 班級規模及環境--熱線:4008699035 手機:15921673576( 微信同號) |
|
每期人數限3到5人。 |
| 上課時間和地點 |
上課地點：【上海】：同濟大學(滬西)/新城金郡商務樓(11號線白銀路站) 【深圳分部】：電影大廈(地鐵一號線大劇院站)/深圳大學成教院 【北京分部】：北京中山學院/福鑫大樓 【南京分部】：金港大廈(和燕路) 【武漢分部】：佳源大廈（高新二路） 【成都分部】：領館區1號（中和大道） 【沈陽分部】：沈陽理工大學/六宅臻品 【鄭州分部】：鄭州大學/錦華大廈 【石家莊分部】：河北科技大學/瑞景大廈 【廣州分部】：廣糧大廈 【西安分部】：協同大廈
最近開課時間(周末班/連續班/晚班）：2020年3月16日 |
| 實驗設備 |
☆資深工程師授課
☆注重質量
☆邊講邊練
☆合格學員免費推薦工作
★實驗設備請點擊這兒查看★ |
| 質量保障 |
1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
3、培訓合格學員可享受免費推薦就業機會。 |
課程大綱 |
一、 課程背景
信息爆炸的大數據時代，如何有效利用系統龐大的數據，如何面對互聯網金融的挑戰，成為企業關注的重要問題。為幫助企業認清和解決這一問題，有必要緊跟時代發展步伐，綜合各方經驗，以幫助企業成功轉型。中培在過去的十年中曾經為數百家企業提供了數據挖掘培訓服務。
二、 培訓收益
通過本課程，您可以掌握以下：
1. 數據挖掘與商業智能的歷史、概念、經典案例、基礎理論；
2. 掌握R的基本數據結構、統計函數及高級函數、導入導出數據；
3. 理解如何使用R語言及相應的模型解決現實問題；
4. 全面掌握Hadoop的架構原理和使用場景；
5. 掌握大數據基本概念及特點；
6. 了解典型行業對于大數據的處理方式；
7. 了解基于大數據的客戶行為分析；
8. 數據云計算框架Hadoop及其對大數據處理的支撐作用；
9. 掌握MapReduce計算模型概念及應用；
10. 熟悉大數據存儲組件Hbase及Hive；
11. 了解大數據分析工具Mouhout；
12. 掌握R數據挖掘的基本方法。
三、 培訓大綱
日程 培訓模塊 培訓內容
大數據概述 1. 大數據基本概念、技術梗概、技術沿革，以及大數據技術是如何改變人工智能技術、語音識別技術、圖像識別/視頻理解、自然語言處理技術等；
2. 數據挖掘與商業智能概述；
3. 數據挖掘與商業智能發展歷程；
4. 數據挖掘與商業智能的基本理論。
R語言精要 本著循序漸進而又覆蓋R語言重要而有用的基本內容原則，本講從R語言入門開始，以前期的數據處理為核心，以實際案例為載體，內容包括R語言的向量、數據框、矩陣運算、缺失值和零值的處理、特別注重用R語言構造函數編程解決實際問題，詳細介紹強大的數據清洗整理plyr、zoo、car等常用包和強大的作圖ggplot2包，為使用R語言進行數據挖掘打下扎實的工具基礎。
主要案例：
案例1：如何用R語言plyr等包合并、排序、分析數據并編制香農-威納指數；
案例2：如何用R語言編程同時實現幾十個高難度數據分析可視化圖片的jpeg格式輸出；
案例3：如何使用R語言進行分層或者整群抽樣構建訓練集與測試集；
案例4：使用ggplot2畫出各種復雜的圖形。
關聯規則和R語言實現 關聯規則（著名的“啤酒和尿布”）是數據挖掘的基礎和核心技術之一，本講將著重圍繞經典的Apriori算法和eclat算法，闡明關聯規則的支持、置信和提升程度與控制，使用R語言快速完成關聯規則分析。
主要案例：
案例1：使用R語言關聯規則方法幫助各個超市實現商品的最佳捆綁銷售方案（即“購物籃”分析）；
案例2：泰坦尼克號乘客幸存的關聯規則分析；
案例3：提高個人收入的關聯分析。
決策樹（回歸樹）分析和R語言實現 決策樹是數據挖掘的經典方法，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函數進行R語言分析。
主要案例：
案例1：對汽車耗油量進行決策樹分析并完成相關目標變量的預測；
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務。
R語言隨機森林（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：對酒的品質和種類進行分類和評價。
支持向量機和R語言的實現 本講將分析支持向量機的結構風險最小原理、間隔和核函數，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域。
主要案例：
案例1：對著名的鳶尾花數據進行支持向量機的分析；
案例2：使用支持向量機識別有毒蘑菇；
案例3：使用支持向量機進行股票指數預測。
神經網絡和R語言的實現 神經網絡由大量的節點和輸出函數構成邏輯策略，本講介紹其原理，主要通過案例的方式講解R語言實現神經網絡算法的過程和注意的事項。
主要案例：
案例1：酒的品質和種類的神經網絡的分析和預測；
案例2：公司財務預警建模。
使用R語言結合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語言在大量的非結構化的數據中發現有價值的信息，抽取潛在有用的數據，發現適合模式，實現可視化結果展示。
主要案例：
案例：使用R語言結合KNN算法對網頁（Web）進行文本挖掘（含分詞、分類、可視化等）。 |
|
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業
