友情链接:
合作联系
|
ASPEN培训课程
初级IT专业人员、业务分析师、希望进入数据科学领域的新手，具备基础数据分析概念。
掌握预测分析的核心概念和基本流程，能够进行数据收集与预处理、探索性数据分析，构建基础统计模型并评估模型性能，为进阶学习打下坚实基础。
一、 预测分析核心概念：讲解预测式AI的定义、应用场景和商业价值，理解预测分析与传统数据分析的区别。
二、 数据收集与预处理：学习从各种数据源收集数据的方法，掌握数据清洗、格式转换、缺失值处理等预处理技术。
三、 数据探索与可视化：使用统计图表和可视化工具探索数据分布、识别异常值，发现数据中的初步模式和关系。
四、 描述性统计分析：掌握均值、中位数、标准差、分位数等描述性统计指标的计算和解读。
五、 相关性分析基础：学习计算变量间相关系数的方法，理解相关性与因果性的区别。
六、 简单线性回归：掌握一元线性回归的原理和实现，学习回归系数的解释和显著性检验。
七、 多元线性回归：扩展到多个预测变量的回归模型，学习多重共线性识别和处理方法。
八、 逻辑回归基础：理解逻辑回归在二分类问题中的应用，学习概率预测和分类阈值的选择。
九、 模型性能评估：掌握回归模型的评估指标（MSE、RMSE、MAE）和分类模型的评估指标（准确率、精确率、召回率）。
十、 过拟合与欠拟合：理解模型拟合问题的本质，学习偏差-方差权衡的基本概念。
十一、 特征选择入门：学习简单的特征选择方法，理解特征对模型性能的影响。
十二、 案例实战：简单销售预测：基于历史销售数据，完成从数据探索到模型构建和预测的完整入门项目。
