課程介紹
本課程主要針對數(shù)據(jù)建模與數(shù)據(jù)挖掘，提升數(shù)據(jù)工作人員的數(shù)據(jù)處理能力，以實戰(zhàn)出發(fā)，用理論引導(dǎo)實踐，使學(xué)員掌握數(shù)據(jù)挖掘的意義及了解數(shù)據(jù)價值、靈活的運用算法、在數(shù)據(jù)處理中掌握數(shù)據(jù)的分類，精準(zhǔn)正確的匹配算法進(jìn)行建模、模型優(yōu)化。
培訓(xùn)對象
大數(shù)據(jù)人員，開發(fā)人員、架構(gòu)師、運維工程師、對大數(shù)據(jù)感興趣的人士。
課程收益
掌握數(shù)據(jù)挖掘流程及方案；
了解數(shù)據(jù)挖掘工具應(yīng)用；
掌握算法應(yīng)用與數(shù)據(jù)應(yīng)用；
掌握算法優(yōu)化。
知識概要
-- 數(shù)據(jù)挖掘與建模算法；
-- 算法與應(yīng)用進(jìn)階實操。
課程大綱
數(shù)據(jù)挖掘與建模算法
挖掘與建模理論
分類與預(yù)測（實現(xiàn)過程、算法、回歸分析、決策樹）
人工神經(jīng)網(wǎng)絡(luò)
聚類分析（常用聚類算法、Kmeans、聚類評估）
關(guān)聯(lián)規(guī)則
Apriori算法
時間序列算法
非平穩(wěn)時間算法
離群點檢測（離群點檢測方法、基于模型的離群點檢測）
算法與應(yīng)用進(jìn)階實操
算法介紹
算法分類
算法學(xué)習(xí)路徑
回歸算法、模型評估、K近鄰算法
決策樹與隨機森林算法、支持向量機
貝葉斯算法、神經(jīng)網(wǎng)絡(luò)、Adaboost算法
EM算法、貝葉斯算法
機器學(xué)習(xí)庫應(yīng)用
機器學(xué)習(xí)庫算法與數(shù)據(jù)應(yīng)用
案例一（挖掘背景與目標(biāo)、數(shù)據(jù)抽樣、數(shù)據(jù)探索分析、數(shù)據(jù)預(yù)處理、構(gòu)建專家樣本、模型建模）
案例二（數(shù)據(jù)挖掘?qū)崿F(xiàn)精準(zhǔn)推薦實戰(zhàn)，講師指導(dǎo)、學(xué)員動手為主）
認(rèn)證過程
無認(rèn)證考試
開班信息
暫無開班信息