人工精选【天善智能】Python数据科学-技术详解与商业实践(八大案例,配套书籍) - 带源码
这门课解决什么实际问题 很多数据从业者在面对业务需求时,往往陷入“模型选型难”和“特征工程乱”的困境。这门课程的核心价值在于,它没有停留在单一的算法讲解,而是通过三个典型商业场景——电信客户流失预警、慈善机构精准营销、银行产品智能推荐,将经典的机器学习与多变量统计方法串联起来。 具体来说,它解决了两
会员可免费下载本篇月会员可免费领取。
开通会员 ›会员 · 按档位
游客按标价购买,不享受上表折扣。
支付成功后自动发放网盘链接,链接失效可找客服免费补
这门课解决什么实际问题
很多数据从业者在面对业务需求时,往往陷入“模型选型难”和“特征工程乱”的困境。这门课程的核心价值在于,它没有停留在单一的算法讲解,而是通过三个典型商业场景——电信客户流失预警、慈善机构精准营销、银行产品智能推荐,将经典的机器学习与多变量统计方法串联起来。
具体来说,它解决了两大痛点:一是如何处理高维数据中的冗余信息,比如通过主成分分析和因子分析进行变量约减;二是如何从历史行为中挖掘潜在规则,例如利用关联规则和决策树构建预测模型。对于需要从杂乱数据中提取有效信号、支撑业务决策的分析师来说,这套流程具有极高的复用价值。
适合什么基础,建议先看哪几块
这门课并不适合零基础小白直接上手。它要求读者具备 Python 基础语法能力,并对概率论和统计学有基本概念,否则在理解 PCA(主成分分析)或 BP 神经网络推导时会比较吃力。如果你是转行者且缺乏统计背景,建议先补充多元统计的基础知识;如果你已有数据分析经验,则可以直接进入案例环节。
建议的学习路径如下:首先攻克**第八讲的多变量统计部分**,重点消化主成分分析与因子分析的理论与代码实现,这是处理复杂数据降维的关键基石;接着学习**第六讲的分类模型**,深入理解 CART 决策树与人工神经网络的建模逻辑;最后结合**第十讲的关联规则与推荐系统**,完善从预测到推荐的闭环思维。答疑视频分散在各章节末尾,遇到卡点时及时回看,效率更高。
学完能独立做什么,资料怎么配合练习
完成学习后,你将能够独立搭建一套完整的数据科学解决方案。具体包括:运用 sklearn 等工具库对客户流失进行二分类预测;对营销数据进行维度压缩,识别核心影响因子;以及基于购物篮分析构建基础的物品推荐逻辑。这些能力足以应对大多数初级到中级的数据分析面试及实际工作场景。
配套资料中的源码是学习的重中之重。不要只看不练,建议按照视频顺序,逐行复现代码并运行。如果遇到报错,务必对照源码排查数据结构差异。同时,务必尝试替换案例中的数据源,用你自己手中的业务数据跑一遍同样的流程,只有当你能解释每一步输出结果的 business meaning(业务含义)时,才算真正掌握了这门课的内容。
课程目录
章节06: 第六讲:电信客户流失预警15 集
- 69. 案例讲解1.mp4 [55.9 MB]
- 71. 人工神经网络结构.mp4 [5.7 MB]
- 67. CART决策树建模原理.mp4 [4.8 MB]
- 75. 课后答疑.mp4 [20.8 MB]
- 74. BP神经网络.mp4 [31.2 MB]
- 72. 感知器.mp4 [35.3 MB]
- 63. 决策树建模思路(下).mp4 [60.2 MB]
- 73. 案例讲解2.mp4 [25.3 MB]
- 65. Quinlan系列决策树建模原理-ID3.mp4 [45.8 MB]
- 61. 课前答疑.mp4 [4.9 MB]
- 70. 神经网络基本概念.mp4 [9.8 MB]
- 64. 决策树建模基本原理.mp4 [7.1 MB]
- 62. 决策树建模思路(上).mp4 [20.0 MB]
- 66. 06Quinlan系列决策树建模原理-C4.5.mp4 [12.0 MB]
- 68. 模型修剪-以CART为例.mp4 [8.9 MB]
章节08: 第八讲:慈善机构精准营销案例17 集
- 100. 案例2:精准营销的两阶段预测模型4.mp4 [58.8 MB]
- 093. 稀疏主成分分析.mp4 [14.4 MB]
- 085. 多元统计基础与变量约减的思路.mp4 [21.7 MB]
- 088. 主成分分析理论基础3.mp4 [21.2 MB]
- 096. 答疑1.mp4 [16.6 MB]
- 099. 案例2:精准营销的两阶段预测模型3.mp4 [43.1 MB]
- 090. 主成分分析案例2【整理不易‖记得关注:CunWorkNotes】.mp4 [21.6 MB]
- 086. 主成分分析理论基础1.mp4 [21.0 MB]
- 092. 因子分析2.mp4 [9.6 MB]
- 087. 主成分分析理论基础2.mp4 [39.6 MB]
- 095. 变量聚类操作.mp4 [23.6 MB]
- 101. 答疑2.mp4 [10.1 MB]
- 098. 案例2:精准营销的两阶段预测模型2【更多精选‖公众号:CunWorkNotes 获取】.mp4 [50.7 MB]
- 089. 主成分分析案例1.mp4 [42.3 MB]
- 091. 因子分析1.mp4 [46.7 MB]
- 094. 变量聚类原理.mp4 [15.1 MB]
- 097. 案例2:精准营销的两阶段预测模型1.mp4 [50.6 MB]
章节10: 第十讲:推荐系统设计与银行产品推荐9 集
- 129. 关联规则(下).mp4 [15.0 MB]
- 126. 购物篮分析与运用.mp4 [19.5 MB]
- 124. 智能推荐(上)【整理不易‖记得关注:CunWorkNotes】.mp4 [39.7 MB]
- 128. 关联规则(中)【资源精选‖更多关注:CunWorkNotes】.mp4 [48.5 MB]
- 127. 关联规则(上)【资源精选‖更多关注:CunWorkNotes】.mp4 [31.8 MB]
- 131. 相关性在推荐中的运用【优质资源‖关注:CunWorkNotes 解锁】.mp4 [27.2 MB]
- 132. 答疑.mp4 [53.5 MB]
- 130. 序贯模型【不易整理‖请关注:CunWorkNotes】.mp4 [20.0 MB]
- 125. 智能推荐(下).mp4 [82.3 MB]
章节01: 第一讲: 数据科学家的武器库6 集
- 4. 面向应用的数据挖掘算法分类【不易整理‖请关注:CunWorkNotes】.mp4 [145.4 MB]
- 2. 以示例讲解数据建模和数学建模.mp4 [127.6 MB]
- 6. 面向应用的分类模型评估.mp4 [131.7 MB]
- 5. 各类算法的适用场景讲解.mp4 [185.7 MB]
- 3. 数据科学的统计基础.mp4 [195.8 MB]
- 1. 数据科学的概念.mp4 [113.7 MB]
章节04: 第四讲:二手房价格分析报告20 集
- 39. 作业讲解2描述性分析-1对被解释变量进行描述.mp4 [28.4 MB]
- 43. 作业讲解6建立预测模型-2无交互项的线性模型.mp4 [30.2 MB]
- 38. 第四讲作业-二手房房价影响因素分析 讲解1背景介绍.mp4 [3.8 MB]
- 40. 作业讲解3描述性分析-2对解释变量进行描述1.mp4 [23.4 MB]
- 25. 两变量关系检验方法综述【资源精选‖更多关注:CunWorkNotes】.mp4 [33.0 MB]
- 33. 相关知识点答疑.mp4 [16.5 MB]
- 44. 作业讲解7建立预测模型-3有交互项的线性模型和预测.mp4 [22.0 MB]
- 37. 课后作业与课程答疑.mp4 [23.6 MB]
- 36. 多元线性回归.mp4 [33.7 MB]
- 41. 作业讲解4描述性分析-3对解释变量进行描述2【优质资源‖关注:CunWorkNotes 解锁】.mp4 [21.5 MB]
- 34. 简单线性回归(上).mp4 [44.3 MB]
- 32. 相关分析.mp4 [16.1 MB]
- 31. 方差分析.mp4 [23.3 MB]
- 35. 简单线性回归(下).mp4 [11.7 MB]
- 42. 作业讲解5建立预测模型-1单变量显著度检验.mp4 [30.7 MB]
- 29. 假设检验与单样本T检验(下).mp4 [13.5 MB]
- 26. 参数估计简介及概念介绍(上).mp4 [43.0 MB]
- 28. 假设检验与单样本T检验(上)【更多精选‖公众号:CunWorkNotes 获取】.mp4 [29.6 MB]
- 30. 两样本T检验.mp4 [45.0 MB]
- 27. 参数估计简介及概念介绍(下).mp4 [18.4 MB]
章节03: 第三讲:信用卡客户特征分析-产品客户画像初步11 集
- 16. 描述性方法大全与Python绘图(上).mp4 [98.5 MB]
- 21. 数据整理.mp4 [24.0 MB]
- 17. 描述性方法大全与Python绘图(下).mp4 [53.8 MB]
- 19. 数据库基础.mp4 [9.5 MB]
- 15. 描述性统计与探索型数据分析(下).mp4 [55.9 MB]
- 23. 第三讲作业-信用卡客户画像 作业讲解1.mp4 [31.6 MB]
- 24. 第三讲作业-信用卡客户画像 作业讲解2.mp4 [32.9 MB]
- 22. 课后答疑.mp4 [32.4 MB]
- 14. 描述性统计与探索型数据分析(上).mp4 [56.8 MB]
- 20. 数据整合和数据清洗.mp4 [97.3 MB]
- 18. 统计制图原理.mp4 [20.5 MB]
章节05: 第五讲:汽车贷款信用评分卡制作16 集
- 56. 作业讲解5线性回归的极大似然估计.mp4 [24.6 MB]
- 50. 逻辑回归基础(下)【资源精选‖更多关注:CunWorkNotes】.mp4 [124.8 MB]
- 60. 作业讲解9最近邻域法的参数调优【不易整理‖请关注:CunWorkNotes】.mp4 [22.7 MB]
- 48. 线性回归检验(下).mp4 [83.1 MB]
- 45. 课程答疑1.mp4 [6.1 MB]
- 55. 作业讲解4极大似然估计.mp4 [23.6 MB]
- 46. 线性回归检验(上).mp4 [69.0 MB]
- 52. 第五讲作业-电信客户流失预警 作业讲解1总体介绍.mp4 [6.2 MB]
- 59. 作业讲解8流失预警模型的调优.mp4 [46.9 MB]
- 57. 作业讲解6逻辑回归的极大似然估计.mp4 [15.5 MB]
- 47. 线性回归检验(中).mp4 [98.4 MB]
- 49. 逻辑回归基础(上).mp4 [74.2 MB]
- 54. 作业讲解3矩估计2.mp4 [16.8 MB]
- 58. 作业讲解7模型调优.mp4 [41.2 MB]
- 53. 作业讲解2矩估计1.mp4 [24.3 MB]
- 51. 课程答疑2.mp4 [124.8 MB]
章节09: 第九讲:银行客户渠道使用偏好的客户洞察22 集
- 117. 客户细分.mp4 [28.0 MB]
- 104. 凸函数【整理不易‖记得关注:CunWorkNotes】.mp4 [14.0 MB]
- 123. 课后答疑.mp4 [17.8 MB]
- 116. 客户画像与标签体系.mp4 [25.5 MB]
- 110. 线性不可分的支持向量机.mp4 [15.6 MB]
- 109. 线性可分的支持向量机.mp4 [43.5 MB]
- 113. GBDT和分类模型评估(算法角度).mp4 [32.8 MB]
- 118. 聚类的基本逻辑【整理不易‖记得关注:CunWorkNotes】.mp4 [10.0 MB]
- 102. 凸优化基本概念.mp4 [28.6 MB]
- 119. 系统聚类(上).mp4 [51.5 MB]
- 111. 支持向量机使用案例.mp4 [14.6 MB]
- 122. 使用决策树做聚类后客户分析.mp4 [24.2 MB]
- 112. GBDT和分类模型评估(算法角度).mp4 [35.6 MB]
- 121. K-means聚类.mp4 [51.0 MB]
- 107. 朴素贝叶斯分类器【整理不易‖记得关注:CunWorkNotes】.mp4 [33.9 MB]
- 115. GBDT和分类模型评估(算法角度).mp4 [33.0 MB]
- 108. 支持向量机引论.mp4 [15.6 MB]
- 105. 无约束凸优化计算.mp4 [18.8 MB]
- 114. GBDT和分类模型评估(算法角度).mp4 [36.4 MB]
- 106. 有约束凸优化计算.mp4 [44.1 MB]
- 103. 凸集的概念.mp4 [7.8 MB]
- 120. 系统聚类(下).mp4 [38.4 MB]
章节02: 第二讲:Python基础7 集
- 9. Python原生态数据结构(上).mp4 [27.0 MB]
- 13. Python模块的使用.mp4 [11.3 MB]
- 7. Python介绍.mp4 [13.2 MB]
- 8. Python基础数据类型和表达式【不易整理‖请关注:CunWorkNotes】.mp4 [52.6 MB]
- 10. Python原生态数据结构(下)【不易整理‖请关注:CunWorkNotes】.mp4 [19.3 MB]
- 12. Python函数.mp4 [14.5 MB]
- 11. Python控制流.mp4 [27.3 MB]
章节07: 第七讲:个人银行反欺诈模型9 集
- 77. 欠采样.mp4 [5.9 MB]
- 84. 提升树、GBDT和XGBoost.mp4 [38.4 MB]
- 81. 集成学习概述.mp4 [67.0 MB]
- 79. 综合采样【整理不易‖记得关注:CunWorkNotes】.mp4 [6.0 MB]
- 76. 不平衡分类概述【优质资源‖关注:CunWorkNotes 解锁】.mp4 [75.7 MB]
- 78. 过采样.mp4 [8.1 MB]
- 83. Adaboost算法.mp4 [30.2 MB]
- 80. 案例讲解【整理不易‖记得关注:CunWorkNotes】.mp4 [35.9 MB]
- 82. 随机森林.mp4 [55.4 MB]





