課程費用

5800.00 /人

課程時長

2

成為教練

課程簡介

理解數據挖掘的基本算法,比如決策樹,聚類算法,邏輯回歸,關聯(lián)規(guī)則。在這個基礎上理解機器學習更加深入的內容:bagging&boosting,概率圖模型(LDA,PLSA),樹模型(GBDT,MART) ,對于深度學習有一定的認知(word2vetcor,表征學習).不單單介紹算法的應用場景,更進一步從最優(yōu)化理論的高度解釋為何這些數據挖掘的算法要這樣設計。

目標收益

課程中的理論和經驗來自于對初級,中級數據挖掘工程經常遇問題的歸納、分析與總結,有針對性的給出解決方法,課程將重現這些問題的例講解,并對應到學員的實際工作問題,使學員能夠把傳授的經驗和自己的問題結合起來,有效的啟發(fā)思路、激發(fā)興趣、提供解決問題需要的新思經典案例,通過實路新方法。
學員的收獲總結起來有3點:
1:了解實際的事例結合說基本算法的各種變體,開闊思路
2:將一次培訓深化為深入了解一個細分領域的一個渠道,之后可以接收到培訓內容中知識點對應的業(yè)界最新更新。
3:加入“數據挖掘”職業(yè)圈,學員可以有一個加入職業(yè)社交圈的機會,和業(yè)內人士相互交流,相互切磋。

培訓對象

1:有一定的程序和數學基礎,希望對于數據挖掘有個知識體系的梳理,同時深入了解在實際生產過程中數據挖掘的各種算法的應用的,希望從初級走向中級的,數據增值產業(yè)的從業(yè)者。尤其是想做數據挖掘但是效果不顯著,希望在公司內部得到更多重視的團隊,派出兩三人參加這個課程,效果尤佳。
2:對于數據挖掘,商業(yè)智能感興趣,希望從事類似的工作,但是又感到所謂“大數據”知識體系繁雜,無論是廣度還是深度都很難開始的“迷?!比耸?。

課程大綱

廣義線性分類的原理和應用 內容:logistic Regression和計算廣告學
n1.二分類問題的例子
n2.邏輯回歸的數學原理
n3.傳統(tǒng)廣告,計算廣告,廣告實時交易平臺
n4.數據預處理和維度提取
n5.LR在計算廣告中的應用
n6.LR的效果測評,模型調優(yōu)
n7.LR模型中理論與工程的折中
n8.LR和他的小伙伴們:廣義線性模型
n9.新情況,基于移動端的廣告實時交易平臺,LR的各種變體
決策樹,聚類和異常點檢測 內容:決策樹和異常點檢測
n1.決策樹的原理
n2.各種決策樹的生成算法
n3.決策樹在異常點檢測中的應用
n4.決策樹的剪枝
n5.其它異常點檢測的應用小技巧
n6.聚類算法的原理
n7.聚類算法的常見問題:初始點選擇
n8.聚類算法和決策樹在異常點檢測中的應用
n9.結合計算廣告,談兩個異常點檢測小例子
概率圖模型 n1.貝葉斯網絡(有向圖模型)
n2.馬爾科夫網(無向圖模型)
n3.條件隨機場(局部有向圖模型)
n4.LDA,PLSA
Bagging & boosting n1.bagging
n2.boosting
n3.隨機森林
n4.提升樹
n5.GBDT
分解因子機 n1.非負矩陣分解
n2.協(xié)同過濾
n3.分解因子機
巨型圖挖掘 n1.復雜網絡介紹
n2.當前巨型圖應用場景
n3.隨機圖,自然圖,
n4.常用的圖計算框架(google的bagel,graphlab的graphx)
n5.巨型圖上的算法實現原理
n6.常用的基于圖的算法實現
n7.隨機游走,pageRank基于圖的實現
n8.svd介紹以及svd在圖框架的實現
n9.圖挖掘與推薦系統(tǒng)(qzone的廣告系統(tǒng)廣點通,twitter的內容推薦)
深度學習初探 n1:word2vec
n2:node2vec
n3:CNN
n4:DNN
n5:lstm
機器學習框架 n1:spark
n2:參數服務器
n3:Tensorflow和其他深度學習框架
廣義線性分類的原理和應用
內容:logistic Regression和計算廣告學
n1.二分類問題的例子
n2.邏輯回歸的數學原理
n3.傳統(tǒng)廣告,計算廣告,廣告實時交易平臺
n4.數據預處理和維度提取
n5.LR在計算廣告中的應用
n6.LR的效果測評,模型調優(yōu)
n7.LR模型中理論與工程的折中
n8.LR和他的小伙伴們:廣義線性模型
n9.新情況,基于移動端的廣告實時交易平臺,LR的各種變體
決策樹,聚類和異常點檢測
內容:決策樹和異常點檢測
n1.決策樹的原理
n2.各種決策樹的生成算法
n3.決策樹在異常點檢測中的應用
n4.決策樹的剪枝
n5.其它異常點檢測的應用小技巧
n6.聚類算法的原理
n7.聚類算法的常見問題:初始點選擇
n8.聚類算法和決策樹在異常點檢測中的應用
n9.結合計算廣告,談兩個異常點檢測小例子
概率圖模型
n1.貝葉斯網絡(有向圖模型)
n2.馬爾科夫網(無向圖模型)
n3.條件隨機場(局部有向圖模型)
n4.LDA,PLSA
Bagging & boosting
n1.bagging
n2.boosting
n3.隨機森林
n4.提升樹
n5.GBDT
分解因子機
n1.非負矩陣分解
n2.協(xié)同過濾
n3.分解因子機
巨型圖挖掘
n1.復雜網絡介紹
n2.當前巨型圖應用場景
n3.隨機圖,自然圖,
n4.常用的圖計算框架(google的bagel,graphlab的graphx)
n5.巨型圖上的算法實現原理
n6.常用的基于圖的算法實現
n7.隨機游走,pageRank基于圖的實現
n8.svd介紹以及svd在圖框架的實現
n9.圖挖掘與推薦系統(tǒng)(qzone的廣告系統(tǒng)廣點通,twitter的內容推薦)
深度學習初探
n1:word2vec
n2:node2vec
n3:CNN
n4:DNN
n5:lstm
機器學習框架
n1:spark
n2:參數服務器
n3:Tensorflow和其他深度學習框架

課程費用

5800.00 /人

課程時長

2

預約體驗票 我要分享

近期公開課推薦

近期公開課推薦

活動詳情

提交需求