機器數(shù)據(jù)競賽實戰(zhàn)專題螞蟻金服支付風(fēng)險識別培訓(xùn)班

【課程特色】

本次課程對螞蟻金服競賽業(yè)務(wù)背景做了簡單介紹，講述了數(shù)據(jù)分析在拿到數(shù)據(jù)之后應(yīng)該如何開始數(shù)據(jù)探索，如何跑出模型baseline，如何通過可視化及模型輸出進(jìn)行特征選擇，如何理解自定義的評價函數(shù)，如何用合理的方式記錄上分情況而不發(fā)生混亂，如何充分利用傳統(tǒng)模型和競賽殺器，如何根據(jù)模型原理進(jìn)行調(diào)參，如何尋找準(zhǔn)而不同的模型并做出最 優(yōu)的機器學(xué)習(xí)模型融合，以及最終如何將每一步串聯(lián)到一起拿到最 優(yōu)模型結(jié)果

【招生對象】

有一定基礎(chǔ)的學(xué)員

【上課時間】

周一到周日9-18點

【學(xué)習(xí)目標(biāo)】

大化提升實戰(zhàn)能力

取得數(shù)據(jù)科學(xué)競賽TOP名次

拿到比賽豐厚獎金

斬獲名企offer

【學(xué)習(xí)周期】

320課時

【師資力量】

吳昊天

擅長數(shù)據(jù)架構(gòu)、數(shù)據(jù)分析

教學(xué)經(jīng)驗8年

電子科技大學(xué)大數(shù)據(jù)中心

CDA數(shù)據(jù)分析研究院技術(shù)負(fù)責(zé)人兼高級講師

趙仁乾

擅長數(shù)據(jù)架構(gòu)、數(shù)據(jù)分析

教學(xué)經(jīng)驗7年

北京郵電大學(xué)管理科學(xué)與工程碩士

北京電信規(guī)劃設(shè)計院

辛立偉

擅長數(shù)據(jù)架構(gòu)、數(shù)據(jù)分析

教學(xué)經(jīng)驗20年

CDA數(shù)據(jù)分析研究院講師

SUN中國社區(qū)會員

【課程內(nèi)容】

01章新手上路

01-01說在前面

01-02初識數(shù)據(jù)科學(xué)競賽

01-03支付寶欺詐風(fēng)險識別項目導(dǎo)學(xué)

01-04機器學(xué)習(xí)環(huán)境:jupyter使用

01-05機器學(xué)習(xí)常用庫（pandas,scikit-learn）

01-06從業(yè)務(wù)場景認(rèn)識比賽數(shù)據(jù)

01-07數(shù)據(jù)初探索

01-08快速搭建baseline版本

01-09如何制作線下科學(xué)驗證體系

01-10比賽常用回歸任務(wù)評價指標(biāo)

01-11比賽常用分類任務(wù)評價指標(biāo)

01-12支付寶反欺詐自定義評價函數(shù)

01-13數(shù)據(jù)內(nèi)存優(yōu)化技巧

01-14數(shù)據(jù)交叉驗證

01-15使用內(nèi)置cross_validate接口交叉驗證

01-16使用logsitic分類模型

01-17使用KNN分類模型

01-18使用Adaboost分類模型

01-19使用Bagging分類模型

01-20使用RandomRorest分類模型

01-21使用GBDT分類模型

01-21scikit-learn各分類模型對比分析

02章玩轉(zhuǎn)機器學(xué)習(xí)競賽兩大殺器

02-01LightGBM采用scikit-learn方式調(diào)用

02-02LightGBM經(jīng)典方式調(diào)用

02-03LightGBM交叉驗證

02-04LightGBM參數(shù)解析

02-05LightGBM輸出特征重要性

02-06LightGBM高級用法

02-07XGBoost使用

02-08XGBoost參數(shù)解析

02-09LightGBM和Xgboost自定義目標(biāo)函數(shù)

02-10XGBoost與LightGBM對比分析

02-11LightGBM原理深度解析

03章數(shù)據(jù)處理與特征工程中的騷操作

03-01數(shù)據(jù)探索與處理

03-02數(shù)據(jù)缺失值分析

03-03缺失值高級處理

03-04特征分析

03-05通過Adversarial訓(xùn)練方式試探訓(xùn)練集和測試集分布

03-06特征的IV和WOE編碼

03-07基于模型的特征選擇

03-08基于scikit-learn中RFECV的特征選擇

03-09使用熱力圖分析特征相關(guān)性

03-10使用核密度圖分析特征相關(guān)性

03-11類別不平衡分析

03-11類別不平衡分析

03-12基于模型的類別不平衡處理

03-13基于數(shù)據(jù)采樣的類別不平衡處理

03-14灰樣本拒絕推斷方案

03-15多種方式特征選擇

03-16特征分布不均勻的處理策略

03-17困難樣本分析

04章模型花式融合調(diào)參

04-01網(wǎng)格搜索優(yōu)化模型參數(shù)

04-02貝葉斯方法優(yōu)化模型參數(shù)

04-03機器學(xué)習(xí)比賽中隨機種子的作用

04-04模型的偏差與方差分析

04-05準(zhǔn)而不同模型選擇策略

04-07stacking的模型融合策略

04-08模型之間的相關(guān)性分析

04-09螞蟻金服項目方案整合

【教學(xué)現(xiàn)場】

【學(xué)員風(fēng)采】

【機構(gòu)環(huán)境】

【發(fā)展歷程】

2006年 開展數(shù)據(jù)統(tǒng)計、計量實戰(zhàn)，學(xué)術(shù)研究等相關(guān)培訓(xùn)視頻和現(xiàn)場班

2007年 開展數(shù)據(jù)統(tǒng)計、數(shù)據(jù)分析相關(guān)培訓(xùn)班

2011年 隨著大數(shù)據(jù)熱潮的來臨，依托累計上萬類共享資料，多年沉淀師資團隊，論壇召集多位專家，研發(fā)CDA數(shù)據(jù)分析師體系

2013年CDA數(shù)據(jù)分析師品牌成立，提供系統(tǒng)化的大數(shù)據(jù)、數(shù)據(jù)分析人才培養(yǎng)和認(rèn)證

2014年 CDA INSTITUTE 成立 ,并推出第 一屆全國CDA數(shù)據(jù)分析師認(rèn)證考試

2015年第 一屆中國數(shù)據(jù)分析師行業(yè)峰會（CDAS）在9月11日成功舉辦，參會人數(shù)逾3000人

2016年 CDA匯聚海內(nèi)外大數(shù)據(jù)、數(shù)據(jù)分析專家上千人，推出就業(yè)班、數(shù)據(jù)科學(xué)家訓(xùn)練營、企業(yè)內(nèi)訓(xùn)、CDA俱樂部等多個項目

2017年整合論壇與CDA數(shù)據(jù)分析師業(yè)內(nèi)資源，形成數(shù)據(jù)分析領(lǐng)域生態(tài)圈，并進(jìn)一步升級CDA企業(yè)內(nèi)訓(xùn)體系，正式推出大數(shù)據(jù)實驗室

2018年北上廣深等多個城市均有校區(qū)；擁有200多位專業(yè)師資；培養(yǎng)學(xué)員超過3萬人，每年6月/12月全國28個城市舉辦CDA認(rèn)證考試

2019年已舉辦九屆數(shù)據(jù)分析師認(rèn)證考試，得到業(yè)界廣泛認(rèn)可，學(xué)員遍布各大知名企業(yè)。人工智能產(chǎn)品“好學(xué)AI”問世，引領(lǐng)DT時代新一波技術(shù)培訓(xùn)浪潮

【機構(gòu)榮譽】

IBM大學(xué)戰(zhàn)略合作伙伴

電子工業(yè)出版社 優(yōu)秀合作者

教育管理信息化專業(yè)委員會理事單位

2018年度職業(yè)教育人才培訓(xùn)品牌機構(gòu)

2018年度大數(shù)據(jù)影響力先鋒企業(yè)

2018入選教育部產(chǎn)學(xué)合作協(xié)同育人項目

網(wǎng)易云課堂2017年度最 佳服務(wù)獎

2017年度中國互聯(lián)網(wǎng)+ 最 佳培訓(xùn)機構(gòu)獎

中國大數(shù)據(jù)產(chǎn)業(yè)生態(tài)聯(lián)盟理事單位

【機構(gòu)簡介】

目前，CDA已與國內(nèi)100多所高校進(jìn)行了戰(zhàn)略合作，建立了CDA數(shù)據(jù)分析師考試中心及人才培養(yǎng)基地；已出版30多本CDA數(shù)據(jù)分析師系列叢書，市場發(fā)行量數(shù)萬冊；已進(jìn)行500多期線上線下數(shù)據(jù)分析及大數(shù)據(jù)培訓(xùn)課程，培養(yǎng)學(xué)員10萬+人次；已在全國70+城市舉辦15屆CDA數(shù)據(jù)分析師認(rèn)證考試，報考考生數(shù)萬人；已開展了四屆中國數(shù)據(jù)分析師行業(yè)峰會（CDA SUMMIT），每屆參會人數(shù)3000多人；中國數(shù)據(jù)分析師俱樂部（CDA CLUB）每周舉辦各類型線上線下沙龍會議、公開課等活動共1000多期。