电话:010-60354544
语言程序
R数据分析与数据挖掘技术与应用
文章来源:AG旗舰厅app   添加时间:2016-10-26 14:21   浏览次数:
关于举办“R数据分析与数据挖掘核心技术与应用”培训通知

一、培训目标
      本次培训采取深入浅出的方法,先以简单的案例引入R数据分析的基本原理,随后重点讲解多种常用单元的功能和特性,以及有R数据分析与数据的实用技术和处理方法,紧密结合应用实例,针对工作中存在的疑难问题进行分析讲解和专题讨论,有效提升学员解决复杂问题的能力。

二、培训对象
        各省市、自治区从事金融、医疗、保险、生态、卫生、计量、统计、银行、通信、环境、基金、等金融衍生品行业与数据分析统计相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生、硕士、博士等相关人员,以及广大R爱好者。

三、时间地点
        2015年06月12日----06月15日中国*北京 (时间安排:第一天报到,授课三天)

四、培训费用
         ¥RMB:3900元/人(含报名费、授课费、教材资料费、场地费、证书费、午餐费等)食宿可统一安排,费用自理。

五、 主讲专家
               主讲专家来自中科院等科研机构的高级专家,拥有丰富的科研及工程技术经验,长期从事大数据领域项目研究,具有资深的技术底蕴和专业背景。

六、课程内容

第一天
第一章 客户特征挖掘模型—银行和互联网金融实战案例
1.1 数据分析的基本原理——客户基本特征探索为例
1.2 数据预处理
1.3 描述性数据分析
1.4 商务理解及政策建议
第二章 客户价值深度挖掘模型——互联网金融实战案例
2.1 互联网金融行业及案例背景介绍
2.2 客户价值模型的指标设计
2.3 描述性统计分析
2.4 客户价值的理论模型及估计方法
2.5 经验式管理的模型验证
2.6 理论模型的诊断及评价
2.7 R实战
2.8 商务理解及政策建议

第二天
第三章 金融大数据风控模型及实战案例
3.1 大数据风控行业现状及案例背景介绍
3.2 简单模型设计理论及实现
3.3 复合模型的设计理论及实现——基于授信个体的联动效应及高维特征
3.4 模型评价
3.5 R实战
3.6 风险信用评分系统
3.7 与基于JAVA系统开发的对接
第四章 客户忠诚度及流失预警模型——银行和互联网金融实战案例
4.1 案例背景介绍
4.2 模型设计理念及思路
4.3 模型评价
4.4 R实战
4.5 基于模型分析结果的商业理解

第三天
第五章 金融风险的动态监控和预警模型
5.1 案例背景介绍
5.2 定制性模型设计理念及思路
5.3 不平衡动态模型的建立
5.4 监控体系的模型搭建
5.5 模型评价
5.6 R实战
第六章 搜索引擎营销优化模型——基于泊松回归模型的R实现
6.1 搜索引擎营现状及案例背景
6.2 模型设计理念及思路
6.3 指标体系的构建及描述性统计分析
6.4 模型估计与模型评价
6.5 R编程实现
6.6 商务理解

七、联系方式:
        联系人:上官老师                               电 话:010-60354544
        手  机:13693546216                       E-mail:hsyrkj@126.com 

   

在线客服

  • QQ交谈
  • 电话:010-60354544
  • 微信号:66889