[Spark/Scala/Kafka] 金融数据科学与商业实践 Python+Spark金融风控/客户预警/信用评分卡实战应用 企业内训

资源简介

欢迎参加金融数据科学与商业实践课程！本课程将带您深入探索Python和Spark技术在金融领域的应用，涵盖金融风控、客户预警、信用评分卡和企业内训等多个方面。

在这个课程中，我们将通过实际案例，详细介绍如何利用Python和Spark进行数据科学建模和分析。您将学习到数据预处理、特征工程、模型训练和评估等技术，以及如何将这些技术应用于金融领域的各个场景。

通过本课程的学习，您将掌握Python和Spark技术在金融数据分析中的核心技能，为金融行业的实践应用提供强大支持。无论您是金融从业者还是数据科学家，本课程都将为您提供宝贵的经验和知识，助您在职业发展中取得更大的成功。

===============课程目录===============

├─1 数据科学概述.mp4
├─10 数据科学家的角色及功能.mp4
├─11 数据科学家的能力范畴.mp4
├─12 CRM 数据分析涉及的技术与业务.mp4
├─13 CRM 数据挖掘常用分类算法举例（上）.mp4
├─14 CRM 数据挖掘常用分类算法举例（下）.mp4
├─15 金融行业客户生命周期价值在企业中的实际应用.mp4
├─16 金融行业客户获取与价值预测在企业中的实际应用.mp4
├─17 金融行业初始和行为信用评级在企业中的实际应用.mp4
├─18 金融行业客户洞察原理及在企业中的实际应用.mp4
├─19 金融行业交叉销售原理及在企业中的实际应用.mp4
├─2 数据科学的应用场景.mp4
├─20 金融行业复杂网络反欺诈原理及在企业中的实际应用.mp4
├─21 金融行业客户流失预测与挽留在企业中的实际应用.mp4
├─22 基于客户生命周期的数据分析代码案例（上）.mp4
├─23 基于客户生命周期的数据分析代码案例（下）.mp4
├─24 案例：实战个人贷款违约预测模型（一）.mp4
├─25 案例：实战个人贷款违约预测模型（二）.mp4
├─26 案例：实战个人贷款违约预测模型（三）.mp4
├─27 案例：实战个人贷款违约预测模型（四）.mp4
├─28 案例：实战个人贷款违约预测模型（五）.mp4
├─29 案例：实战个人贷款违约预测模型（六）.mp4
├─3 数据科学与客户智能.mp4
├─30 案例：实战个人贷款违约预测模型（七）.mp4
├─31 案例：实战个人贷款违约预测模型 - 基于PySpark的实现 （上）.mp4
├─32 案例：实战个人贷款违约预测模型 - 基于PySpark的实现 （下）.mp4
├─33 案例：实战银行零售产品的交叉营销 - 场景、原理与企业应用 .mp4
├─34 案例：实战银行零售产品的交叉营销 - 关联规则挖掘算法.mp4
├─35 案例：实战银行零售产品的交叉营销 - 购物车算法分析.mp4
├─36 案例：实战银行零售产品的交叉营销 - Python+Spark大数据开发环境搭建（上）.mp4
├─37 案例：实战银行零售产品的交叉营销 - Python+Spark大数据开发环境搭建（下）.mp4
├─38 案例：实战银行零售产品的交叉营销 - 关联规则算法代码实现（基于PySpark）.mp4
├─39 案例：实战银行零售产品的交叉营销 - 关联规则算法详解.mp4
├─4 数据科学基本概念.mp4
├─40 案例：实战银行零售产品的交叉营销 - Apiri算法原理及代码实现（基于PySpark）.mp4
├─5 案例：利用RFM营销模型代码演示分析流程（一）.mp4
├─6 案例：利用RFM营销模型代码演示分析流程（二）.mp4
├─7 案例：利用RFM营销模型代码演示分析流程（三）.mp4
├─8 案例：利用RFM营销模型代码演示分析流程（四）.mp4
├─9 案例：利用RFM营销模型代码演示分析流程（五）.mp4
├─课程配套资料.rar