 班级规模及环境--热线:4008699035 手机:15921673576( 微信同号) |
|
每期人数限3到5人。 |
| 上课时间和地点 |
上课地点：【上海】：同济大学(沪西)/新城金郡商务楼(11号线白银路站) 【深圳分部】：电影大厦(地铁一号线大剧院站)/深圳大学成教院 【北京分部】：北京中山学院/福鑫大楼 【南京分部】：金港大厦(和燕路) 【武汉分部】：佳源大厦（高新二路） 【成都分部】：领馆区1号（中和大道） 【沈阳分部】：沈阳理工大学/六宅臻品 【郑州分部】：郑州大学/锦华大厦 【石家庄分部】：河北科技大学/瑞景大厦 【广州分部】：广粮大厦 【西安分部】：协同大厦
最近开课时间(周末班/连续班/晚班）：2020年3月16日 |
| 实验设备 |
☆资深工程师授课
☆注重质量
☆边讲边练
☆合格学员免费推荐工作
★实验设备请点击这儿查看★ |
| 质量保障 |
1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
2、培训结束后,授课老师留给学员联系方式,保障培训效果,免费提供课后技术支持。
3、培训合格学员可享受免费推荐就业机会。 |
课程大纲 |
一、 课程背景
信息爆炸的大数据时代，如何有效利用系统庞大的数据，如何面对互联网金融的挑战，成为企业关注的重要问题。为帮助企业认清和解决这一问题，有必要紧跟时代发展步伐，综合各方经验，以帮助企业成功转型。中培在过去的十年中曾经为数百家企业提供了数据挖掘培训服务。
二、 培训收益
通过本课程，您可以掌握以下：
1. 数据挖掘与商业智能的历史、概念、经典案例、基础理论；
2. 掌握R的基本数据结构、统计函数及高级函数、导入导出数据；
3. 理解如何使用R语言及相应的模型解决现实问题；
4. 全面掌握Hadoop的架构原理和使用场景；
5. 掌握大数据基本概念及特点；
6. 了解典型行业对于大数据的处理方式；
7. 了解基于大数据的客户行为分析；
8. 数据云计算框架Hadoop及其对大数据处理的支撑作用；
9. 掌握MapReduce计算模型概念及应用；
10. 熟悉大数据存储组件Hbase及Hive；
11. 了解大数据分析工具Mouhout；
12. 掌握R数据挖掘的基本方法。
三、 培训大纲
日程 培训模块 培训内容
大数据概述 1. 大数据基本概念、技术梗概、技术沿革，以及大数据技术是如何改变人工智能技术、语音识别技术、图像识别/视频理解、自然语言处理技术等；
2. 数据挖掘与商业智能概述；
3. 数据挖掘与商业智能发展历程；
4. 数据挖掘与商业智能的基本理论。
R语言精要 本着循序渐进而又覆盖R语言重要而有用的基本内容原则，本讲从R语言入门开始，以前期的数据处理为核心，以实际案例为载体，内容包括R语言的向量、数据框、矩阵运算、缺失值和零值的处理、特别注重用R语言构造函数编程解决实际问题，详细介绍强大的数据清洗整理plyr、zoo、car等常用包和强大的作图ggplot2包，为使用R语言进行数据挖掘打下扎实的工具基础。
主要案例：
案例1：如何用R语言plyr等包合并、排序、分析数据并编制香农-威纳指数；
案例2：如何用R语言编程同时实现几十个高难度数据分析可视化图片的jpeg格式输出；
案例3：如何使用R语言进行分层或者整群抽样构建训练集与测试集；
案例4：使用ggplot2画出各种复杂的图形。
关联规则和R语言实现 关联规则（著名的“啤酒和尿布”）是数据挖掘的基础和核心技术之一，本讲将着重围绕经典的Apriori算法和eclat算法，阐明关联规则的支持、置信和提升程度与控制，使用R语言快速完成关联规则分析。
主要案例：
案例1：使用R语言关联规则方法帮助各个超市实现商品的最佳捆绑销售方案（即“购物篮”分析）；
案例2：泰坦尼克号乘客幸存的关联规则分析；
案例3：提高个人收入的关联分析。
决策树（回归树）分析和R语言实现 决策树是数据挖掘的经典方法，其原理容易被理解。本讲主要讲授两种最为普遍的决策树算法：CART和C4.5算法，使用Rpart和J48函数进行R语言分析。
主要案例：
案例1：对汽车耗油量进行决策树分析并完成相关目标变量的预测；
案例2：使用决策树帮助电信局判断和预测客户办理宽带业务。
R语言随机森林（RandomForest）算法 在机器学习中，随机森林是一个包含多个决策树的分类器，本讲讲清随机森林方法的原理，以致在实际中帮助学员判断适合进行随机森林分析的情况，最终熟练掌握R语言随机森林分析的方法。
主要案例：
案例1：对皮肤病进行随机森林的分类和预测；
案例2：对酒的品质和种类进行分类和评价。
支持向量机和R语言的实现 本讲将分析支持向量机的结构风险最小原理、间隔和核函数，从而帮助学员深刻理解支持向量机的思想和算法，以及使用中注意的问题，从而帮助学员灵活地应用于各个领域。
主要案例：
案例1：对著名的鸢尾花数据进行支持向量机的分析；
案例2：使用支持向量机识别有毒蘑菇；
案例3：使用支持向量机进行股票指数预测。
神经网络和R语言的实现 神经网络由大量的节点和输出函数构成逻辑策略，本讲介绍其原理，主要通过案例的方式讲解R语言实现神经网络算法的过程和注意的事项。
主要案例：
案例1：酒的品质和种类的神经网络的分析和预测；
案例2：公司财务预警建模。
使用R语言结合KNN算法进行文本挖掘 文本挖掘，特别是对中文的文本挖掘日趋重要。本讲介绍文本挖掘的原理和方法，帮助大家使用R语言在大量的非结构化的数据中发现有价值的信息，抽取潜在有用的数据，发现适合模式，实现可视化结果展示。
主要案例：
案例：使用R语言结合KNN算法对网页（Web）进行文本挖掘（含分词、分类、可视化等）。 |
|
|
首页 课程表 在线聊 报名 讲师 品牌 QQ聊 活动 就业
