課程簡介
課程以2個數(shù)據(jù)挖掘項目案例為主線,內(nèi)容貫穿數(shù)據(jù)分析與挖掘的基礎(chǔ)概念、基本流程、常用算法和Python編程實現(xiàn)及數(shù)據(jù)分析挖掘在企業(yè)實際經(jīng)營過程中的應(yīng)用。課程除了帶領(lǐng)學(xué)員入門數(shù)據(jù)挖掘,更著重強調(diào)以數(shù)據(jù)的思維和角度看待及解決問題。
目標收益
培訓(xùn)對象
1、數(shù)據(jù)分析師/挖掘工程師
2、統(tǒng)計學(xué)、數(shù)學(xué)或計算機、數(shù)理統(tǒng)計或數(shù)據(jù)挖掘方向相關(guān)專業(yè)大學(xué)??苹蛞陨蠈W(xué)歷的學(xué)生或教師;
3、具有一定數(shù)學(xué)基礎(chǔ)知識,計劃從事數(shù)據(jù)挖掘工作的職場人士;
4、對數(shù)據(jù)挖掘、數(shù)據(jù)分析感興趣,想自我提升人士。
課程大綱
第一天: Python訓(xùn)練 |
1.1Python基礎(chǔ)知識 1.1.1 Python環(huán)境搭建、庫的安裝 1.1.2 Python數(shù)據(jù)類型及結(jié)構(gòu) 1.1.3 數(shù)據(jù)的導(dǎo)入導(dǎo)出 1.1.4 常用數(shù)據(jù)管理 1.1.5 控制流 1.2 Python函數(shù) 1.2.1 Python常見數(shù)據(jù)函數(shù) 1.2.2 函數(shù)自定義 1.3 Python數(shù)據(jù)挖掘常用模塊 1.3.1 Numpy 1.3.2 pandas 1.3.3 Python機器學(xué)習(xí)庫:Scikit-learn |
第二天: 數(shù)據(jù)挖掘 |
2.1 數(shù)據(jù)挖掘概論 2.1.1 什么是數(shù)據(jù)挖掘 2.1.2 數(shù)據(jù)挖掘、機器學(xué)習(xí)與人工智能 2.1.3 數(shù)據(jù)挖掘的基本過程 2.1.4 模型評估 2.2 數(shù)據(jù)挖掘算法及編程實現(xiàn) 2.2.1 回歸分析 2.2.2 決策樹 2.2.3 KNN 2.2.4 樸素貝葉斯 2.2.5 人工神經(jīng)網(wǎng)絡(luò) 2.2.6 K-means聚類分析 2.2.7 層次聚類 2.2.8 其他聚類算法 |
第三天: 數(shù)據(jù)挖 掘案例 |
3.1 中醫(yī)證型關(guān)聯(lián)規(guī)則 3.1.1 背景與挖掘目標 3.1.2 分析方法與過程 3.1.3 上機實驗 3.1.4 拓展思考 3.2 電商網(wǎng)站智能推薦 3.2.1 背景與挖掘目標 3.2.2 分析方法與過程 3.2.3 上機實驗 3.2.4 拓展思考 |
第一天: Python訓(xùn)練 1.1Python基礎(chǔ)知識 1.1.1 Python環(huán)境搭建、庫的安裝 1.1.2 Python數(shù)據(jù)類型及結(jié)構(gòu) 1.1.3 數(shù)據(jù)的導(dǎo)入導(dǎo)出 1.1.4 常用數(shù)據(jù)管理 1.1.5 控制流 1.2 Python函數(shù) 1.2.1 Python常見數(shù)據(jù)函數(shù) 1.2.2 函數(shù)自定義 1.3 Python數(shù)據(jù)挖掘常用模塊 1.3.1 Numpy 1.3.2 pandas 1.3.3 Python機器學(xué)習(xí)庫:Scikit-learn |
第二天: 數(shù)據(jù)挖掘 2.1 數(shù)據(jù)挖掘概論 2.1.1 什么是數(shù)據(jù)挖掘 2.1.2 數(shù)據(jù)挖掘、機器學(xué)習(xí)與人工智能 2.1.3 數(shù)據(jù)挖掘的基本過程 2.1.4 模型評估 2.2 數(shù)據(jù)挖掘算法及編程實現(xiàn) 2.2.1 回歸分析 2.2.2 決策樹 2.2.3 KNN 2.2.4 樸素貝葉斯 2.2.5 人工神經(jīng)網(wǎng)絡(luò) 2.2.6 K-means聚類分析 2.2.7 層次聚類 2.2.8 其他聚類算法 |
第三天: 數(shù)據(jù)挖 掘案例 3.1 中醫(yī)證型關(guān)聯(lián)規(guī)則 3.1.1 背景與挖掘目標 3.1.2 分析方法與過程 3.1.3 上機實驗 3.1.4 拓展思考 3.2 電商網(wǎng)站智能推薦 3.2.1 背景與挖掘目標 3.2.2 分析方法與過程 3.2.3 上機實驗 3.2.4 拓展思考 |