商务数据分析

赵卫东

目录

  • 1 课程介绍
    • 1.1 基本情况
    • 1.2 课程大纲
    • 1.3 学习建议
    • 1.4 课程规则
  • 2 商务智能概论
    • 2.1 课程概述
    • 2.2 商务智能概念
    • 2.3 商务智能的价值和功能
    • 2.4 商务智能的应用
    • 2.5 章节习题
  • 3 商务智能系统架构
    • 3.1 商务智能系统组成
    • 3.2 商务智能系统架构|
    • 3.3 商务智能系统架构II
  • 4 数据仓库**
    • 4.1 数据仓库概述
    • 4.2 数据仓库结构
    • 4.3 元数据
    • 4.4 操作数据存储
    • 4.5 数据仓库模型
    • 4.6 医保数据仓库设计
  • 5 在线分析处理
    • 5.1 在线分析处理基本概念
    • 5.2 在线分析处理操作
    • 5.3 OLAP操作语言
    • 5.4 OLAP分类
    • 5.5 章节习题
  • 6 可视化分析
    • 6.1 可视化分析基础
    • 6.2 超市销售数据的可视化分析@
    • 6.3 章节习题
  • 7 数据挖掘基础
    • 7.1 数据挖掘概论
    • 7.2 数据挖掘的过程
    • 7.3 数据挖掘的预处理
    • 7.4 数据挖掘的原语和语言
    • 7.5 数据挖掘隐私保护、应用领域
    • 7.6 章节习题
  • 8 分类分析I
    • 8.1 决策树基本概念、ID3、CART算法
    • 8.2 CHAID、C4.5算法、分类模型评估
    • 8.3 集成算法*
    • 8.4 章节习题
    • 8.5 测试题
  • 9 分类分析II
    • 9.1 贝叶斯分类器
    • 9.2 支持向量机*
    • 9.3 BP神经网络*与k最近邻算法
    • 9.4 章节习题
  • 10 聚类分析
    • 10.1 聚类分析基本概念
    • 10.2 k-means算法
    • 10.3 层次型聚类算法和k-prototype算法
    • 10.4 基于密度聚类
    • 10.5 kohonen算法
    • 10.6 章节习题
  • 11 关联分析
    • 11.1 关联分析基本概念
    • 11.2 Apriori和FP-growth算法
    • 11.3 序列模式
    • 11.4 章节习题
  • 12 回归分析
    • 12.1 回归分析基本概念@
    • 12.2 回归分析基础
    • 12.3 线性回归
    • 12.4 非线性回归
    • 12.5 零售企业商品销售回归预测
    • 12.6 电缆质量管理案例
    • 12.7 章节习题
  • 13 实验
    • 13.1 网页数据抓取
    • 13.2 银行客户流失分析
    • 13.3 集装箱危险品瞒报预测
    • 13.4 更多实验
基本情况

1.我为什么要学习这门课?

企业对数据分析的人才需求增大,与之密切相关的数据科学家、数据挖掘工程师、大数据分析师、机器学习工程师等数据分析类人才成为本世纪最有吸引力的职业。根据相关企业估计,上述人才的增长高峰将持续6-8年。为此,教育部批准了一批高校成立了数据科学与大数据技术、大数据应用、智能科学与技术、人工智能等相关专业,为业界培养相应的机器学习专业人才。本课程就是对机器学习感兴趣的学员准备的。 

2.这门课的主题是什么?

商务数据分析利用机器学习等方法对商务数据进行分析,以提决策的质量。本课程主要介绍机器学习的基本方法,涵盖了统计学习基础、分类、聚类、回归分析等基本的内容。 

3.学习这门课可以获得什么?

从早期的统计学习、发展到联结主义的神经网络、直至深度神经网络的过程中,机器学习解决了企业应用的一些问题,辅助业务人员和管理人员做出更好的决策,在一些应用领域已经达到甚至超过人的智能水平,从而引发机器学习在金融、智能制造、零售、电子商务、电信等众多行业的广泛应用。通过本课程的学习,使学员可以初步了解机器学习的常用算法以及典型的应用领域,为更深入地学习高级机器学习以及实战打下基础。

4.这门课的目标是什么?

商务智能是一门理论和实践并重的课程,其中的内容比较多,很多算法也有一定的难度。机器学习的应用也需要一定的经验和技巧。通过本课程的学习,需要掌握机器学习的基本概念、常用算法,并在此基础上应用于相关领域,培养一定的分析实际问题的能力。在此基础上可以钻研机器学习高级的算法。课程通过大量的选择题、填空和判断题检验和巩固学员对基本知识的理解,并通过案例研讨和实验培养应用技能。

5.预备知识

学习本课程前需要掌握需要有较扎实的统计学、高等数学、线性代数、Python编程等基础。

6.主讲老师介绍

复旦大学计算与智能创新学院副教授,主要负责本科生和各类研究生机器学习、深度学习应用等课程的教学,被评为教育部在线教育研究中心“智慧教学之星”。商务智能被评为上海市精品课程(2012年)、获得2013年高等教育上海市教学成果奖二等奖和2022年一等奖,获得2024年第四届上海市教师教学创新大赛一等奖。入选2023-2024年度高校计算机专业优秀教师奖励计划。获得2022年教育部-华为智能基座项目深度学习课程优秀课件,入选2024年教育部-华为‘智能基座’优秀教师奖励计划,2022年和2024年教育部产学合作协同育人项目优秀项目案例,2024年CCF教学案例大赛一等奖,第7届CCF开源大赛案例赛道特等奖。2025年第九届华为ICT大赛教学赛特等奖。2026年长三角高校“超星杯”智慧教与学大赛一等奖。深度学习及其应用国家一流课程负责人。目前主要研究方向包括机器学习和深度学习应用、电子推荐和大数据分析等。主持国家自然科学基金2项、国家重点研发计划子课题、上海市浦江人才以及企业合作课题等40多项。已在Knowledge and Information Systems ,Information Processing & Management,Information Systems Frontiers,Intelligent Data Analysis,Applied Intelligence等国内外刊物发表论文100多篇。在《计算机教育》等刊物发表教学论文10多篇,主持几十项教育部产学协同育人项目。出版著作《智能化的流程管理》以及教材《商务智能(第6版)》《深度学习及其应用》《机器学习(第3版)》((第2版被评为工信部十四五规划教材、复旦大学精品教材、2024年复旦大学优秀教材一等奖、第九届华为ICT大赛教学赛-优秀教材)《机器学习案例实战(第2版)》(十四五”职业教育国家规划教材)《Python机器学习实战案例(第2版)》《数据挖掘实用案例分析(第2版)》《深度学习实战案例》等10多部。获得上海市2015年上海市科技进步二等奖。CDA三级认证数据科学家,腾讯云、百度云机器学习认证讲师和阿里云MVP。多年来积极实践项目沉浸式教学改革,把与企业合作的实际项目成果融入到课程深度教学,努力成为双师型教师。