數(shù)據(jù)挖掘及實戰(zhàn)

  •  課程目標

    首先對數(shù)據(jù)挖掘進行了總體介紹,然后講解數(shù)據(jù)倉庫的理論知識及實現(xiàn),進一步系統(tǒng)的講解了數(shù)據(jù)預處理、關聯(lián)規(guī)則挖掘、對分類、聚類的問題及相應的方法進行了講解,最后講解案例社交媒體挖掘。

  •  師資團隊

  • 華清創(chuàng)客企業(yè)內訓講師,均是來自各個領域的資深專家,均擁有6年以上大型項目經(jīng)驗。

  •  培養(yǎng)對象

    學員學習本課程應具備下列基礎知識:
    ①具備Python/Java語言編程的基本知識和初步技能;
    ②了解基本的數(shù)據(jù)挖掘知識;

  •  培訓方式

第一種:華清創(chuàng)客講師面授
課時:共4天,每天6學時,總計24學時
◆費用:3200元
◆外地學員:代理安排食宿(需提前預定)

第二種:線上直播授課
直播課時:共8天,每天3學時,總計24學時;
輔導:授課期間,輔導老師每天有1小時的輔導直播
◆費用:3200元

第三種:企業(yè)訂制培訓
課時:根據(jù)定制的大綱確定課時
費用:根據(jù)課程難度,每課時2000~3500元

    •  質量保證

      1、培訓過程中,如有部分內容理解不透或消化不好,可免費在下期培訓班中重聽;

      2、培訓結束后免費提供一個月的技術支持,充分保證培訓后出效果;

      3、培訓合格學員可享受免費推薦就業(yè)機會。

    •  課程大綱


      第一課:數(shù)據(jù)挖掘介紹        

               講解數(shù)據(jù)挖掘的動機,數(shù)據(jù)挖掘的概念,數(shù)據(jù)挖掘的特性,數(shù)據(jù)模式,數(shù)據(jù)種類,關系數(shù)據(jù)庫,數(shù)據(jù)倉庫,事務數(shù)據(jù)庫,數(shù)據(jù)發(fā)現(xiàn)過程,數(shù)據(jù)挖掘研究事務。

       

      第二課:數(shù)據(jù)倉庫        

               數(shù)據(jù)倉庫概念

               多維數(shù)據(jù)模型

               數(shù)據(jù)倉庫架構

               數(shù)據(jù)倉庫實現(xiàn)

               數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的關系

       

      第三課:數(shù)據(jù)預處理    

               數(shù)據(jù)預處理的必要性

               描述性數(shù)據(jù)總結

               數(shù)據(jù)清洗

               數(shù)據(jù)轉換

               數(shù)據(jù)完整性

               數(shù)據(jù)約減

               離散和生成概念分層

       

      第四課:關聯(lián)規(guī)則挖掘        

               講解如何定義關聯(lián)規(guī)則,如何挖掘單維度二值關聯(lián)規(guī)則,多層關聯(lián)規(guī)則和多維度關聯(lián)規(guī)則。

       

      第五課:分類問題        

               分類問題與預測

               決策樹分類

               貝葉斯分類

               后向傳播分類

               其他分類方法

               預測

               正確與錯誤的衡量

       

      第六課:聚類問題        

               聚類分析

               聚類分析的數(shù)據(jù)類型

               主要的聚類方法分類

               劃分聚類法

               層次聚類法

               基于密度的方法

               基于柵格的方法

               離散點分析

       

      第七課:社交媒體挖掘        

               講述社交媒體挖掘的網(wǎng)絡基礎,網(wǎng)絡度量,以及社區(qū)發(fā)現(xiàn)算法,并在推薦系統(tǒng)中的具體應用。



the end

評論(0)