 班级规模及环境--热线:4008699035 手机:15921673576( 微信同号) |
|
每期人数限3到5人。 |
| 上课时间和地点 |
上课地点：【上海】：同济大学(沪西)/新城金郡商务楼(11号线白银路站) 【深圳分部】：电影大厦(地铁一号线大剧院站)/深圳大学成教院 【北京分部】：北京中山学院/福鑫大楼 【南京分部】：金港大厦(和燕路) 【武汉分部】：佳源大厦（高新二路） 【成都分部】：领馆区1号（中和大道） 【沈阳分部】：沈阳理工大学/六宅臻品 【郑州分部】：郑州大学/锦华大厦 【石家庄分部】：河北科技大学/瑞景大厦 【广州分部】：广粮大厦 【西安分部】：协同大厦
最近开课时间(周末班/连续班/晚班）：2020年3月16日 |
| 实验设备 |
☆资深工程师授课
☆注重质量
☆边讲边练
☆合格学员免费推荐工作
★实验设备请点击这儿查看★ |
| 质量保障 |
1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
2、培训结束后,授课老师留给学员联系方式,保障培训效果,免费提供课后技术支持。
3、培训合格学员可享受免费推荐就业机会。 |
课程大纲 |
一、 课程背景
经济30年快速发展，正在使我们渐渐窥探到数据时代的特征，随着企业级数据的积累，相应的使现代统计软件分析过程也发生变化，由传统基本的数据挖掘技术，渐渐趋向于数据库技术应用。与此同时各家软件相应推出应对策略，像SAS、STATA、SPSS三大统计软件，相序推出多线程、分布式等数据处理技术，这对于企业日益庞大的数据现状来说，无疑在一定程度上缓解了大数据处理的压力。SPSS2.0的推出，在海量数据分析方面有了显著改善，同时SPSS兼备数据管理、数据库访问等技术，这在企业数据处理方面可以说是很完备的。通过案例演示，帮助学员更好的掌握SAS工具的使用。
二、 培训收益
1. 了解SAS基本概念；
2. 理解SAS语言；
3. 掌握SAS数据集；
4. 了解SAS常用统计；
5. 通过案例掌握SAS软件工具的基本使用；
6. 通过案例掌握SAS软件工具的数据管理技巧；
7. 通过案例掌握SAS软件工具的数据处理技巧；
8. 了解SAS EM基本知识和工具的使用；
9. 掌握SAS EM工具进行数据挖掘的实例；
10. 使学员掌握SAS的界面使用和基本编程使用，为学习和应用SAS的其他功能奠定坚实的基础。
11. SAS技术与岗位需求零距离，使学员能够快速有效的了解和处理企业数据要求。
三、 培训大纲
培训模块 培训内容
SAS软件概述 1. SAS软件简介
2. SAS软件的使用基础
3. SAS语言的语句和程序
4. 建立SAS数据集
1) SAS数据集概述
2) SAS数据集的建立
3) SAS数据集的修改
5. 常用统计描述
1) 定量资料的统计描述
2) 定性资料统计描述
SAS软件应用之数据管理（一） 企业的数据收集主要涉及3个方面：原始数据录入、数据文件读入和数据库的访问，这些我们将在前三节具体介绍，这里以实际企业要求为背景，强调学员的上机动手实践能力。
1. 数据获取。
企业需求：数据库访问、外部数据文件读入、
案例分析：访问db2、oracle、teradata等数据库、以及不同格式文件的导入，如spss、excel、stata等软件的数据文件。
2. 数据管理。
企业需求： 对大型数据进行编码、清理、转换。
案例分析： 介绍SAS/base的编程技术。
SAS软件应用之数据管理（二） 1) data步：
文件操作语句:数据的访问、整合、输出
Input、put、File、Set、Merge、Infile
运行语句:程序运行
赋值和累加语句：Stop、abort、Where、output、Call；
2) 控制语句: 控制程序的运行
Do、If、Return、Go to、Link、Continue、leave、select(do)；
3) 信息语句:数据集信息管理；
Array、Informat、Format、Drop和keep、Retain、Attrib；
数据库语言SAS/SQL:汇总、检索数据；
SAS软件应用之数据管理（三） 3. 数据探索和报表呈现。
企业需求： 对企业级数据进行探索，主要涉及图表的使用。
案例分析： 企业绩效文件，如何生成美观清晰的报告。
1）Means、Standard Univariate描述变量信息。
2）insight的数据探索过程。
3）SAS的tabulate制表过程绘制精美表格。
4. SAS高级程序语言宏程序。
企业需求： 宏程序可以增强普通程序的使用效率，减少重复性质作业的工作量、应用十分广泛，像企业日常分析流程、大数据分析等。
案例分析： 企业日常分析流程的程序代码优化。
SAS软件应用之数据处理（一） 1. 相关与差异分析：corr、cancorr、anova。
企业需求：企业往往需要探索影响企业效率的因素间的相关关系，这是最基础的过程，并在此基础上了解存在的差异。
案例分析：产品合格率的相关与差异分析。
2. 线性与广义线性预测：reg、logistic、genmod。
企业需求：
1）探索影响企业效率的因素，并进一步预测企业效率；
2）客户违约可能性预测；
案例分析：产品合格率的影响因素及其预测分析与银行客户违约预报。
3. 因子分析：factor。
企业需求：需要抽取影响企业效率的主要因素，进行重点投资。
案例分析：客户购买力信息研究。
4. 聚类分析：varclus。
企业需求：需要了解购买产品的客户信息。
案例分析：客户购买力信息研究。
SAS软件应用之数据处理（二） 5. 生存分析：phreg。
企业需求： 研发新产品的使用周期，能够缩短投入成本，并可以有效的预期市场使用率。
案例分析： 产品耐用性研究。
6. 对应分析：corresp。
企业需求： 定性资料的数据大量存在，尤其是多分类的情况。
案例分析： 女性购物信息的关联度研究。
7. 稳健模型：robustreg。
企业需求： 企业中大量的实验经济研究可以大幅减少成本投入。
案例分析： 管理特征与员工胜任力的关系调查。
8. 方差分析
1) 案例说明：完全随机设计资料的方差分析
2) 案例说明：随机区组设计资料的方差分析
3) 案例说明：拉丁方设计资料的方差分析
4) 案例说明：析因设计资料的方差分析
5) 案例说明：重复测量资料的方差分析
9. 线性相关与回归
1) 案例说明：直线相关与回归
2) 案例说明：Spearman秩相关
案例说明：多重线性回归与相关
SAS Enterprise Miner（一） 1. 启动SAS EM
2. 建立工程和流程图
3. 识别窗口组件
4. SAS EM挖掘过程
5. SAS EM结点介绍
1) EM基本介绍
2) EM特色
3) EM界面
4) SEMMA方法论
5) 节点简介
6) 节点通用概貌
SAS Enterprise Miner（二） 6. 抽样
7. 探索
8. 调整
9. 模型
10. 评估
11. 在过程流程图中放置节点的一般规则
SAS EM实例进阶（一） 1. SAS Enterprise Miner 简介
1) 数据挖掘简介
2) EM简介
2. SAS数据挖掘实例
3. 分类的基本概念与步骤
4. 使用EM进行数据挖掘
1) 例程背景描述
2) 第一步—新建项目
3) 第二步—定义输入数据集
4) 第三步—设置目标变量
SAS EM实例进阶（二） 5) 第四步—为目标变量 Variable 设置 Target Profile
6) 第五步—检查 Interval 和 Class 变量的统计信息
7) 第六步—建立训练数据和检验数据
8) 第七步—转换变量
9) 第八步—建立 Stepwise Logistic Regression Model
10) 第 九 步 — 建 立 Multilayer Perceptron Neural
11) 第十步—评估模型
12) 第十一步—定义 Score Data Set
13) 第十二步—对 Score Data Set 进行预测
14) 第十三步—查看 Score Data Set 的 Expected Loss
15) 第十四步—为信用好的申请者创建 Score card |
|
|
|
|
首页 课程表 在线聊 报名 讲师 品牌 QQ聊 活动 就业
