 班級(jí)規(guī)模及環(huán)境--熱線:4008699035 手機(jī):15921673576( 微信同號(hào)) |
| 每個(gè)班級(jí)的人數(shù)限3到5人，互動(dòng)授課， 保障效果，小班授課。 |
| 上間和地點(diǎn) |
上部份地點(diǎn)：【上?！客瑵?jì)大學(xué)(滬西)/新城金郡商務(wù)樓(11號(hào)線白銀路站)【深圳分部】：電影大廈(地鐵一號(hào)線大劇院站)/深圳大學(xué)成教院【北京分部】：北京中山學(xué)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(lǐng)館區(qū)1號(hào)（中和大道）【沈陽(yáng)分部】：沈陽(yáng)理工大學(xué)/六宅臻品【鄭州分部】：鄭州大學(xué)/錦華大廈【石家莊分部】：河北科技大學(xué)/瑞景大廈
最近開間(周末班/連續(xù)班/晚班）：2019年1月26日 |
| 實(shí)驗(yàn)設(shè)備 |
◆小班教學(xué)，教學(xué)效果好
☆注重質(zhì)量☆邊講邊練
☆合格學(xué)員免費(fèi)推薦工作
★實(shí)驗(yàn)設(shè)備請(qǐng)點(diǎn)擊這兒查看★ |
| 質(zhì)量保障 |
1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽；
2、培訓(xùn)結(jié)束后,授課老師留給學(xué)員聯(lián)系方式,保障培訓(xùn)效果,免費(fèi)提供課后技術(shù)支持。
3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。☆合格學(xué)員免費(fèi)頒發(fā)相關(guān)工程師等資格證書，提升職業(yè)資質(zhì)。專注高端技術(shù)培訓(xùn)15年，端海學(xué)員的能力得到大家的認(rèn)同，受到用人單位的廣泛贊譽(yù)，端海的證書受到廣泛認(rèn)可。 |
部份程大綱 |
| |
- 目標(biāo)收益
本課程將圍繞大數(shù)據(jù)最本質(zhì)的特點(diǎn)—智能化為主線，從大數(shù)據(jù)的產(chǎn)品思維、數(shù)據(jù)分析重要工具、數(shù)據(jù)挖掘核心技術(shù)等層面深入講述
數(shù)據(jù)挖掘的高階話題，包括有偏數(shù)據(jù)挖掘、數(shù)據(jù)流挖掘、在線學(xué)習(xí)、高級(jí)數(shù)據(jù)預(yù)處理技術(shù)等。同時(shí)課程案例豐富，重點(diǎn)從社交網(wǎng)絡(luò)圖譜挖掘、推薦引擎等做實(shí)站案例講解。該課程使學(xué)員：
理解大數(shù)據(jù)基本概率、理解大數(shù)據(jù)產(chǎn)品設(shè)計(jì)思維、理解大數(shù)據(jù)基礎(chǔ)技術(shù)架構(gòu)
掌握社交圖譜挖掘的一到兩個(gè)經(jīng)典數(shù)據(jù)挖掘案例的解決方案
掌握社交好友推薦中一到兩個(gè)經(jīng)典案例的解決方案
掌握如何搭建一個(gè)實(shí)用的推薦引擎的方法；
掌握數(shù)據(jù)挖掘的經(jīng)典方法論：數(shù)據(jù)挖掘過程、模型評(píng)估標(biāo)準(zhǔn)等
側(cè)重掌握最普遍使用的分類預(yù)測(cè)技術(shù)的方法，
- 培訓(xùn)對(duì)象
- 重點(diǎn)面向產(chǎn)品和技術(shù)人員，包括數(shù)據(jù)挖掘工程師、數(shù)據(jù)分析師、大數(shù)據(jù)工程師、算法專家、項(xiàng)目經(jīng)理、技術(shù)經(jīng)理、數(shù)據(jù)產(chǎn)品經(jīng)理以及其他具有一定數(shù)據(jù)挖掘經(jīng)驗(yàn)的人員。
- 課程大綱
- 主題 內(nèi)容
1.大數(shù)據(jù)時(shí)代概述
- 1.1 大數(shù)據(jù)解決的問題是什么？
1.2 大數(shù)據(jù)公司（部門）的都在做什么？
1.3 如何建立自己的大數(shù)據(jù)能力？
- 2.數(shù)據(jù)挖掘過程和實(shí)用工具使用
- 2.1 數(shù)據(jù)挖掘過程的方法及其思想介紹
2.2 挖掘工具Weka使用實(shí)踐
- 3.深入分類挖掘新技術(shù)
- 3.1 產(chǎn)業(yè)實(shí)戰(zhàn)中如何研發(fā)一個(gè)新的數(shù)據(jù)挖掘算法
3.2 機(jī)器學(xué)習(xí)算法理論深入
3.3 常用多模型算法詳解
3.4 Dynamic Data Mining（DDM）：分而治之的多模型框架研發(fā)過程
3.5 模型評(píng)估高級(jí)話題
- 4.深入常用實(shí)戰(zhàn)數(shù)據(jù)預(yù)處理與有偏挖掘技術(shù)
- 4.1 有偏數(shù)據(jù)挖掘
4.2 高級(jí)數(shù)據(jù)預(yù)處理實(shí)戰(zhàn)策略
- 5.深入在線學(xué)習(xí)與數(shù)據(jù)流挖掘
- 5.1 在線數(shù)據(jù)流挖掘基本概念
5.2 數(shù)據(jù)流挖掘的關(guān)鍵挑戰(zhàn)
5.3 兩類經(jīng)典在線流挖掘算法匯總
5.4 進(jìn)階：有偏在線數(shù)據(jù)流挖掘的解決方案
5.5 在線數(shù)據(jù)流挖掘總結(jié)
- 6.深入社交圖譜及推薦引擎實(shí)戰(zhàn)
- 6.1 推薦引擎解決的問題
6.2 推薦系統(tǒng)歷史
6.3 通用推薦引擎基礎(chǔ)架構(gòu)
6.4 社會(huì)化推薦引擎
6.5 社會(huì)化推薦引擎算法案例講解
6.6 社交圖譜挖掘介紹
6.7 社交圖譜挖掘案例講解：好友親密度模型
6.8 社交圖譜挖掘案例講解：好友自動(dòng)分組
|
首頁(yè) 課程表 在線聊 報(bào)名 講師 品牌 QQ聊 活動(dòng) 就業(yè)