曙海教學優(yōu)勢
本課程面向企事業(yè)項目實際需要,秉承二十一年積累的教學品質，SPSS Modeler高級培訓課程以項目實現(xiàn)為導向,老師將會與您分享設計的全流程以及工具的綜合使用技巧、經驗。線上/線下/上門皆可,SPSS Modeler高級培訓課程專家,課程可定制,熱線:4008699035。
大批企業(yè)和曙海
建立了良好的合作關系,合作企業(yè)30萬+。曙海的課程培養(yǎng)了大批受企業(yè)歡迎的工程師。曙海的課程在業(yè)內有著響亮的知名度。
培訓目標：
本課程結束后，受培訓人員將能熟練使用Modeler軟件，能夠根據(jù)常見的不同種類的數(shù)據(jù)挖掘研究需要進行方案設計、數(shù)據(jù)分析、建模和報告的撰寫。在培訓中將安排一系列討論會和實際數(shù)據(jù)練習，以保證學員有足夠的實踐機會實際操作Modeler軟件。
Modeler培訓課程內容：
1 統(tǒng)計分析方法與數(shù)據(jù)挖掘基本原理培訓
|
?課程描述 |
?介紹數(shù)據(jù)挖掘方法論以及CRISP-DM的6個步驟 |
|
?培訓對象 |
?戰(zhàn)略規(guī)劃部、市場研究部、數(shù)據(jù)分析部等相關研究人員 |
|
?必要技能 |
?統(tǒng)計方法基礎知識、數(shù)據(jù)挖掘基本原理 |
|
?培訓內容 |
?統(tǒng)計分析方法與數(shù)據(jù)挖掘基本原理 |
|
?第一講 ?如何從掌握統(tǒng)計方法到掌握數(shù)據(jù)挖掘 |
?與傳統(tǒng)的統(tǒng)計分析方法相比而言： ?什么是數(shù)據(jù)挖掘？ ?數(shù)據(jù)挖掘能做什么？ ?數(shù)據(jù)挖掘在協(xié)助企業(yè)業(yè)務的分類、預測、聚類和模型可視化方面的特點； ?數(shù)據(jù)挖掘在其他商業(yè)領域的應用，如完善客戶關系管理、贏得市場營銷戰(zhàn)役； ?如何從掌握統(tǒng)計分析方法到掌握數(shù)據(jù)挖掘？ |
|
?第二講 ?數(shù)據(jù)挖掘基本原理和實踐操作方法論 |
?數(shù)據(jù)挖掘的基本原理 ?數(shù)據(jù)挖掘實踐中所要求的數(shù)據(jù)結構、衍生變量和數(shù)據(jù)轉換 ?數(shù)據(jù)挖掘的模型建構方法、模型的評估、模型的檢驗和修訂 ?目前主流的數(shù)據(jù)挖掘工具軟件比較 ?如何在實踐操作中運用CRISP-DM數(shù)據(jù)挖掘程序 ?如何從商業(yè)角度和數(shù)據(jù)角度了解數(shù)據(jù)挖掘解決問題的類型和思路 ?CRISP-DM的6個步驟以及每個步驟應該完成的工作和產生的結果 |
2、 Modeler軟件操作基礎及數(shù)據(jù)處理使用培訓
|
?培訓對象 |
?客戶企業(yè)所指派的Modeler實際使用人員 |
|
?涉及產品 |
?Modeler |
|
?培訓內容 |
?Modeler軟件操作基礎培訓 ?Modeler的數(shù)據(jù)處理技術 |
|
?第一講 ?操作概述 |
?基礎界面介紹： ?Modeler?14.2所包含的功能模塊 ?與Modeler先前版本的比較 ?基礎操作之數(shù)據(jù)準備 ?讀取數(shù)據(jù)文件 ?數(shù)據(jù)質量評估 ?數(shù)據(jù)處理 ?尋找數(shù)據(jù)中的關系 |
|
?第二講 ?建模概述 |
?Modeler中所包含的數(shù)據(jù)建模概述 ?神經網(wǎng)絡技術建模 ?決策樹技術建模 ?模型比較與模型合并 ?Kohonen神經網(wǎng)絡 ?關聯(lián)規(guī)則 ?時序發(fā)現(xiàn) ?模型的發(fā)布 |
|
?第三講 ?數(shù)據(jù)處理技術 ? |
?合并多個數(shù)據(jù)源數(shù)據(jù) ?抽取樣本，選擇和緩存數(shù)據(jù) ?處理缺失數(shù)據(jù) ?處理日期 ?處理時序數(shù)據(jù) ?文件操作 ?數(shù)據(jù)聚合 ?附錄:?通過ODBC讀取數(shù)據(jù) ?附錄:?Modeler的數(shù)據(jù)庫連接 |
3 Modeler的高級建模
|
?課程描述 |
?介紹Modeler的建模技術以及Meta?Modeling技術 |
|
?培訓對象 |
?完成第二、三課學習的學員 |
|
?必要技能 |
?第二、三課學習的技能 |
|
?培訓內容 |
?利用神經網(wǎng)絡完成分群（Neural?networks?for?classification） ?高級規(guī)則歸納（Advanced?rule?induction） ?聚類技術（clustering） ?高級關聯(lián)規(guī)則（Advanced?association?rules） ?線性回歸（Linear?Regression） ?邏輯回歸（Logistic?Regression） ?濃縮數(shù)據(jù)：基本組件（Data?Reduction:?Principal?Components） ?從模型中獲取數(shù)據(jù)(meta?models,?error?modeling)? |
