CDA資料分析研究院助力招商銀行——第四次內訓 高品質造就好口碑
阿新 • • 發佈:2018-12-07
CDA資料分析師和中國招商銀行的緣分開始於2016年10月,那是我們第一次內訓合作,培訓內容是以CDA LEVEL 1-SPSS專題為標準,為招行員工培訓了資料統計方法、資料分析流程、SPSS操作技術、建模技術、案例分析等內容,解決了員工技術短缺的問題。那一次,我想對於招行來說,只是嘗試。
之後的2年裡,感謝招行的信任,我們又進行了《資料探勘前沿理論與應用》以及《複雜網路分析基礎課程》2場內訓。
2018年11月,在招商銀行深圳綜合中小企業金融部,我們又一次相約。第四次,一定是因為高品質造就好口碑。
此次的培訓主題是《資料探勘基礎》,由CDA資料分析院金牌講師李御璽老師授課,李老師是國立臺灣大學資訊工程博士、銘傳大學大資料研究中心主任、中華資料採礦協會理事,其研究領域專注於資料倉庫(Data Warehousing)、資料探勘(Data Mining)、與文字挖掘。應培訓學員建議,上課時間定為週五週六的上午9點到晚上9點,時間緊任務重,但是大家並沒有感覺厭煩疲憊。2天的時間裡,李老師以及CDA的助教、內訓負責人與招行培訓員工朝夕相處,不僅講授了知識技能,也對員工平時工作中所遇到的資料分析問題做了的專業諮詢指導。
實踐證明了CDA資料分析師體系標準的科學性和可行性,不僅能幫助學員提升實戰技能,也能為企業提供可靠解決方案!培訓結束後,李老師得到了員工的一致好評,CDA資料分析師品牌也再次得到了招行的認可與讚賞,大家期待能與李老師、與CDA再次相遇,相信我們會有第40次相約。
附此次課程內容大綱如下:
主題 | 企業使用範圍 | 理論介紹 |
資料探勘基礎 | 如何利用資料探勘來進行營銷活動及信用風險控管。 | 資料探勘在政府部門及各行業的應用 |
資料探勘的起源、定義及目標 | ||
資料探勘的發展歷程 | ||
資料庫中的知識發掘步驟(KDD) | ||
資料探勘技術的產業標準(CRISP DM) | ||
資料探勘技術的功能分類 | ||
資料探勘相關網站介紹(KDnuggets & Kaggle) | ||
IBM SPSS Modeler & WEKA實作 | ||
基礎資料探勘及資料前處理技術 | 如何利用資料前處理技術來進行資料的重整,建置資料倉庫,以作為資料探勘之輸入。 | 敘述性統計及視覺化技術 |
案例為本的學習(Case-based Learning): | ||
KNN(K Nearest Neighbors) | ||
資料前處理(Data Preprocessing)技術 | ||
欄位選擇(Attribute Selection) | ||
資料清洗(Data Cleansing) | ||
欄位擴充(Attribute Enrichment) | ||
資料編碼(Data Coding) | ||
IBM SPSS Modeler& WEKA實作 | ||
進階資料探勘技術1 | 如何利用關鍵變數發掘技術來發掘對專案目標有效之關鍵變數,以做為資料探勘之輸入變數。 | 訓練資料與測試資料的產生方法 |
無效變數 | ||
統計方式的變數選擇 | ||
模型方式的變數選擇 | ||
IBM SPSS Modeler & WEKA實作 | ||
進階資料探勘技術2 | 如何利用分類技術之貝式網路及決策樹來建立交叉銷售(Cross-Selling)模型,以提升公司獲利。 | 分類之簡單貝式網路(Naive Bayes)及貝式網路(Bayes Net) |
分類之決策樹(Decision Tree) | ||
分類模型的評估 | ||
IBM SPSS Modeler & WEKA實作 | ||
進階資料探勘技術3 | 如何利用分類技術之神經網路、羅吉斯迴歸來建立信用評分(Credit Scoring)模型,以降低公司損失。 | 分類之神經網路(Neural Network) |
分類之羅吉斯迴歸(Logistic Regression) | ||
分類模型的評估 | ||
IBM SPSS Modeler & WEKA實作 | ||
進階資料探勘技術4 | 如何利用更進階的分類技術來提升模型的分類效能,增加公司獲利。 | 分類之支援向量機(Support Vector Machine) |
分類之多模型整合(Ensemble): | ||
裝袋(Bagging)、增強(Boosting)學習 | ||
分類之多模型整合(Ensemble): | ||
隨機森林(Random Forest) | ||
IBM SPSS Modeler & WEKA實作 |