课程详情
课程背景
近些年，由于以社交网站、基于位置的服务LBS 等为代表的新型信息产生方式的涌现，以及云计算、移动和物联网技术的迅猛发展，无处不在的移动、无线传感器等设备无时不刻都在产生数据，数以亿计用户的互联网服务时时刻刻都在产生着数据交互，大数据时代已经到来。在大数据时代,互联网络、社交平台等的覆盖范围正在不断的扩大,大量的增加了各种各样的数据信息,尽管其中包含的有价值的信息比较多,但要想将此类信息价值充分发挥出来,需在海量数据信息中xin挖掘出有用的数据,如何分析、管理、利用大数据，在大量的数据中找到有意义的模式和规则，这些工作仍将面临很大的挑战。
课程收益
了解数字化转型的内涵，数字化转型的发展阶段和带来的业务转型创新，掌握公司数字化转型的主要流程；了解大数据挖掘的主要方法。
课程特色
内容全mian、重dian清晰
课程对象
国央企、大型上市公司财务部门、财务共享中xin、互联网金融等部门中高ji管理人员；
金融科技行业从业人员；
高新科技行业从业人员；
课程时间
1天
课程大纲
一、数字化转型的发展
1.数字化转型的内涵，数字化转型的发展阶段和带来的业务转型创新。
2.数字化转型的流程
二、人工智能与大数据
1.什么是大数据、大数据原理，数据分析和数据管理
2.人工智能的概念、人工智能技术（自然语言处理、统计机器学习、知识图谱技术、数据可视化技术、数据虚拟化技术）
3.介绍数据挖掘主要步骤，包括：数据获取、数据整理、假设与建模、模型训练与调整、评估与解释、操作或实施、优化。
4.大数据与统计学的区别
三、数据描述性统计与数据可视化
1.数据描述性统计：数据分布特征；介绍几个统计指标：偏度、峰度等
2.数据描述性统计的意义
3.数据可视化工具：类别比较型图表、数据关系型图表、数据分布型图表、时间序列型图表、局部整体型图表
四、数据预处理
1.预处理的步骤：数据获取、数据转换、数据清洗等
2.数据异常值的判断和处理方式
五、数据集统计检验
1.假设检验
2.信度检验
3.正态检验
4.其他统计检验方法：T检验、F检验、卡方检验
六、数据相关性与方差分析
1.相关性分析的概念、适用领域、分析方法
2.相关性分析工具：散点图、相关系数
3.方差分析：单因素方差分析、双因素方差分析、协方差分析
七、主成分分析与聚类分析
1.主成分分析概念及原理、优势
2.聚类分析基本概念、聚类分析方法（系统聚类法、K-均值法、模糊聚类法、有序样品的聚类）
八、时间序列数据分析
1.时间序列数据分析法概念、特点、可能存在的问题
2.主要模型：算数平均法、加权移动平均法、指数平滑法、长期趋势法
3.时间序列数据模型应用：季节变动预测法、自回归模型、移动平均模型、自回归移动平均模型。
九、回归分析与数据学习
1.线性回归概念与应用，一元线性回归和多元线性回归、蕞小二乘法
2.多项式回归概念与应用
3.回归决策树
4.随机森林决策模型
5.深度学习
6.人工神经网络
