北京機器數(shù)據(jù)競賽實戰(zhàn)專題培訓課程

【課程特色】

本次課程對螞蟻金服競賽業(yè)務背景做了簡單介紹，講述了數(shù)據(jù)分析在拿到數(shù)據(jù)之后應該如何開始數(shù)據(jù)探索，如何跑出模型baseline，如何通過可視化及模型輸出進行特征選擇，如何理解自定義的評價函數(shù)，如何用合理的方式記錄上分情況而不發(fā)生混亂，如何充分利用傳統(tǒng)模型和競賽殺器，如何根據(jù)模型原理進行調參，如何尋找準而不同的模型并做出最 優(yōu)的機器學習模型融合，以及最終如何將每一步串聯(lián)到一起拿到最 優(yōu)模型結果

【招生對象】

有一定基礎的學員

【上課時間】

周一到周日9-18點

【學習目標】

大化提升實戰(zhàn)能力

取得數(shù)據(jù)科學競賽TOP名次

拿到比賽豐厚獎金

斬獲名企offer

【課程內容】

01章新手上路

01-01說在前面

01-02初識數(shù)據(jù)科學競賽

01-03支付寶欺詐風險識別項目導學

01-04機器學習環(huán)境:jupyter使用

01-05機器學習常用庫（pandas,scikit-learn）

01-06從業(yè)務場景認識比賽數(shù)據(jù)

01-07數(shù)據(jù)初探索

01-08快速搭建baseline版本

01-09如何制作線下科學驗證體系

01-10比賽常用回歸任務評價指標

01-11比賽常用分類任務評價指標

01-12支付寶反欺詐自定義評價函數(shù)

01-13數(shù)據(jù)內存優(yōu)化技巧

01-14數(shù)據(jù)交叉驗證

01-15使用內置cross_validate接口交叉驗證

01-16使用logsitic分類模型

01-17使用KNN分類模型

01-18使用Adaboost分類模型

01-19使用Bagging分類模型

01-20使用RandomRorest分類模型

01-21使用GBDT分類模型

01-21scikit-learn各分類模型對比分析

02章玩轉機器學習競賽兩大殺器

02-01LightGBM采用scikit-learn方式調用

02-02LightGBM經典方式調用

02-03LightGBM交叉驗證

02-04LightGBM參數(shù)解析

02-05LightGBM輸出特征重要性

02-06LightGBM高級用法

02-07XGBoost使用

02-08XGBoost參數(shù)解析

02-09LightGBM和Xgboost自定義目標函數(shù)

02-10XGBoost與LightGBM對比分析

02-11LightGBM原理深度解析

03章數(shù)據(jù)處理與特征工程中的騷操作

03-01數(shù)據(jù)探索與處理

03-02數(shù)據(jù)缺失值分析

03-03缺失值高級處理

03-04特征分析

03-05通過Adversarial訓練方式試探訓練集和測試集分布

03-06特征的IV和WOE編碼

03-07基于模型的特征選擇

03-08基于scikit-learn中RFECV的特征選擇

03-09使用熱力圖分析特征相關性

03-10使用核密度圖分析特征相關性

03-11類別不平衡分析

03-11類別不平衡分析

03-12基于模型的類別不平衡處理

03-13基于數(shù)據(jù)采樣的類別不平衡處理

03-14灰樣本拒絕推斷方案

03-15多種方式特征選擇

03-16特征分布不均勻的處理策略

03-17困難樣本分析

04章模型花式融合調參

04-01網(wǎng)格搜索優(yōu)化模型參數(shù)

04-02貝葉斯方法優(yōu)化模型參數(shù)

04-03機器學習比賽中隨機種子的作用

04-04模型的偏差與方差分析

04-05準而不同模型選擇策略

04-07stacking的模型融合策略

04-08模型之間的相關性分析

04-09螞蟻金服項目方案整合

【師資力量】

吳昊天

擅長數(shù)據(jù)架構、數(shù)據(jù)分析

教學經驗8年

電子科技大學大數(shù)據(jù)中心

CDA數(shù)據(jù)分析研究院技術負責人兼高級講師

趙仁乾

擅長數(shù)據(jù)架構、數(shù)據(jù)分析

教學經驗7年

北京郵電大學管理科學與工程碩士

北京電信規(guī)劃設計院

辛立偉

擅長數(shù)據(jù)架構、數(shù)據(jù)分析

教學經驗20年

CDA數(shù)據(jù)分析研究院講師

SUN中國社區(qū)會員

【學員風采】

【學習周期】

320課時

【學員評價】

孔同學

統(tǒng)計學和數(shù)據(jù)挖掘理論是數(shù)據(jù)分析的基礎，常規(guī)的統(tǒng)計理論和數(shù)據(jù)挖掘算法必須要學會，想入行應重點研究，并要學會制作風險評分卡。其他算法了解即可。

董同學

三個月的學習時間。緊湊的課程安排讓我感覺每一天都特別充實，白天認真聽講，晚自習鞏固復習，每一天都在進步和成長。 我對未來充滿了希望。

王同學

CDA的學習經歷，給我的人生增添了一段難忘的回憶，也給我在現(xiàn)在的工作中帶來了很大的幫助，在今后的工作中要更加努力，不斷完善自己。

蘇同學

學習是一種態(tài)度，在CDA三個月集中學習的過程中，認識了很多同學，也增長了一些校園以外的知識，學習的過程很累很艱辛，卻覺得很值得！ 痛并快樂著！！

李同學

CDA對于我而言，是一個新生活的起點，經過3個月的奮戰(zhàn)，我學習到了許多知識，更結識了許多志同道合的朋友，這是我3個月的學習生活寶貴的財富。

趙同學

首先感謝的是課堂里茫茫多的教授級導師的個人魅力的熏陶，其次就是，三個月持續(xù)不斷的學習，讓我養(yǎng)成一個持續(xù)學習的心態(tài)和熱愛學習的態(tài)度。

【機構簡介】

如荷學為北京國富如荷網(wǎng)絡科技有限公司旗下專注于數(shù)字化人才培養(yǎng)及服務的教育品牌,致力于大數(shù)據(jù)在產、學、研的融合應用。服務百萬數(shù)字化人才,是全球500強企業(yè)的忠實合作伙伴。

如荷學以"培養(yǎng)企業(yè)需要的專業(yè)數(shù)字化人才,搭建弓|領數(shù)字化時代的企業(yè)人才梯隊”為使命,為TD時代數(shù)字化人才的數(shù)據(jù)能力提升及企業(yè)數(shù)字化轉型提供標準化、效率、可落地的數(shù)據(jù)應用側解決方案。

【機構環(huán)境】

【發(fā)展歷程】

2006年 開展數(shù)據(jù)統(tǒng)計、計量實戰(zhàn)，學術研究等相關培訓視頻和現(xiàn)場班

2007年 開展數(shù)據(jù)統(tǒng)計、數(shù)據(jù)分析相關培訓班

2011年 隨著大數(shù)據(jù)熱潮的來臨，依托累計上萬類共享資料，多年沉淀師資團隊，論壇召集多位專家，研發(fā)CDA數(shù)據(jù)分析師體系

2013年CDA數(shù)據(jù)分析師品牌成立，提供系統(tǒng)化的大數(shù)據(jù)、數(shù)據(jù)分析人才培養(yǎng)和認證

2014年 CDA INSTITUTE 成立 ,并推出第 一屆全國CDA數(shù)據(jù)分析師認證考試

2015年第 一屆中國數(shù)據(jù)分析師行業(yè)峰會（CDAS）在9月11日成功舉辦，參會人數(shù)逾3000人

2016年 CDA匯聚海內外大數(shù)據(jù)、數(shù)據(jù)分析專家上千人，推出就業(yè)班、數(shù)據(jù)科學家訓練營、企業(yè)內訓、CDA俱樂部等多個項目

2017年整合論壇與CDA數(shù)據(jù)分析師業(yè)內資源，形成數(shù)據(jù)分析領域生態(tài)圈，并進一步升級CDA企業(yè)內訓體系，正式推出大數(shù)據(jù)實驗室

2018年北上廣深等多個城市均有校區(qū)；擁有200多位專業(yè)師資；培養(yǎng)學員超過3萬人，每年6月/12月全國28個城市舉辦CDA認證考試

2019年已舉辦九屆數(shù)據(jù)分析師認證考試，得到業(yè)界廣泛認可，學員遍布各大知名企業(yè)。人工智能產品“好學AI”問世，引領DT時代新一波技術培訓浪潮