商科金融数据分析课程理工科机器学习数据科学家方向
理论、项目、动手三位一体,助力冲击一线金融科技、互联网公司最高端数据岗offer!
理论、项目、动手三位一体,助力冲击一线金融科技、互联网公司最高端数据岗offer!
助力冲击一线金融科技、互联网公司最高端数据岗offer!
课程针对英国、香港、新加坡等地顶级金融、保险和咨询公司面试设计,摩根大通、微软、领英等公司数据科学家授课,理论、动手、项目三位一 体,帮助学员在3个月的时间达到面试麦肯锡、摩根大通、普华永道等公司最高端数据科学岗位水平。
课程包含5+工业界级别的推荐系统、自然语言处理、大数据平台、深度学习和机器学习项目,帮助学员全面提升简历和项目经验,拿到并通过数据科学岗位面试。
本项目以用户银行数据信息为例,带领学员应用多种监督学习模型(例如逻辑回归,随进森林)对银行用户流失进行预测和分析,并进一步分析影响流失的关键因素,为提高用户留存做出更好的商业决策。通过本项目,您将学到如何使用Pandas做数据探索、数据分析、数据预处理,以及如何通过Sklearn使用机器学习模型。
随着互联网的兴起,用户也越来越愿意表达自己的想法。特别是在网上购物方面,我们可以明显地发现,用户在购物前会参考他人的经验,在购物后也愿意加上自己的评价和购买建议。通过对用户评价的分析,公司可以更好地了解用户的想法和需求,也可以更有针对性地做出商业决策。在本项目中,我们会使用机器学习的方法来分析某知名电商的用户评价数据,从文本中发现一些隐含信息和内在联系,进而在未来使用这些信息来帮助我们解决一些商业问题,如提高转化率。
大数据分析是算法工程师必备的技能,合格的算法工程师需要掌握从数据收集到数据建模的整个流程,最后才能保证从数据中发现可能的规律,并建立机器学习模型。本项目以旧金山地区犯罪数据为列,带领学员建立从数据采集、清洗、存储、分析的一整套数据分析的工作流。通过对于不同地区犯罪数据,天气数据的分析和建模,建立可能的犯罪事件预测机制。
推荐系统的设计与开发能力是各大顶尖科技公司普遍看重的能力之一。本项目带领您成为推荐系统设计与开发专家。本项目以Netflix电影数据为训练数据,带领学员掌握主流的推荐系统的算法,并熟练使用Spark Machine learning pipeline建立自己的协同过滤算法,并部署推荐系统到生产型环境。
时间序列(Time Series)是我们在日常生活和社会工作中十分常见的一种数据,它是通过将一系列时间点上的观测值按等时间间隔测量来获取的数据集合。本项目以LSTM为基础,以股票数据作为训练数据,带您通过TensorFlow,建立时间序列数据分析的深度学习模型。最终实现个股的伴随时间的未来变化趋势,以及对应的大盘指数的变化预测和分析。
Scan the QR code below to
get in touch with Course Specialists: