?

1：了解實際的事例結(jié)合說基本算法的各種變體，開闊思路
2：將一次培訓(xùn)深化為深入了解一個細(xì)分領(lǐng)域的一個渠道，之后可以接收到培訓(xùn)內(nèi)容中知識點對應(yīng)的業(yè)界最新更新。
3：加入“數(shù)據(jù)挖掘”職業(yè)圈，學(xué)員可以有一個加入職業(yè)社交圈的機(jī)會，和業(yè)內(nèi)人士相互交流，相互切磋。

?

廣義線性分類的原理和應(yīng)用	內(nèi)容：logistic Regression和計算廣告學(xué) 二分類問題的例子n2.邏輯回歸的數(shù)學(xué)原理 傳統(tǒng)廣告，計算廣告，廣告實時交易平臺 數(shù)據(jù)預(yù)處理和維度提取 LR在計算廣告中的應(yīng)用 LR的效果測評，模型調(diào)優(yōu) LR模型中理論與工程的折中 LR和他的小伙伴們：廣義線性模型n9.新情況，基于移動端的廣告實時交易平臺，LR的各種變體
決策樹，聚類和異常點檢測	內(nèi)容：決策樹和異常點檢測 決策樹的原理 各種決策樹的生成算法 決策樹在異常點檢測中的應(yīng)用 決策樹的剪枝 其它異常點檢測的應(yīng)用小技巧 聚類算法的原理 聚類算法的常見問題：初始點選擇， 聚類算法和決策樹在異常點檢測中的應(yīng)用 結(jié)合計算廣告，談兩個異常點檢測小例子
巨型圖挖掘	復(fù)雜網(wǎng)絡(luò)介紹 當(dāng)前巨型圖應(yīng)用場景 隨機(jī)圖，自然圖， 常用的圖計算框架（google的bagel，graphlab的graphx） 巨型圖上的算法實現(xiàn)原理 常用的基于圖的算法實現(xiàn) 隨機(jī)游走，pageRank基于圖的實現(xiàn) svd介紹以及svd在圖框架的實現(xiàn) 圖挖掘與推薦系統(tǒng)（qzone的廣告系統(tǒng)廣點通，twitter的內(nèi)容推薦）