?
大數(shù)據(jù)高級實戰(zhàn)研修：深入大數(shù)據(jù)智能分析和挖掘產(chǎn)品和技術(shù)培訓(xùn)課程
目標(biāo)收益
本課程將圍繞大數(shù)據(jù)最本質(zhì)的特點—智能化為主線，從大數(shù)據(jù)的產(chǎn)品思維、數(shù)據(jù)分析重要工具、數(shù)據(jù)挖掘核心技術(shù)等層面深入講述
數(shù)據(jù)挖掘的高階話題，包括有偏數(shù)據(jù)挖掘、數(shù)據(jù)流挖掘、在線學(xué)習(xí)、高級數(shù)據(jù)預(yù)處理技術(shù)等。同時課程案例豐富，重點從社交網(wǎng)絡(luò)圖譜挖掘、推薦引擎等做實站案例講解。該課程使學(xué)員：
理解大數(shù)據(jù)基本概率、理解大數(shù)據(jù)產(chǎn)品設(shè)計思維、理解大數(shù)據(jù)基礎(chǔ)技術(shù)架構(gòu)
掌握社交圖譜挖掘的一到兩個經(jīng)典數(shù)據(jù)挖掘案例的解決方案
掌握社交好友推薦中一到兩個經(jīng)典案例的解決方案
掌握如何搭建一個實用的推薦引擎的方法；
掌握數(shù)據(jù)挖掘的經(jīng)典方法論：數(shù)據(jù)挖掘過程、模型評估標(biāo)準(zhǔn)等
側(cè)重掌握最普遍使用的分類預(yù)測技術(shù)的方法，
培訓(xùn)對象
重點面向產(chǎn)品和技術(shù)人員，包括數(shù)據(jù)挖掘工程師、數(shù)據(jù)分析師、大數(shù)據(jù)工程師、算法專家、項目經(jīng)理、技術(shù)經(jīng)理、數(shù)據(jù)產(chǎn)品經(jīng)理以及其他具有一定數(shù)據(jù)挖掘經(jīng)驗的人員。
課程大綱
?
| 主題 |
內(nèi)容 |
|
1.大數(shù)據(jù)時代概述
|
1.1 大數(shù)據(jù)解決的問題是什么？
1.2 大數(shù)據(jù)公司（部門）的都在做什么？
1.3 如何建立自己的大數(shù)據(jù)能力？
|
|
2.數(shù)據(jù)挖掘過程和實用工具使用
|
2.1 數(shù)據(jù)挖掘過程的方法及其思想介紹
2.2 挖掘工具Weka使用實踐
|
|
3.深入分類挖掘新技術(shù)
|
3.1 產(chǎn)業(yè)實戰(zhàn)中如何研發(fā)一個新的數(shù)據(jù)挖掘算法
3.2 機(jī)器學(xué)習(xí)算法理論深入
3.3 常用多模型算法詳解
3.4 Dynamic Data Mining（DDM）：分而治之的多模型框架研發(fā)過程
3.5 模型評估高級話題
|
|
4.深入常用實戰(zhàn)數(shù)據(jù)預(yù)處理與有偏挖掘技術(shù)
|
4.1 有偏數(shù)據(jù)挖掘
4.2 高級數(shù)據(jù)預(yù)處理實戰(zhàn)策略
|
|
5.深入在線學(xué)習(xí)與數(shù)據(jù)流挖掘
|
5.1 在線數(shù)據(jù)流挖掘基本概念
5.2 數(shù)據(jù)流挖掘的關(guān)鍵挑戰(zhàn)
5.3 兩類經(jīng)典在線流挖掘算法匯總
5.4 進(jìn)階：有偏在線數(shù)據(jù)流挖掘的解決方案
5.5 在線數(shù)據(jù)流挖掘總結(jié)
|
|
6.深入社交圖譜及推薦引擎實戰(zhàn)
|
6.1 推薦引擎解決的問題
6.2 推薦系統(tǒng)歷史
6.3 通用推薦引擎基礎(chǔ)架構(gòu)
6.4 社會化推薦引擎
6.5 社會化推薦引擎算法案例講解
6.6 社交圖譜挖掘介紹
6.7 社交圖譜挖掘案例講解：好友親密度模型
6.8 社交圖譜挖掘案例講解：好友自動分組
|
?
