课程简介
随着互联网的到来，人类社会开始进入大数据时代。借助机器学习技术，挖掘大数据里边的价值，是互联网+成功企业中的重要一环。在本课程中，你不但能学到数据挖掘的一般概念、基础理论、常用技术以及最新的深度学习技术，还会通过实例体会到大数据中存在确确实实的价值以及发掘这些价值的实用技巧。本课程紧密联系实际，广泛讲授从广告系统、个性化推荐系统以及舆情监控系统的具体做法及最佳实践经验。
目标收益
课程中的内容涵盖理论和经验，是作者们在大数据行业长年摸爬滚打出来的最佳实践的总结。经过这些课程培训，可以使学员能够对大数据体系有全面而又清晰的认识，了解从平台搭建、到数据分析再到数据价值的挖掘各个方面的实用知识，可以即刻在实际工作中学以致用，运用大数据理论、方法来提升部门或公司的业绩。
培训对象
1. 小型企业的技术负责人；
2. 大中型企业的数据部门相关人员、或是对数据感兴趣的其他部门的研发总监、部门经理、一线研发工程师等人员均可。
课程大纲
| 数据挖掘 |
1. 引言：数据挖掘中的务实与务虚 通过数据挖掘的获得的价值有很多，表现在很多方面，总体归结为实与虚两类。本小节将讲诉什么是务实？什么是务虚？并以几个案例展开阐述在公司不同的发展阶段，该如何实现务实业务与务虚业务的最佳结合。 2. 无监督机器学习及案例 无监督机器学习技术常常用于数据的探索、降维，本小节着重描述数据挖掘中常常用到的哪些无监督学习方法及技术。将结合多个案例，介绍几种无监督学习技术的原理、工具以及应用实例。 3. 有监督机器学习及案例 有监督机器学习技术在数据挖掘中占有重要的地位，它通过学习历史数据来建立各种预测模型。本小节重点阐述数据挖掘中常常用到的有监督学习方法、技术及工具。将结合多个案例，介绍多种有监督学习技术的原理、工具以及案例。 4. 个性化推荐系统：不同业务场景下的个性化推荐解决方案 在各大互联网公司中，个性化推荐往往是使用最广泛的数据挖掘应用。本文讲从详细阐述个性化推荐系统的历史发展、原理、常用技术，并结合几种不同业务场景，详细介绍如何搭建适合不同业务场景下个性化推荐系统。 5. 深度学习及案例 深度学习是近十年人工智能领域中取得的一个重大突破。它的出现极大的增强了对数据的理解力。本小节将结合案例简要介绍深度学习的发展历史、原理、难点、常用工具以及相关应用。 6. 综合案例：从海量互联网数据中挖掘有用的舆情信息 本文将以一个完整的舆情分析系统为案例，系统性的阐述了如何将以上学习到的无监督学习技术、有监督学习技术以及深度学习技术结合起来，建立一个实用的、功能完备的数据挖掘系统。 |
|
数据挖掘 1. 引言：数据挖掘中的务实与务虚 通过数据挖掘的获得的价值有很多，表现在很多方面，总体归结为实与虚两类。本小节将讲诉什么是务实？什么是务虚？并以几个案例展开阐述在公司不同的发展阶段，该如何实现务实业务与务虚业务的最佳结合。 2. 无监督机器学习及案例 无监督机器学习技术常常用于数据的探索、降维，本小节着重描述数据挖掘中常常用到的哪些无监督学习方法及技术。将结合多个案例，介绍几种无监督学习技术的原理、工具以及应用实例。 3. 有监督机器学习及案例 有监督机器学习技术在数据挖掘中占有重要的地位，它通过学习历史数据来建立各种预测模型。本小节重点阐述数据挖掘中常常用到的有监督学习方法、技术及工具。将结合多个案例，介绍多种有监督学习技术的原理、工具以及案例。 4. 个性化推荐系统：不同业务场景下的个性化推荐解决方案 在各大互联网公司中，个性化推荐往往是使用最广泛的数据挖掘应用。本文讲从详细阐述个性化推荐系统的历史发展、原理、常用技术，并结合几种不同业务场景，详细介绍如何搭建适合不同业务场景下个性化推荐系统。 5. 深度学习及案例 深度学习是近十年人工智能领域中取得的一个重大突破。它的出现极大的增强了对数据的理解力。本小节将结合案例简要介绍深度学习的发展历史、原理、难点、常用工具以及相关应用。 6. 综合案例：从海量互联网数据中挖掘有用的舆情信息 本文将以一个完整的舆情分析系统为案例，系统性的阐述了如何将以上学习到的无监督学习技术、有监督学习技术以及深度学习技术结合起来，建立一个实用的、功能完备的数据挖掘系统。 |
近期公开课推荐