适用人群
主要针对想从事数据科学分析，机器学习相关工作的学员，针对性学习电商运营优化数据处理，分析和策略优化等应用。
你将收获
熟悉金融科技的数据科学应用，处理真实数据
应用基本的相关机器学习模型
对标求职岗位申请:data analyst, data scientist, machine learning engineers.
你将学习的技能
E.g. SQL, Python
数据处理，机器学习，分析交互式可视化
切身体会真实的金融科技案例
end-to-end解决优化支付处理问题
课题介绍
欢迎参加我们关于使用机器学习优化支付路由的数据营！在这个营地中，我们将深入探讨通过预测支付授权成功率来改进支付系统的挑战。您将学习如何利用机器学习技术来分析交易数据，识别模式，并优化路由策略，以确保支付能够更高效且成功地处理。无论您是机器学习的新手，还是希望在实际场景中应用您的技能，这个营地都将为您提供实战经验和对支付技术未来发展的宝贵见解。
课程大纲
本课程内容分为两部分。第一部分:主要针对数据岗位需要用到的tech知识点、难点和考点(E.g. SQL, Python)进行逐一讲解和
突破。第二部分:整合了数据处理，机器学习，分析交互式可视化等知识，切身体会真实的金融科技案例，从一个数据科 学家的角度end-to-end解决优化支付处理问题，为未来的工作打下基础
1
Intro to operational optimization in the context of Fintech Payment Processing and its applications in Data Science
考察：Q&A
授课1小时; 学习1小时
2
Getting familiar with SQL and Python Query Data with SQL & data manipulation with Python
考察：SQL and Python proficiency test
授课2小时; 学习2小时
3
Introduction to ML feature and label ideation, creation and optimization, explore feature transformation techniques that improve model performance
考察：Feature engineering framework and analysis
授课2小时; 学习2小时
4
Introduction to Tree-based models to predict payment success rate and use reinforcement learning to optimize payment routing system
考察：Pipeline for ML model training, testing and tuning
授课4小时; 学习4小时
5
Create visualization to interpret model inference and general practice of monitoring and improving model performance in production
考察：Model interpretation and Python coding tasks
授课2小时; 学习2小时
课程导师
