培訓(xùn)目標(biāo)：
本課程結(jié)束后，受培訓(xùn)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(jìn)行方案設(shè)計、數(shù)據(jù)分析、建模和報告的撰寫。在培訓(xùn)中將安排一系列討論會和實際數(shù)據(jù)練習(xí)，以保證學(xué)員有足夠的實踐機(jī)會實際操作Modeler軟件。
Modeler培訓(xùn)課程內(nèi)容：
1?統(tǒng)計分析方法與數(shù)據(jù)挖掘基本原理培訓(xùn)
|
?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(xùn)對象
|
?戰(zhàn)略規(guī)劃部、市場研究部、數(shù)據(jù)分析部等相關(guān)研究人員
|
|
?必要技能
|
?統(tǒng)計方法基礎(chǔ)知識、數(shù)據(jù)挖掘基本原理
|
|
?培訓(xùn)內(nèi)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(wù)的分類、預(yù)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(lǐng)域的應(yīng)用，如完善客戶關(guān)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?qū)嵺`中所要求的數(shù)據(jù)結(jié)構(gòu)、衍生變量和數(shù)據(jù)轉(zhuǎn)換
?數(shù)據(jù)挖掘的模型建構(gòu)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(yīng)該完成的工作和產(chǎn)生的結(jié)果
|
?
2、?Modeler軟件操作基礎(chǔ)及數(shù)據(jù)處理使用培訓(xùn)
|
?培訓(xùn)對象
|
?客戶企業(yè)所指派的Modeler實際使用人員
|
|
?涉及產(chǎn)品
|
?Modeler
|
|
?培訓(xùn)內(nèi)容
|
?Modeler軟件操作基礎(chǔ)培訓(xùn)
?Modeler的數(shù)據(jù)處理技術(shù)
|
|
?第一講
?操作概述
|
?基礎(chǔ)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(chǔ)操作之?dāng)?shù)據(jù)準(zhǔn)備
?讀取數(shù)據(jù)文件
?數(shù)據(jù)質(zhì)量評估
?數(shù)據(jù)處理
?尋找數(shù)據(jù)中的關(guān)系
|
|
?第二講
?建模概述
|
?Modeler中所包含的數(shù)據(jù)建模概述
?神經(jīng)網(wǎng)絡(luò)技術(shù)建模
?決策樹技術(shù)建模
?模型比較與模型合并
?Kohonen神經(jīng)網(wǎng)絡(luò)
?關(guān)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(shù)
?
|
?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(shù)以及Meta?Modeling技術(shù)
|
|
?培訓(xùn)對象
|
?完成第二、三課學(xué)習(xí)的學(xué)員
|
|
?必要技能
|
?第二、三課學(xué)習(xí)的技能
|
|
?培訓(xùn)內(nèi)容
|
?利用神經(jīng)網(wǎng)絡(luò)完成分群（Neural?networks?for?classification）
?高級規(guī)則歸納（Advanced?rule?induction）
?聚類技術(shù)（clustering）
?高級關(guān)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)?
|
