当前，数据不仅是企业的核心资产和重要战略资源，也是重要的生产要素。数据资产已日益成为企业抢占未来发展主动权的前提和保障。国务院国资委在颁布的《关于加快推进国有企业数字化转型工作的通知》中强调要深入挖掘数据价值。用好数据，不仅能够帮助企业洞察市场变化和趋势，降低风险，还能提高决策效率，进一步提升企业核心竞争力。

本课程为 CDA数据分析师 LEVEL Ⅲ 认证考试 配套学习视频，适用于企事业单位中、后台人员，包括风控建模、精准营销、综合算法建模等岗位人员。具备开展数据挖掘能力。

【CDA认证体系简介】

CDA数据科学研究院基于先进企业的实践，提出了企业数智化需要具备的数据人才能力模型。企业中的数据分析任务分为业务现状描述、问题归因分析、个体行为预测，这就要求数据人才具备能描述现状、分析原因、预测行为的能力。数据人才的范围也不限于数据分析师和数据挖掘工程师，还包括经营决策者和业务骨干。

业务问题归因分析和策略优化是企业中数据分析任务的核心，对上游的现状描述提出建立完备的指标体系和报表可视化需求，对下游的预测分析提供算法模型的应用场景。CDA数据分析能力认证体系根据归因分析和策略优化的应用深度，以及从宏观业务分析到微观个体预测的技术难度，设计了CDA一级至三级的学习内容，并对各类分析工具的掌握提出了相应的要求。通过分级课程来帮助数据人才全面掌握从业务问题归因到策略优化的能力。

CDA一级主要讲解商业分析所涉及的评价指标体系的构建、用户基础标签的构建与用户画像、定性和指标归因分析、战略及业务分析报告等商业数据分析技术；

CDA二级主要讲解客户运营、流程分析和策略优化所涉及的用户高级标签的构建、模型归因分析、预测模型等业务宏观分析与客户微观洞察相融合的技术；

CDA三级主要讲解企业数据挖掘体系构建，在机器学习运营（MLOps）的框架下设计、开发、落地数据挖掘模型，包括机器学习经典算法及案例、算法模型管理等技术。教材在工具实现上选择企业中应用最为广泛的数据库语言SQL和编程语言Python等。

【课程收益】

1、证明掌握从事营销、风控等业务数据挖掘思路、分析技能、必备软件操作技能。

2、掌握数据挖掘的方法，能够构进行精准营销、信用风险、反欺诈等算法模型的构建。

【课程特点】

1、取材于业界标杆企业和顶级咨询公司的行业实践；

2、Python作为技术实现工具。

【课程对象】

1、营销、风控、科技、数据部门的技术骨干人员

2、数据分析师、数据挖掘工程师、数据科学家等人员

【讲师介绍】

李御玺

台湾铭传大学教授/中华数据挖掘协会理事，台湾大学博士，CDA认证考试委员会专家成员，最受欢迎讲师之一。在其相关研究领域已发表超过260篇以上的研究论文，同时也是国科会与 教育部多个相关研究计划的主持人。其还兼任厦门大学数据挖掘中心顾问，中国人民大学数据挖掘中心顾问，IBM SPSS-China顾问。服务过的客户包括：中国工商局、重心银行、台新银行等。

常国珍

北京大学博士，CDA数据科学研究院院长，曾任毕马威咨询大数据总监。中国大数据产业生态联盟专家委员会委员，腾讯云最有价值专家（TVP）。著有《CDA一级认证教材:商业数据分析》、《CDA二级认证教材:量化策略分析》、《CDA三级认证教材：敏捷数据挖掘》、《金融数据分析和数据挖掘案例实战》、《数字化管理师能力评价与培养》、《金融商业数据分析：基于Python和SAS》、《金融商业算法建模：基于Python和SASEM》、《Python 数据科学：技术详解与商业实践》、《用商业案例学 R 语言数据挖掘》、《胸有成竹：数据分析的SASEG 进阶》等多本著作。

【课程大纲】

PART 1 数据挖掘概论

a.数据挖掘概要

b.数据挖掘方法论

c.基础数据挖掘技术

d.进阶数据挖掘技术

PART 2 高级数据处理与特征工程

a.高级数据处理

b.特征工程概要

c.特征建构

d.特征选择

e.特征转换

f.特征学习

PART 3 自然语言处理与文本分析

a.自然语言处理概要

b.分词与词性标注

c.文本挖掘概要

d.关键词提取

e.文本非结构数据转结构

PART 4 机器学习算法

a.朴素贝叶斯

b.决策树（分类树及回归树）

c.神经网络与深度学习

d.支持向量机

e.集成方法

f.聚类分析

g.关联规则

h.序列模式

i.模型评估

PART 5 机器学习实战

a.自动机器学习

b.类别不平衡问题

c.半监督学习

d.模型优化

学习入口：https://edu.cda.cn/goods/show/3838?targetId=6747&preview=0