大數(shù)據(jù)挖掘及分析培訓(xùn)

  培訓(xùn)講師:李宗偉

講師背景:
李宗偉老師——大數(shù)據(jù)營(yíng)銷實(shí)戰(zhàn)專家個(gè)人簡(jiǎn)介李宗偉:阿里巴巴集團(tuán)博士后科研工作站第二批博士后,在數(shù)據(jù)挖掘行業(yè)有十余年的從業(yè)經(jīng)驗(yàn),一直從事商業(yè)智能、數(shù)據(jù)挖掘與大規(guī)模數(shù)據(jù)處理等工作,曾先后供職青島海爾集團(tuán)、淘寶網(wǎng)、阿里巴巴等公司,對(duì)數(shù)據(jù)挖掘算法非常 詳細(xì)>>

    課程咨詢電話:

大數(shù)據(jù)挖掘及分析培訓(xùn)詳細(xì)內(nèi)容

大數(shù)據(jù)挖掘及分析培訓(xùn)

大數(shù)據(jù)挖掘及分析培訓(xùn)
一、課程目標(biāo):
本次課程以理論與實(shí)際相結(jié)合為基準(zhǔn),突出實(shí)際性演練,以達(dá)到如下二、培訓(xùn)目標(biāo):(1)了解數(shù)據(jù)挖掘的基本概念,基本流程、常用算法和適用的場(chǎng)景。
(2)能根據(jù)實(shí)際問(wèn)題熟練地利用構(gòu)建數(shù)據(jù)挖掘項(xiàng)目和流程,熟悉掌握數(shù)據(jù)建模過(guò)程、處理節(jié)點(diǎn)的操作。
(3)熟悉掌握具體的大數(shù)據(jù)統(tǒng)計(jì)分析技術(shù)以及案例,實(shí)戰(zhàn)項(xiàng)目的具體應(yīng)用。
三、培訓(xùn)對(duì)象:
(1)從事企業(yè)數(shù)據(jù)挖掘及相關(guān)工作的決策分析、工程技術(shù)人員;
(2)需要進(jìn)行大數(shù)據(jù)統(tǒng)計(jì)分析的高校、科研院所的科技工作者;
(3)打算從事數(shù)據(jù)統(tǒng)計(jì)分析的在校生、在職人員。
四、課程大綱:
一、大數(shù)據(jù)挖掘及分析技相關(guān)概念
1、大數(shù)據(jù)挖掘及分析技基本概念
1)基本概念
2)通用系統(tǒng)架構(gòu)
2、大數(shù)據(jù)背景下的挖掘及分析發(fā)展
1)數(shù)據(jù)倉(cāng)庫(kù)發(fā)展
2)數(shù)據(jù)挖掘發(fā)展
3)報(bào)表技術(shù)發(fā)展
二、數(shù)據(jù)挖掘及分析理論及工具
1、數(shù)據(jù)挖掘及分析論體系
2、數(shù)據(jù)倉(cāng)庫(kù)技術(shù)
1)數(shù)據(jù)倉(cāng)庫(kù)技術(shù)發(fā)展
2)數(shù)據(jù)倉(cāng)庫(kù)建設(shè)過(guò)程
3、數(shù)據(jù)挖掘技術(shù)
1)數(shù)據(jù)挖掘相關(guān)算法
2)聚類算法
3)分類算法
4)關(guān)聯(lián)算法
5)預(yù)測(cè)算法
6)數(shù)據(jù)挖掘新技術(shù)
4、可視化體系與工具
1)可視化體系
2)相關(guān)工具
3)可視化開發(fā)過(guò)程
三、數(shù)據(jù)挖掘的主要方法及工具
1、數(shù)據(jù)挖掘主要方法
2、決策樹分類
3、神經(jīng)網(wǎng)絡(luò)
4、回歸方法
5、聚類分析
6、數(shù)據(jù)挖掘方法比較
7、分類器的評(píng)估與選擇
8、流行數(shù)據(jù)分析平臺(tái)及數(shù)據(jù)挖掘工具介紹
四、數(shù)據(jù)挖掘建模過(guò)程
1、數(shù)據(jù)挖掘流程概述
1) 問(wèn)題識(shí)別
2) 數(shù)據(jù)理解
3) 數(shù)據(jù)準(zhǔn)備
4) 建立模型
5) 模型評(píng)價(jià)
6) 部署應(yīng)用
2、 離群點(diǎn)發(fā)現(xiàn)
1) 基于統(tǒng)計(jì)的離群點(diǎn)檢測(cè)
2) 基于距離的離群點(diǎn)檢測(cè)
3) 局部離群點(diǎn)算法
4)不平衡數(shù)據(jù)級(jí)聯(lián)算法
五、實(shí)戰(zhàn)項(xiàng)目——交叉銷售
1、背景介紹
2、案例數(shù)據(jù)展示及分析
3、數(shù)據(jù)展示
4、業(yè)務(wù)目標(biāo)及分析要求
5、數(shù)據(jù)挖掘過(guò)程
6、數(shù)據(jù)預(yù)處理
7、劃分?jǐn)?shù)據(jù)集及生成目標(biāo)變量
8、生成衍生變量
9、生成挖掘表
10、建立打分模型
六、大數(shù)據(jù)的統(tǒng)計(jì)分析
1 、相關(guān)分析
2、回歸分析
3、決策樹分析
1)決策樹的基本概念
2)分類回歸樹
3)決策樹的剪枝
4) 假設(shè)檢驗(yàn)
5) 聚類分析
6) 預(yù)測(cè)分析
7) 單因子方差分析
七、大數(shù)據(jù)的統(tǒng)計(jì)分析案例
1、小概率的力量:航空安全與彩民信心
2、夜空中的災(zāi)難
3、次災(zāi)難驚人的巧合
4、27000年才有一次的中獎(jiǎng)機(jī)會(huì)
5、白點(diǎn)黑點(diǎn),換個(gè)角度看數(shù)據(jù)
6、在整個(gè)背景下評(píng)價(jià)數(shù)據(jù)
7、精心選擇的數(shù)字更豐富

 

李宗偉老師的其它課程

《大數(shù)據(jù)的營(yíng)銷應(yīng)用》課程概況大數(shù)據(jù)時(shí)代已悄然而至......???IDC最近的報(bào)告預(yù)測(cè)稱,到2020年,全球數(shù)據(jù)量將擴(kuò)大50倍。報(bào)告顯示,所有企業(yè)每天的信息儲(chǔ)存量高達(dá)2.2ZB.其中大型企業(yè)平均每家產(chǎn)生的信息量達(dá)10萬(wàn)TB,而中小企業(yè)平均每家產(chǎn)生563TB的數(shù)據(jù)量。預(yù)計(jì)明年大企業(yè)將增長(zhǎng)67,中小企業(yè)將增長(zhǎng)178。??“大數(shù)據(jù)”時(shí)代已經(jīng)降臨,在商業(yè)、經(jīng)濟(jì)及其他

 講師:李宗偉詳情


數(shù)據(jù)挖掘概念與應(yīng)用培訓(xùn)1.數(shù)據(jù)挖掘概念1.1數(shù)據(jù)挖掘主要概念1.2數(shù)據(jù)挖掘方法論1.3數(shù)據(jù)挖掘主要工具2.數(shù)據(jù)挖掘主要算法2.1數(shù)據(jù)挖掘主要算法歸類2.2分類算法——回歸/決策樹2.3聚類算法——kmeans2.4關(guān)聯(lián)算法——apriori/時(shí)序關(guān)聯(lián)3.數(shù)據(jù)挖掘應(yīng)用案例3.1客戶細(xì)分模型3.2客戶響應(yīng)/流失模型3.3產(chǎn)品推薦(關(guān)聯(lián))模型4.答疑

 講師:李宗偉詳情


 發(fā)布內(nèi)容,請(qǐng)點(diǎn)我!  講師申請(qǐng)/講師自薦
清華大學(xué)卓越生產(chǎn)運(yùn)營(yíng)總監(jiān)高級(jí)研修班
清華大學(xué)卓越生產(chǎn)運(yùn)營(yíng)總監(jiān)高級(jí)研修班
COPYRIGT @ 2001-2018 HTTP://gzzmzs.cn INC. ALL RIGHTS RESERVED. 管理資源網(wǎng) 版權(quán)所有