临床试验的目的是评价新药或其他医学干预的有效性和安全性，任何一个临床试验所获得的数据均是样本数据，而通过样本去推断总体的统计学假设检验过程，就是一个临床试验的有效性结论推广到真实医疗的效果的过程。在这个过程中，通过科学的差异性显著检验去检测实验组与对照组之间差异是否显著需要精湛的统计学技术与繁琐的计算过程。SPSSPRO提供的自动化差异性求解器算法可以实现拖入试验数据、自动基于样本的分布推荐合适的假设检验方法，可以帮助医学研究从繁琐的实验计算步骤脱离出来，将精力用于其他更重要的地方
场景赋能满足不同应用场景让数据分析助力业务快速成长
数据库联接
支持API动态、增量数据导入，支持主流及国产数据库格式及协议，打破数据孤岛
管道模型构建
支持构建从数据处理到分析的自动化管道模型，支持节点及全流程算法调试和部署
API服务输出
可视化结果和智能分析报告全面支持API输出，返回企业自有业务系统
智能BI大屏
可视化结果生成BI大屏素材，自由配置、分享、应用大屏
课程简介
让数据分析师、工程师，成长为数据科学家
弥补缺陷，掌握数据科学家应具备的全方位综合技能
学习到先进、前沿的算法模型及高性能技术，大大提升工作效率
掌握大数据治理、架构设计，提升宏观视角，决策企业战略
掌握项目管理能力，学会搭建数据团队，部门沟通协调，化利用资源
数据相关岗位的专业人士，如数据分析师，数据咨询顾问，大数据、机器学习、算法工程师等
数据相关部门的管理人士，如数据部主管、总监，首席数据官（CDO），CTO，CIO等
数据领域的研究或教育人士，如科研人员、研究员，高校数据相关专业教师等
需要具备CDA LEVEL 1+2的知识技能，包括数据分析、数据挖掘、大数据等技术
掌握java基础编程，python、R等相关数据分析编程软件，实现数据挖掘全流程
有一定的工作经验，具备良好的沟通交流能力
案例介绍
Cifar-10是由深度学习大师 Geoffrey Hinton 教授与其在加拿大多伦多大学的学生 Alex Krixhevsky 与
Vinoid Nair 所整理之影像数据集, 包含 6 万笔 32*32 低分辨率之彩色图片, 其中 5 万笔为训练集; 1 万笔为测试集,
是机器学习中常用的图片辨识数据集。Cifar-10 的所有图片被分为 10 个类别(飞机、汽车、鸟、猫、鹿、狗、青蛙、船、卡车)。
技能涉及
Keras、TensorFlow、MLP（多层感知器）、DNN（普通深度网络）模型、CNN（卷积神经网络）模型。
