从实际的业务需求出发，结合行业的典型应用特点，围绕实际的商业问题，探讨数据挖掘、机器学习模型在金融领域的应用，包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面，形成模板化的工作流，对于模型算法也会做重点描述，方便读者理解模型本身，并能在实际工作中进行使用。

目标收益：

1、通过讲师多年对Python数据挖掘包源代码的掌握，使学员可以使用Sklearn等数据挖掘包实现高质量的模型开发。

2、掌握使用Python进行模型开发的标准化全流程。

3、掌握有监督算法的前沿领域，为后续跟踪新算法打基础。