?
大數(shù)據(jù)智能分析和挖掘在互聯(lián)網(wǎng)中的實(shí)戰(zhàn)案例培訓(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(diǎn)—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，從瀏覽型互聯(lián)網(wǎng)應(yīng)用、社交網(wǎng)絡(luò)型互聯(lián)網(wǎng)應(yīng)用等多角度多領(lǐng)域做實(shí)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(jì)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(gè)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(gè)經(jīng)典案例的解決方案
掌握如何搭建一個(gè)實(shí)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(píng)估標(biāo)準(zhǔn)等
側(cè)重掌握最普遍使用的分類預(yù)測(cè)技術(shù)的方法，輕松理解分類預(yù)測(cè)技術(shù)的重難點(diǎn)主題及一些新技術(shù)：模型優(yōu)化的原理、Overfitting和Un
培訓(xùn)對(duì)象
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(xiàng)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(yàn)的人員。
學(xué)員基礎(chǔ)
具有一定數(shù)據(jù)挖掘經(jīng)驗(yàn)的人員。
課程大綱
?
| 主題 |
內(nèi)容 |
|
1.大數(shù)據(jù)時(shí)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)挖掘基礎(chǔ)及Weka 工具使用
|
2.1 數(shù)據(jù)挖掘過程與挖掘工具Weka使用實(shí)踐
2.2 數(shù)據(jù)挖掘模型評(píng)估方法
2.3 數(shù)據(jù)挖掘的模型評(píng)估指標(biāo)
|
|
3. 如何研發(fā)大數(shù)據(jù)算法：以數(shù)據(jù)分類挖掘新技術(shù)為例
|
3.1 工業(yè)界應(yīng)用舉例
3.2 分類挖掘原理探索：經(jīng)典的單模型方法
3.4 多模型重要算法匯總
3.5 如何研發(fā)一個(gè)新的數(shù)據(jù)挖掘算法：案例講解
|
|
4.以大數(shù)據(jù)挖掘?yàn)橹行牡耐扑]引擎實(shí)戰(zhàn)
|
4.1 推薦引擎解決的問題
4.2 推薦系統(tǒng)歷史
4.3 通用推薦引擎基礎(chǔ)架構(gòu)
4.4 社會(huì)化推薦引擎
4.5 社會(huì)化推薦引擎算法案例講解
|
|
5.以大數(shù)據(jù)為中心的社交網(wǎng)絡(luò)應(yīng)用挖掘?qū)崙?zhàn)
|
5.1 社交圖譜挖掘介紹
5.2 社交圖譜挖掘案例講解：好友親密度模型
5.3 社交圖譜挖掘案例講解：好友自動(dòng)分組
|
|
6.以大數(shù)據(jù)為中心的瀏覽型和金融支付保險(xiǎn)型互聯(lián)網(wǎng)應(yīng)用的數(shù)據(jù)挖掘?qū)崙?zhàn)
|
6.1 互聯(lián)網(wǎng)應(yīng)用的分類
6.2 流量型應(yīng)用中的大數(shù)據(jù)應(yīng)用實(shí)例
|
|
7.學(xué)員問題解答
|
?
|
