基于Python+Spark的数据科学与商业实践（金融风控 客户预警 信用评分卡 企业内训）
1 数据科学概述2 数据科学的应用场景
3 数据科学与客户智能
4 数据科学基本概念
5 案例：利用RFM营销模型代码演示分析流程（一）
6 案例：利用RFM营销模型代码演示分析流程（二）
7 案例：利用RFM营销模型代码演示分析流程（三）
8 案例：利用RFM营销模型代码演示分析流程（四）
9 案例：利用RFM营销模型代码演示分析流程（五）
10 数据科学家的角色及功能
11 数据科学家的能力范畴
12 CRM 数据分析涉及的技术与业务
13 CRM 数据挖掘常用分类算法举例（上）
14CRM 数据挖掘常用分类算法举例（下）
15 金融行业客户生命周期价值在企业中的实际应用
16 金融行业客户获取与价值预测在企业中的实际应用
17 金融行业初始和行为信用评级在企业中的实际应用
18 金融行业客户洞察原理及在企业中的实际应用
19 金融行业交叉销售原理及在企业中的实际应用
20 金融行业复杂网络反欺诈原理及在企业中的实际应用
21 金融行业客户流失预测与挽留在企业中的实际应用
22 基于客户生命周期的数据分析代码案例（上）
23 基于客户生命周期的数据分析代码案例（下）
24 案例：实战个人贷款违约预测模型（一）
25 案例：实战个人贷款违约预测模型（二）
26 案例：实战个人贷款违约预测模型（三）
27 案例：实战个人贷款违约预测模型（四）
28 案例：实战个人贷款违约预测模型（五）
29 案例：实战个人贷款违约预测模型（六）
30 案例：实战个人贷款违约预测模型（七）
31 案例：实战个人贷款违约预测模型 - 基于PySpark的实现 （上）
32 案例：实战个人贷款违约预测模型 - 基于PySpark的实现 （下）
33 案例：实战银行零售产品的交叉营销 - 场景、原理与企业应用
34 案例：实战银行零售产品的交叉营销 - 关联规则挖掘算法
35 案例：实战银行零售产品的交叉营销 - 购物车算法分析
36 案例：实战银行零售产品的交叉营销 - Python+Spark大数据开发环境搭建（上）
37 案例：实战银行零售产品的交叉营销 - Python+Spark大数据开发环境搭建（下）
38 案例：实战银行零售产品的交叉营销 - 关联规则算法代码实现（基于PySpark）
39 案例：实战银行零售产品的交叉营销 - 关联规则算法详解
40 案例：实战银行零售产品的交叉营销 - Apiri算法原理及代码实现（基于PySpark）
课程代码课件
**** Hidden Message *****
6 666666 666 great 6666666666666666666666
页:
[1]