Python資料探勘與深度學習系列課程
----行業案例版
4大主題，4大真實業務案例
包含欺詐檢測，推薦系統，客戶流失分析及信用評分方法四大主題內容，從銀行、電信、網際網路金融，電影評分等真實業務案例分析，提升實戰能力。
可作為業務分析模板
課程內容完全基於真實業務分析場景構建，提供全部編寫的函式工具和原始碼，可直接作為同類業務場景中的業務分析模板加以使用。
47小時影片+資料+答疑
本系列包含4門課程，總時長47小時；
提供函式工具和原始碼；
張文彤老師親自答疑。
張文彤
博士
資料探勘，市場研究，統計應用領域深耕多年
已出版多本軟體教材、資料分析與挖掘專著，現為上海吳鯤企業管理諮詢有限公司合夥人。
曾在復旦大學公共衛生學院任教數載，其教學有講解深入淺出、突出重點，簡明易懂等特點。
擁有20+年資料分析及統計軟體商業培訓經驗，精通業內廣泛使用的SAS、SPSS、Modeler、R、Tableau、Python等資料分析/資料探勘工具，曾作為SPSS官方培訓師，從2001年起一手協助SPSS中國建立其培訓體系。
主編SPSS、SAS等統計軟體教材10+本，其SPSS教材被教育部評為2003-3004年度教育部研究生推薦教材，後續版本被國內外三百多所高校選用為本科生/研究生教材。
欺詐檢測 9小時42分鐘
醫療保險欺詐案例用於詳細闡述欺詐檢測應當如何結合行業特徵構建分析模型框架，並最終完成各類模型的實施和應用；金融欺詐案例則多面展示瞭如何將預測類模型用於欺詐案例的甄別。兩個案例結合，完整覆蓋了欺詐檢測領域中的方法體系。
欺詐檢測課程大綱
第1章 欺詐檢測（Fraud Detection）概述
第2章 醫療保險欺詐案例的資料理解
第3章 用比對法發現欺詐
第4章 用比較法發現欺詐
第5章 用模型法發現欺詐
第6章 監督學習方法的欺詐檢測例項
推薦系統 12小時49分鐘
充分考慮到案例代表性和分析需求上的差異化，精選電影評分和雲音樂歌單資料這兩個業務案例，分別代表rating和non-rating這兩類推薦系統將會面對的典型資料型別，更有利於拓展學員的分析能力。
推薦系統課程大綱
第1章 推薦系統概述（上）
第2章 推薦系統概述（下）
第3章 Suprise包使用入門
第4章 協同過濾
第5章 矩陣分解
第6章 基於內容的推薦演算法
第7章 結合文字挖掘進行推薦
第8章 基於列表序列進行推薦
第9章 聚類方法在推薦系統中的應用
第10章 冷啟動問題
客戶流失分析 11小時28分鐘
基於電信行業和銀行業的實際流失分析案例，完整實現了流失問題從業務角度出發的評估、定位、資料整理、建模、效果評價、業務實施的完整流程，整個分析流程和相關程式碼可作為分析模板供學員在工作中直接套用。
