT從業近二十年，秉承理論與實踐相結合，在學習中實踐，在實踐中學習，積累了豐富的理論與實踐經驗，并且樂于將自己的經驗分享。尹老師具有敏銳的目光與頭腦，發現并集成整合社會資源，為企業節省資源并創造價值，達到為合作伙伴創收的目的。曾為多家國內知名企業提供培訓與咨詢，包含阿里集團、華為、中國移動、中國電信、中國聯通、當當網、中石油、中石化、中國電網、中國銀行、中國工商銀行、浦發銀行、阿爾卡特朗訊、中航國際等。擁有人工智能、深度學習、機器學習、數據挖掘、數據分析、大數據、區塊鏈、物聯網、大流量、高并發、分布式的大型網站架構和設計經驗。曾主導過多個人工智能、深度學習、機器學習、數據挖掘、數據分析、區塊鏈、物聯網、私有云、公有云建設項目，早些年也主導過ERP、CMS等軟件項目，積累了豐富的實踐經驗，這些項目中包含多個數百萬、上千萬的大型項目。項目經歷：呼叫中心人工智能客服研發項目、貴州省政府云呼叫中心建設項目、廣東發展銀行電營、運維大數據分析項目、中石油工程設計西南分公司云計算項目評審委員、中石油大數據挖掘項目，電商庫存預測大數據分析項目、大型ERP、電子商務、CRM、電子政務等多個項目。
尹老師在工作中研究新技術、新框架、及時更新知識體系，并長期堅持編寫架構核心代碼。在技術平臺方面，善于TensorFlow、Keras、Hadoop、Spark、Docker、Kubernetes、OpenStack、Storm等技術平臺的應用與運維。深入理解TensorFlow、Keras、Hadoop、HDFS、HBase、MapReduce、Zookeeper、Hive、Sqoop、BigTable 等人工智能、大數據技術和開源框架理論。對于云計算體系有深刻認識，及獨到的見解，如OpenStack的技術架構、安裝部署、運維等。在移動云計算方面，善于設計與建設云計算體系；也善于移動云計算相關的咨詢與培訓。在項目管理方面，善于使用敏捷項目管理方法，把客戶的需求變更作為常態，作為軟件架構設計的一部分，減少需求變更帶來的返工；善于捕捉、挖掘、分析客戶需求，為用戶提供滿意的產品。

圖1. 大數據行業公認的Cloudera認證

圖2. 含金量較高的PMP認證

講師經驗
1、阿里巴巴集團云計算、大數據、區塊鏈、物聯網咨詢師
2、百度云計算、大數據、區塊鏈、物聯網咨詢師及講師
3、中國移動多省人工智能、大數據、區塊鏈、物聯網、云計算特聘講師
4、中國移動多省Docker特聘講師
5、中國移動研究院微特聘講師
6、中國聯通總部人工智能、大數據、區塊鏈、物聯網、云計算特聘講師
7、中國電信人工智能、大數據、區塊鏈、物聯網、云計算、虛擬化特約講師
8、中國人民銀行人工智能、大數據、區塊鏈、物聯網特聘講師
9、中國工商銀行人工智能、大數據、區塊鏈、物聯網講師
10、花旗銀行人工智能、大數據、區塊鏈、物聯網講師
11、招商銀行人工智能、大數據調優、區塊鏈、物聯網講師
12、中信銀行人工智能、分布式數據庫、區塊鏈、物聯網講師
13、中國航天三院人工智能、大數據、區塊鏈、物聯網咨詢師
14、中國石油人工智能、大數據、區塊鏈、物聯網、云計算特聘講師
15、中國石化人工智能、大數據、云計算特聘講師
16、中國電力科學研究院流計算特聘講師
17、西安電信十所人工智能、大數據架構設計、區塊鏈、物聯網講師
18、RedHat（中國）大數據咨詢師
19、中電28所人工智能、大數據、區塊鏈、物聯網特聘講師
20、北京中電普華人工智能、大數據、區塊鏈、物聯網特聘講師
21、中國石油東方地球物理公司大數據咨詢師
22、當當網人工智能、云計算、大數據咨詢師
23、北航人工智能、云計算、大數據、區塊鏈、物聯網特聘企業講師
24、阿爾卡特-朗訊（Alcatel-Lucent）虛擬化與OpenStack培訓特約講師
25、中石油工程設計西南分公司云計算數據中心建設項目
26、廣東發展信用卡精準營銷項目
27、廣東發展銀行電營、運維大數據分析項目
28、電商庫存預測大數據分析項目
29、中航國際大綜貿易云計算規劃項目咨詢、培訓講師
30、北京民生軟件SaaS平臺研發咨詢師
31、北京立達資本項目管理信息系統解決方案咨詢師
32、曾任大型ERP、電子商務、CRM、電子政務等項目經理

項目經驗
1、云呼叫中心人工智能客服項目研發
2、云呼叫中心PaaS平臺首席架構師
3、貴州省政府云呼叫中心建設項目
4、廣東發展信用卡智能精準營銷項目
5、廣東發展銀行電營、運維大數據分析、區塊鏈、物聯網項目
6、中石油工程設計西南分公司云計算項目評審委員、培訓講師
7、中石油人工智能、大數據挖掘、區塊鏈、物聯網項目，項目經理
8、電商庫存預測大數據分析項目
9、智能物流、智能供應鏈管理項目
10、中航國際大綜貿易云計算規劃項目咨詢、培訓講師
11、北京民生軟件SaaS平臺研發咨詢師
12、北京立達資本項目管理信息系統解決方案咨詢師
13、曾任大型ERP、電子商務、CRM、電子政務等多個項目的項目經理 

• 業務數據分析II（Excel）

   

  【課程背景】數據分析有多個含義，普通含義的數據分析包括展現數據的趨勢，對數據做分類匯總，發現其中的TOPN數據，對比數據的不同與變化等。這些常規分析可以通過數據透視表來完成。這些內容在課程《業務數據分析I》中已經詳細介紹了。而對數據的深入分析還包括發現數據之間的模式，規律，相關性及因果關系，預測未來業務數據，對數據進行統計分析從而發現問題等等。 ..

  ￥   元/ 天

  人氣：794  

  

• 業務數據分析I（Excel）

   

  【課程背景】數據分析是數據應用的重要目的。海量的，紛繁復雜的原始數據只有經過分析才能抽取關鍵信息，獲得對數據的準確認知，才能對未來起到知道作用。本課程從準備數據開始，一步一步的經過數據整理，分析，最終做出報表呈現分析結果，并通過各個領域的案例，使您可以快速將學習到的分析和預測方法落實到您的實際工作中。【課程大綱】（..

  ￥   元/ 天

  人氣：739  

  

• 數據分析與圖示化呈現技巧

   

  課程背景據統計，我們日常工作中，通過視覺獲取的信息超過70%，所以如何將數據圖示化、視覺化，如果讓老板、領導或者客戶、消費者在短時間內迅速get到你想表達的信息在當今信息化時代顯得尤為重要。基于商務應用需要，Office高效辦公專家李憲磊老師以多年的企業實戰工作經驗和企業實際需求為出發點，開發出《數據分析與圖示化呈現技巧》課程。本課程結合日常的數據信..

  ￥   元/ 天

  人氣：708  

  

• 服裝行業終端店長——店鋪商品數據分析課程

   

  【課程大綱】1.店鋪商品的構成分析2.店鋪商品的訂貨方法3.店鋪商品數據分析的要點4.店鋪商品陳列的方法5.店鋪商品促銷管理方法6. 店鋪商品庫存管理

  ￥   元/ 天

  人氣：1055  

  

• 新零售用戶行為數據分析與產品優化

   

  第一單元 用戶分類1.用戶分析集中的三個方面u用戶統計監控u用戶定向營銷u用戶調研2.互聯網思維——用戶為中心u顧客-用戶u顧客為中心-用戶為中心u顧客至上-用戶體驗至上3.用戶分析的指標u訪問用戶數u新用戶數u活躍用戶數u流失用戶數4.新老用戶5.新活躍用戶和流失用戶 ..

  ￥   元/ 天

  人氣：857  

  

• 移動互聯網時代的精焳營銷-數據分析

   

  一、大數據未來的通行證美國的大數據、阿里的大數據大數據改變未來未來誰是王者案例：未來的一天、IBM的規劃二、數據分析五步法1）數據搜集數據搜集不等CRM2）數據清洗3）數據建模4) 數據整理三、市場調查1）市場調研帶來哪些價值機會點研究品牌研究廣告促銷研究滿意度研究四、數據分..

  ￥   元/ 天

  人氣：2053