| 大數(shù)據(jù)挖掘與分析介紹（全面理解大數(shù)據(jù)挖掘概念與分析技術(shù)） |
- 數(shù)據(jù)分析基本概念
- 數(shù)據(jù)分析算法
- 數(shù)據(jù)分析工具
- 數(shù)據(jù)分析流程
- 數(shù)據(jù)分析范疇
- 數(shù)據(jù)挖掘基本概念
- 數(shù)據(jù)挖掘模型
- 數(shù)據(jù)挖掘目標
- 數(shù)據(jù)挖掘數(shù)據(jù)質(zhì)量
- 數(shù)據(jù)挖掘的9大定律
- 數(shù)據(jù)挖掘發(fā)展趨勢
|
| R語言概要（R語言精講） |
- 什么是R語言，R語言的特點
- R語言主要的模塊、語言包
- R語言安裝環(huán)境
- R語言與與Hadoop、Hive的對接
|
| Spark大數(shù)據(jù)平臺概述（徹底理解Spark） |
- Spark的速度為什么如此的快？
- Spark 生態(tài)系統(tǒng)
- Spark的架構(gòu)設計剖析
- RDD計算流程解析
- Spark的出色容錯機制
- Spark分布式架構(gòu)與單機多核架構(gòu)的異同
- Spark的企業(yè)級應用
|
| Spark的機器學習 |
- 機器學習基礎知識
- 圖計算基礎知識
- Spark，MLlib，以及GraphX的操作示
- 廣義線性模型
- SVM
- 聚類算法
- 圖計算模型
- 決策樹與組合學習
- 器學習算法評測
- 評測方法
- Cross validation與Grid Search
- MLlib中的實現(xiàn)
- 在線、離線測評方法
|
| SparkR初見 |
- SparkR 項目介紹
- SparkR HelloWord
- SparkR API 介紹
- SparkR與DataFrame的架構(gòu)分析
- SparkR軟件棧
- SparkR編程指南
|
| 使用SparkR 構(gòu)建Logistic回歸與商業(yè)大數(shù)據(jù)建模 |
- Logistic回歸是商業(yè)建模的常用重要數(shù)據(jù)挖掘方法，本講要講清楚Logistic回歸的建模原理、與多元線性模型的區(qū)別、R語言實現(xiàn)過程及回歸診斷注意事項、預測方法和結(jié)果解釋，讓學員徹底地掌握Logistic回歸解決問題的R語言方法。
- 主要案例：
- 案例1：利用Logistic回歸幫助公司分析客戶流失的原因并做好預測。
|
| 使用SparkR 構(gòu)建關(guān)聯(lián)規(guī)則
?
|
- 關(guān)聯(lián)規(guī)則（著名的“啤酒和尿布”）是數(shù)據(jù)挖掘的基礎和核心技術(shù)之一，本講將著重圍繞經(jīng)典的Apriori算法和eclat算法，闡明關(guān)聯(lián)規(guī)則的支持、置信和提升程度與控制，使用R語言快速完成關(guān)聯(lián)規(guī)則分析。
- 主要案例：
- 案例1：使用R語言關(guān)聯(lián)規(guī)則方法幫助各個超市實現(xiàn)商品的最佳捆綁銷售方案（即“購物籃”分析）；
|
| 使用SparkR 構(gòu)建決策樹（回歸樹）分析 |
- 決策樹是數(shù)據(jù)挖掘的經(jīng)典方法，其原理容易被理解。本講主要講授兩種最為普遍的決策樹算法：CART和C4.5算法，使用rpart和J48函數(shù)進行R語言分析。
- 主要案例：
- 案例2：使用決策樹幫助電信局判斷和預測客戶辦理寬帶業(yè)務。
|
| 使用SparkR 構(gòu)建隨機森林（RandomForest）算法 |
- 在機器學習中，隨機森林是一個包含多個決策樹的分類器，本講講清隨機森林方法的原理，以致在實際中幫助學員判斷適合進行隨機森林分析的情況，最終熟練掌握R語言隨機森林分析的方法。
- 主要案例：
- 案例1：對皮膚病進行隨機森林的分類和預測；
- 案例2：對酒的品質(zhì)和種類進行分類和評價。
|
| 使用SparkR 構(gòu)建支持向量機 |
- 本講將分析支持向量機的結(jié)構(gòu)風險最小原理、間隔和核函數(shù)，從而幫助學員深刻理解支持向量機的思想和算法，以及使用中注意的問題，從而幫助學員靈活地應用于各個領(lǐng)域。
- 主要案例：
- 案例1：使用支持向量機進行股票指數(shù)預測。
|
| 使用SparkR 構(gòu)建神經(jīng)網(wǎng)絡 |
- 神經(jīng)網(wǎng)絡由大量的節(jié)點和輸出函數(shù)構(gòu)成邏輯策略，本講介紹其原理，主要通過案例的方式講解R語言實現(xiàn)神經(jīng)網(wǎng)絡算法的過程和注意的事項。
- 主要案例：
- 案例1：酒的品質(zhì)和種類的神經(jīng)網(wǎng)絡的分析和預測；
- 案例2：公司財務預警建模。
|
| 使用SparkR 構(gòu)建言結(jié)合KNN算法進行文本挖掘
|
- 文本挖掘，特別是對中文的文本挖掘日趨重要。本講介紹文本挖掘的原理和方法，幫助大家使用R語言在大量的非結(jié)構(gòu)化的數(shù)據(jù)中發(fā)現(xiàn)有價值的信息，抽取潛在有用的數(shù)據(jù)，發(fā)現(xiàn)適合模式，實現(xiàn)可視化結(jié)果展示。
- 主要案例：
- 案例：使用R語言結(jié)合KNN算法對網(wǎng)頁（Web）進行文本挖掘（含分詞、分類、可視化等）?
|
