求知 文章 文库 Lib 视频 iPerson 课程 认证 咨询 工具 讲座 Model Center   Code  
会员   
 
 
 
开班计划 | 技术学院 | 管理学院 | 嵌入式学院 | 机械 | 军工学院 | 定向培养 | 专家指导  
 电话 English
成功案例   品质保证
成功案例
中航信 数据湖架构原理与应
某医疗磁 数据采集与处理
某科技公 大数据(Hadoo
诺基亚 Python基础
天津电子 Elasticse
中国电信 数据仓库与数据挖掘
某航天科 MySQL性能优化

相关课程  
并发、大容量、高性能数据库
高级数据库架构设计师
Hadoop原理与实践
HBase原理与高级应用
Oracle 数据仓库
数据仓库和数据挖掘
Oracle数据库开发与管理
 
全部课程 >人工智能  
机器学习和数据挖掘
2308 次浏览  39 次
吴炜
淘宝资深数据挖掘工程师,曾经任职于盛大,mediav,腾讯.
 
时间地点北京,上海,深圳根据报名开班
课程费用:5000元/人
报公开课  
企业内训:可以根据企业需求,定制内训,详见 内训学习手册


认证方式:
培训前了解能力模型。
培训后进行能力评测:
  • 在线考试
  • 能力分析,给出学习建议
  • 合格者颁发证书,作为职业技能资格证明


    理解数据挖掘的基本算法,比如决策树,聚类算法,逻辑回归,关联规则。进一步地,从最优化理论的高度解释为何这些数据挖掘的算法要这样设计。最后,从实际数据挖掘案例的角度解释理论中的算法和实际应用场景下的差距,如何在准确率和有限的时间,算法性能上做折中,和实际的事例结合说基本算法的各种变体。

    培训特色

    • 幻灯片算法讲解,结合代码分析,剖析算法原理;实际应用举例和和业界趋 势分析
    • 成熟开源框架介绍和实例(Theano, TensorFlow)。
    • 使学员能够了解机器学习的流程步骤;理解用机器学习方法解决实际问题的方法和思路;
    • 初步掌握基础机器学习的算法和实现方法。
    培训目标:

    课程中的理论和经验来自于对初级数据挖掘工程经常遇问题的归纳、分析与总结,有针对性的给出解决方法,课程将重现这些问题的经典案例,通过实例讲解,并对应到学员的实际工作问题,使学员能够把传授的经验和自己的问题结合起来,有效的启发思路、激发兴趣、提供解决问题需要的新思路新方法。
    学员的收获总结起来有3点:
      1:了解实际的事例结合说基本算法的各种变体,开阔思路
      2:将一次培训深化为深入了解一个细分领域的一个渠道,之后可以接收到培训内容中知识点对应的业界最新更新。
      3:加入“数据挖掘”职业圈,学员可以有一个加入职业社交圈的机会,和业内人士相互交流,相互切磋。
    培训对象
    • 有一定的程序和数学基础,希望对于数据挖掘有个知识体系的梳理,同时深入了解在实际生产过程中数据挖掘的各种算法的应用的,希望从初级走向中级的,数据增值产业的从业者。尤其是想做数据挖掘但是效果不显著,希望在公司内部得到更多重视的团队,派出两三人参加这个课程,效果尤佳。
    • 对于数据挖掘,商业智能感兴趣,希望从事类似的工作,但是又感到所谓“大数据”知识体系繁杂,无论是广度还是深度都很难开始的“迷茫”人士。
    学员基础
    学员学习本课程应具备下列基础知识:
    1) 知道统计学的一些基本概念:平均分布,正态分布,方差,置信区间;
    2) 知道数据结构的一些基本概念:时间,空间复杂度;
    3) 知道计算机体系结构的一些基本概念:GPU,芯片,寄存器,内存寻址,总线传输,内网通信
    授课方式: 定制课程 + 案例讲解 + 小组讨论,60%案例讲解,40%实践演练

    培训内容:2天

    广义线性分类的原理和应用
    内容:logistic Regression和计算广告学
  • 二分类问题的例子n2.逻辑回归的数学原理
  • 传统广告,计算广告,广告实时交易平台
  • 数据预处理和维度提取
  • LR在计算广告中的应用
  • LR的效果测评,模型调优
  • LR模型中理论与工程的折中
  • LR和他的小伙伴们:广义线性模型n9.新情况,基于移动端的广告实时交易平台,LR的各种变体
  • 决策树,聚类和异常点检测
    内容:决策树和异常点检测
  • 决策树的原理
  • 各种决策树的生成算法
  • 决策树在异常点检测中的应用
  • 决策树的剪枝
  • 其它异常点检测的应用小技巧
  • 聚类算法的原理
  • 聚类算法的常见问题:初始点选择,
  • 聚类算法和决策树在异常点检测中的应用
  • 结合计算广告,谈两个异常点检测小例子
    巨型图挖掘
  • 复杂网络介绍
  • 当前巨型图应用场景
  • 随机图,自然图,
  • 常用的图计算框架(google的bagel,graphlab的graphx)
  • 巨型图上的算法实现原理
  • 常用的基于图的算法实现
  • 随机游走,pageRank基于图的实现
  • svd介绍以及svd在图框架的实现
  • 图挖掘与推荐系统(qzone的广告系统广点通,twitter的内容推荐)
       
    2308 次浏览  39 次
    其他人还看了课程
    图像识别与深度学习  3721 次浏览
    图数据库与知识图谱应用实践  207 次浏览
    大模型原理与实战  779 次浏览
    人工智能的软件测试应用  1531 次浏览
    大模型技术剖析及对行业的影响  593 次浏览
    多模态、ChatGPT与扩散模型实战  1189 次浏览
    定制内训


    最新活动计划
    SysML和EA系统设计与建模 7-26[特惠]
    Python、数据分析与机器学习 8-23[特惠]
    软件架构设计方法、案例实践 8-23[特惠]
    嵌入式软件架构设计 8-22[线上]
    Linux内核编程及设备驱动 7-25[北京]