首页论坛企业培训学习券付款方式金融培训软件培训(Peixun.net)
人大经济论坛-Peixun.Net
统计软件培训班
SPSS视频班
Lingo视频班
Minitab视频班
Gauss视频班
Mathematica培训班
BI视频班
历届现场班
 
当前选择:
【北京_5月1日_数据挖掘培训】 数据挖掘实战应用 
主讲教师:
数据挖掘实战应用讲师团队 
学费:
4500元 / 3500元 (凭学生证优惠价) 
上课时间:
2014-5-1至5-3 (3天) 
上课地点:
北京市朝阳区对外经贸大学 
报名开始时间:
2014-3-20 
报名结束时间:
2014-5-1 
详细说明:

课程特色:

  • 本次课程将通俗易懂地系统讲述经典数据挖掘算法,通过代码实现让学员深入理解算法内部;

  • 实战讲解数据挖掘主流应用:推荐系统、搜索广告,快速提升学员实战能力;

  • 三位讲师曾就职于多家知名互联网公司,使学员可以充分的掌握数据挖掘在不同业务场景中的应用。
     

  • 学员对象:

  • 企业员工,想对数据挖掘的理论进一步深入梳理,并想增加数据挖掘的实战案例储备;

  • 对数据挖掘有兴趣或者想转行为数据挖掘的人员,但要求对数据挖掘及其中模型和算法有基本了解;

  • 在校硕士和博士研究生,有一定的数据挖掘知识基础。


  • 培训目标:

    1. 使学员对数据挖掘模型和算法有一个系统、深入的理解,并具备对数据挖掘高级部分的自学能力;

    2. 通过实战讲解当前数据挖掘主流应用:推荐系统、搜索广告,提升学员的数据挖掘实战能力,甚至可以将培训课程中的实战案例直接应用于项目之中;

    3. 三位讲师在多家知名互联网公司的工作背景,使学员充分的了解数据挖掘在不同业务场景下的实际应用。

       

    讲师介绍:

    钟超,毕业于哈尔滨工程大学,现任京东商城商业智能部高级数据挖掘工程师。

    主要研究方向为:最优化方法,机器学习,推荐系统,搜索引擎算法。同时关注大规模机器学习算法的实现,专注于机器学习算法在电商中的应用。

    负责和参与了京东多个重要的数据挖掘应用项目,理论基础扎实、擅长算法代码实现,实战经验丰富。将主讲本次课程中的数据挖掘算法及实现部分。


    Peter Wang,中国科学技术大学硕士,曾就职于IBM、百度等知名IT/互联网企业,任资深数据挖掘算法研究员、高级架构师等职位。

    主要研究方向为:数据挖掘、机器学习、大数据技术、搜索、广告等系统平台架构规划、算法优化。将主讲本次课程中的搜索广告部分。
     

    李少伟,清华大学软件工程硕士,曾就职于新浪微博、奇虎360等知名互联网企业,任资深数据挖掘工程师职位。

    主要研究方向为:个性化推荐、数据挖掘、机器学习,尤其是各种数据挖掘算法基于大数据的实现。曾在个性化推荐领域发表两篇专利。

    负责和参与了新浪、奇虎360各个应用场景下的推荐系统的构建与开发,理论基础扎实,实战经验丰富。将主讲本次课程中的个性化推荐部分。

     

    课程大纲:

    第一部分 (钟超老师主讲)

    一 数据挖掘概述

       1 统计学习

        2 监督学习

        3 模型评估与选择

        4 模型的泛化能力

    二 预测算法

       1 一元线性回归

         1.1为什么用回归

         1.2一元线性回归模型

       2 最优化方法-梯度下降法

       3 基函数与核函数

         3.1多项式回归

         3.2回归模型中的基函数

        4 欠拟合与过拟合

         4.1欠拟合

         4.2过拟合

        5 多元线性回归

        6 应用实例

    三 分类算法

       1 线性分类器-感知器

         1.1感知器

         1.2感知器的学习策略

         1.3优化损失函数

         1.4代码实现

        2 线性分类器-逻辑回归

         2.1逻辑回归分布

         2.2二项逻辑回归

         2.3参数估计

         2.4基函数

         2.5过拟合(正则化)

         2.6参数的矩阵表示

         2.7代码实现

        3 贝叶斯分类器

         3.1贝叶斯公式

         3.2高斯贝叶斯分类器

           3.2.1理论简介

           3.2.2代码实现

         3.3多项式贝叶斯分类器

           3.3.1 构造数据集信息

           3.3.2 计算特征(单词)概率

           3.3.3 计算整篇文档的频率

           3.3.4 贝叶斯公式

           3.3.5 选择分类

           3.3.6 费舍尔方法

           3.3.7 增量式训练

        4 应用实例-主动客服

    四 聚类算法

       1 KMEANS

        2 谱聚类

        3 应用实例-网格化配送

    五 降维算法

       1 主成分分析(PCA)

         1.1 主成分应用

         1.2  一个例子

           1.2.1求主成分和主成分得分

           1.2.2确定分析精度

           1.2.3分析结果

           1.2.4程序解析

        2 隐性语意分析(LSA)

         2.1基于LSA的文本摘要算法

         2.2文本降维

        3 应用实例-文本聚类

    六 模型选择

       1 交叉验证

        2 准确率、召回率、F-得分

        3 混淆矩阵

     

    第二部分 (Peter Wang老师主讲)
     

    一 计算广告学的基础背景

       1  广告的基本知识及发展历史

        2  在线广告的特点及市场分析

        3  计算广告的定义及研究范围

        4  广告投放模式详解

    二 计算广告学中常用的数据挖掘算法

       1 回归

        2 聚类

        3 支持向量机

        4 决策树

        5 逻辑回归

        6 主题模型

        7 贝叶斯网络模型

    三 搜索广告算法精解

       1 搜索广告匹配概览

        2 搜索广告匹配模式

        3 广告检索子系统介绍

        4 Query与广告的匹配方法

        5 Query rewrite技术

        6 关键词推荐

    四 个性化广告投放概述

    五 展示广告匹配概述

    六 展示广告点击率预测

       1 击率预估背景

        2 点击率预估特点

        3 点击率预估模型

    七 广告反作弊技术及方法


    第三部分 (李少伟老师主讲)

    一 推荐系统概述

       1 什么是推荐系统

        2 推荐系统应用场景

        3 推荐系统的评测

    二 推荐方法简介

       1 协同过滤推荐

        2 基于内容的推荐

        3 基于知识的推荐

    三 推荐系统中经常会用到的数据挖掘算法

       1 聚类

        2 Svm

        3 决策树

        4 逻辑回归

        5 SVD

        6 贝叶斯

    四 推荐系统冷启动问题

       1 冷启动问题简介

        2 解决方案

    五 推荐系统中经常遇到的问题以及解决方案

    六 推荐系统实例

       1 电商网站推荐系统构建

        2 社交平台推荐系统构建

        3 移动app分发平台推荐系统构建

        4 新闻网站推荐系统构建说

     

    PS:现场班后会赠送学员VIP1豪华版;同时分享学员通讯录,建立QQ群方便后期交流。
     

    联系方式:

    魏老师

    QQ:  28819897142881989714

    Tel: 010-68478566

    Mail:vip@pinggu.org

     
    我要报名

    咨询电话:(010)68472925 京icp备05006052号 主办单位:人大经济论坛

    友情链接:英语作文 | 数据分析师 | matlab技术论坛 | spss培训 | spss教程 | Matlab教程