主講老師: | 林海 | |
課時安排: | 1天/6小時 | |
學(xué)習(xí)費用: | 面議 | |
課程預(yù)約: | 隋老師 (微信同號) | |
課程簡介: | 目前,市面上流行的大數(shù)據(jù)培訓(xùn)一部分側(cè)重于實現(xiàn)算法和公式推導(dǎo),適合編程人士學(xué)習(xí),但過于晦澀,需要較高的學(xué)歷基礎(chǔ),另外一部分側(cè)重于創(chuàng)新理念和案例介紹,適合普及概念,但缺乏實戰(zhàn)性,不利于深度的理解和把握,無法為我所用。 | |
內(nèi)訓(xùn)課程分類: | 綜合管理 | 人力資源 | 市場營銷 | 財務(wù)稅務(wù) | 基層管理 | 中層管理 | 領(lǐng)導(dǎo)力 | 管理溝通 | 薪酬績效 | 企業(yè)文化 | 團隊管理 | 行政辦公 | 公司治理 | 股權(quán)激勵 | 生產(chǎn)管理 | 采購物流 | 項目管理 | 安全管理 | 質(zhì)量管理 | 員工管理 | 班組管理 | 職業(yè)技能 | 互聯(lián)網(wǎng)+ | 新媒體 | TTT培訓(xùn) | 禮儀服務(wù) | 商務(wù)談判 | 演講培訓(xùn) | 宏觀經(jīng)濟 | 趨勢發(fā)展 | 金融資本 | 商業(yè)模式 | 戰(zhàn)略運營 | 法律風(fēng)險 | 沙盤模擬 | 國企改革 | 鄉(xiāng)村振興 | 黨建培訓(xùn) | 保險培訓(xùn) | 銀行培訓(xùn) | 電信領(lǐng)域 | 房地產(chǎn) | 國學(xué)智慧 | 心理學(xué) | 情緒管理 | 時間管理 | 目標(biāo)管理 | 客戶管理 | 店長培訓(xùn) | 新能源 | 數(shù)字化轉(zhuǎn)型 | 工業(yè)4.0 | 電力行業(yè) | | |
更新時間: | 2023-06-25 13:54 |
課程背景
時移而勢變,互聯(lián)網(wǎng)帶來了“大數(shù)據(jù)(BigData)”的爆發(fā),企業(yè)和個人被卷入了新的數(shù)字化洪流。你的客戶、你的員工已經(jīng)被悄無聲息的改變,工業(yè)時代的致勝秘籍和戰(zhàn)略空間已經(jīng)不再繼續(xù)有效,大數(shù)據(jù)給我們帶來了新的價值創(chuàng)造方式。
目前,市面上流行的大數(shù)據(jù)培訓(xùn)一部分側(cè)重于實現(xiàn)算法和公式推導(dǎo),適合編程人士學(xué)習(xí),但過于晦澀,需要較高的學(xué)歷基礎(chǔ),另外一部分側(cè)重于創(chuàng)新理念和案例介紹,適合普及概念,但缺乏實戰(zhàn)性,不利于深度的理解和把握,無法為我所用。
為了彌補這些不足,融業(yè)務(wù)和技術(shù)創(chuàng)新于一體,林海老師根據(jù)長時間的理論和實踐經(jīng)驗,開發(fā)了本門課程,將會帶給學(xué)員全新的知識體驗,啟發(fā)自己的大數(shù)據(jù)思維,獲得大數(shù)據(jù)算法的框架和使用指引,可以在工作中靈活運用,幫助企業(yè)洞察問題、發(fā)現(xiàn)規(guī)律和改進方向,并能夠運用所學(xué)知識,結(jié)合公司實際情況,再造自己的數(shù)字化業(yè)務(wù)。
主要話題
數(shù)據(jù)分析思維的“破”與“立”
世界認知的重構(gòu):數(shù)據(jù)分析的模型和算法
數(shù)據(jù)分析實戰(zhàn):從代碼中觀測世界的變化
創(chuàng)新:“始”于問題,庖丁解牛、“終”于解決
課程大綱
第一單元 思維轉(zhuǎn)變:從報表統(tǒng)計思維進入數(shù)據(jù)分析思維
一、 入門:數(shù)據(jù)是對“事實”的觀測
二、 轉(zhuǎn)變:數(shù)據(jù)思維意味著什么
1、主動找數(shù)據(jù)變?yōu)楸粍油扑]
2、抽樣數(shù)據(jù)變?yōu)槿瘮?shù)據(jù)
3、要求精確變?yōu)闅g迎復(fù)雜
4、事后分析變?yōu)閷崟r監(jiān)控
5、專家分析變?yōu)闄C器學(xué)習(xí)
6、由流程為核心變?yōu)橐詳?shù)據(jù)為核心
7、由客戶分類變?yōu)閭€性化服務(wù)
8、由人與人連接變?yōu)槿伺c機器連接
第二單元 認知重構(gòu):進入模型和算法統(tǒng)治的世界
一、數(shù)據(jù)分析三大核心模型
1、分類:真與假;好與壞;高、中、低。不會分類,就不會思考
2、預(yù)測:輸入變量,求得結(jié)果。代表了掌握規(guī)律的能力,生活是可預(yù)知的
3、相關(guān)性:模糊、近似、有關(guān),是一種簡便的、粗略的全盤操控能力
二、五大初級算法
1、相關(guān)性分析:最入門、最常用、最剛需的分析方法
2、散點圖分析:最被忽略的探索性分析方法
3、概覽性分析:教科書上都不重視的全局總覽的分析方法
4、回歸分析:最容易理解的由x推導(dǎo)出y的方程式分析法
5、聚類分析:最粗暴的物以類聚人以群分的分析方法
三、六大中級算法
1、降維分析:數(shù)據(jù)太多,抓住主要數(shù)據(jù)的方法
2、決策樹分析:最容易理解的決策分析
3、關(guān)聯(lián)規(guī)則分析:貌似沒有規(guī)模,卻可以尋找一個規(guī)律
4、相似性分析:當(dāng)前最熱門的分析方法,如:人臉識別、指紋識別
5、可視化分析:河流圖、風(fēng)向圖、熱力圖等各種別具一格的數(shù)據(jù)呈現(xiàn)方式
6、文本分析:從大量的文字中快速提取關(guān)鍵信息
四、兩大大數(shù)據(jù)高級算法
1、神經(jīng)網(wǎng)絡(luò)算法:最牛逼的模擬大腦的算法,如埃爾法狗圍棋
2、支持向量機算法:實用性和準確性較強的一個機器學(xué)習(xí)算法
第三單元 操作實戰(zhàn):從代碼中觀測到的“真實”世界
一、學(xué)會用數(shù)據(jù)分析創(chuàng)新性的解決問題
1、What:問題是什么
2、Judgement:能用數(shù)據(jù)分析解決嗎
3、Prerequisite:具備數(shù)據(jù)基礎(chǔ)嗎
4、ModelSelect:選擇哪個模型
5、Visualization:怎么呈現(xiàn)結(jié)果
6、Design:設(shè)計流程,形成文檔
二、學(xué)會用代碼去測試和逼近真相
1、數(shù)據(jù)獲取(導(dǎo)入數(shù)據(jù)、爬取數(shù)據(jù))
2、數(shù)據(jù)探索分析、概覽分析
3、明確分析目的
4、選擇x和y
5、對格式進行轉(zhuǎn)換
6、選擇模型(模型選擇準則)
7、使用交叉驗證規(guī)則,切分數(shù)據(jù)
8、用模型進行訓(xùn)練
9、分析模型預(yù)測結(jié)果
10、確定最優(yōu)模型
11、使用和預(yù)測
12、報告和呈現(xiàn)
京公網(wǎng)安備 11011502001314號