项目一用户评分自动化处理

项目介绍：

项目描述:只给出半张人脸，使用算法，自动补全另一半人脸，想要掌握这项技能，刑侦部门素描室，往往需要经过十几年的训练，我们使用算法，以非常 核心技术:主要用到一系列回归算法

业务：

1.pandas 数据读取

2. 异常数据清晰、空值处理

3.根据评分表打分

4. 本地化

技术应用点：

1.pandas 数据分组 groupby

2.map 映射

3.pandas 数据预处理

4.Excel 数据预处理

5.数据分析报告

淘宝用户行为数据分析

项目介绍：

针对淘宝 app 的运营数据，以行业常见指标对用户行为进行分析，包括 UV、PV、新增用户分析、漏斗流失分析、留存分析、用户价值分析、复购分析等内容； 本文使用的分析工具以 MySQL 为主，涉及分组汇总，引用变量， 视图，关联查询等内容。

业务：

1. 基于 AARRR 漏斗模型，使用常见电商分析指标，从新增用户数量、各环节转化率、新用户留存率三个方面进行分析

2. 确定影响新增用户数量的因素，找到需要改进的转化环节，发现留存现存问题

3. 研究用户在不同时间尺度下的行为规律，找到用户在不同时间周期下的活跃规律

4. 找出最具价值的核心付费用户群，对这部分用户的行为进行分析 5. 找到用户对不同种类商品的偏好，制定针对不同商品的营销策略

技术应用点：

1.AARRR 模型

2. 电商分析常用指标

3.Pandas 数据清洗

4.Groupby 函数、交叉表、透视表

5.Matplotlib+Searborn 可视化

金融公司风控系统

项目介绍：

信用风险指的是交易对手未能履行约定合同中的义务造成经济损失的风险，即受信人不能履行还本付息的责任而使授信人的预期收益与实际收益发生偏离的可能性，它是金融风险的主要类型。借贷场景中的评分卡是一种以分数的形式来衡量风险几率的一种手段，也是对未来一段时间内违约、逾期、失联概率的预测。一般来说，分数越高，风险越小。

业务：

1.获取存量客户及潜在客户的数据

2.EDA 探索性数据分析

3.数据预处理

4.特征选择 +LDA 分析

5.模型开发

6.模型评估

7. 模型实施与检测报告

技术应用点：

1.Pandas 数据分箱操作

2.OneHotEncoder 独热编码

3.Pandas 数据清洗

4.Logistic 逻辑斯蒂回归

5.GBDT 6.LDA

购物网站用户画像

项目介绍：

用户点击流日志收集、用户画像建模、推荐对象画像建模、数据实时计算平台、数据离线计算平台、推荐算法模型、协同过滤算法，使用 python 最流行的 scikit-learn 实现的聚类分析项目。聚类分析是机器学习中非常重要的算法，此项目主要利用 KMeans 对附近的用户进行聚类分析，达到针对不同用户采用不同的商业推广方案的目的。

业务：

1.构建用户画像

2. 用户行为分析

3. 用户推荐系统

4. 潜在客户挖掘

技术应用点：

1.RFM

2.Kmeans

3.Apriori 关联分析

4. 协同过滤

基于电商用户文本挖掘

项目介绍：

想要用产品价值撬动一个用户，同纬度竞争别家的先发优势门槛太高，如果别家体量很大，基本可以放弃。创新可能就是剩下的活路，而面对互联网的高速发展，线下需求基本都被互联网化，切入点可能就转移到细分市场。

业务：

1. 了解项目公司的背景和对接人员情况

2. 沟通明确实际的项目需求

3. 根据项目需求梳理分析思路

4. 确定分析工具和人员配置 , 进行数据分析

5. 撰写分析结论和方案

技术应用点：

1.Jieba 分词

2.WordCloud 词云

3. 朴素贝叶斯

4. 波士顿矩阵

5.Pandas 数据处理

6.Matplotlib+Seaborn 可视化处理

7.Logistic 回归

目标检测介绍

项目介绍：

目标检测，人脸识别在企业方方面面都有广泛应用。在安防，智能家居更是前景广阔，本案例通过学习 Opencv 与 dlib 进行目标检测与人脸识别。

业务：

1. 环境安装

2. 人脸识别，人脸关键点识别

3. 视频和摄像头人脸识别

4. 自己训练分类器

技术应用点：

1.Tensorflow

2. 神经网络

3.Opencv

4.dlib

（深度学习）图片风格迁移

项目介绍：

通过深度学习算法，制作自己的艺术抽象画。

业务：

1. 数据准备

2.Tensorflow 深度神经网络搭建训练

3. 模型预测

技术应用点：

1.Tensorflow

2. 神经网络

3.Opencv

4.CNN\RNN