1 数据科学概述.mp4
2 数据科学的应用场景.mp4
3 数据科学与客户智能.mp4
4 数据科学基本概念.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
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
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
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
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
课程代码课件.rar