機器學習和數(shù)據(jù)挖掘課程
?
目標收益
課程中的理論和經(jīng)驗來自于對初級數(shù)據(jù)挖掘工程經(jīng)常遇問題的歸納、分析與總結(jié)，有針對性的給出解決方法，課程將重現(xiàn)這些問題的經(jīng)典案例，通過實例講解，并對應(yīng)到學員的實際工作問題，使學員能夠把傳授的經(jīng)驗和自己的問題結(jié)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路新方法。
學員的收獲總結(jié)起來有3點：
1：了解實際的事例結(jié)合說基本算法的各種變體，開闊思路
2：將一次培訓(xùn)深化為深入了解一個細分領(lǐng)域的一個渠道，之后可以接收到培訓(xùn)內(nèi)容中知識點對應(yīng)的業(yè)界最新更新。
3：加入“數(shù)據(jù)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(nèi)人士相互交流，相互切磋。

培訓(xùn)對象

1：有一定的程序和數(shù)學基礎(chǔ)，希望對于數(shù)據(jù)挖掘有個知識體系的梳理，同時深入了解在實際生產(chǎn)過程中數(shù)據(jù)挖掘的各種算法的應(yīng)用的，希望從初級走向中級的，數(shù)據(jù)增值產(chǎn)業(yè)的從業(yè)者。尤其是想做數(shù)據(jù)挖掘但是效果不顯著，希望在公司內(nèi)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(shù)據(jù)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(shù)據(jù)”知識體系繁雜，無論是廣度還是深度都很難開始的“迷茫”人士。

學員基礎(chǔ)

學員學習本課程應(yīng)具備下列基礎(chǔ)知識：
1) 知道統(tǒng)計學的一些基本概念：平均分布，正態(tài)分布，方差，置信區(qū)間；?
2) 知道數(shù)據(jù)結(jié)構(gòu)的一些基本概念：時間，空間復(fù)雜度；
3) 知道計算機體系結(jié)構(gòu)的一些基本概念：GPU，芯片，寄存器，內(nèi)存尋址，總線傳輸，內(nèi)網(wǎng)通信

課程大綱
?

主題 內(nèi)容
廣義線性分類的原理和應(yīng)用

內(nèi)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(shù)學原理n3.傳統(tǒng)廣告，計算廣告，廣告實時交易平臺n4.數(shù)據(jù)預(yù)處理和維度提取n5.LR在計算廣告中的應(yīng)用n6.LR的效果測評，模型調(diào)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(nèi)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(yīng)用n4.決策樹的剪枝n5.其它異常點檢測的應(yīng)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(yīng)用n9.結(jié)合計算廣告，談兩個異常點檢測小例子

巨型圖挖掘

1.復(fù)雜網(wǎng)絡(luò)介紹n2.當前巨型圖應(yīng)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(xiàn)原理n6.常用的基于圖的算法實現(xiàn)n7.隨機游走，pageRank基于圖的實現(xiàn)n8.svd介紹以及svd在圖框架的實現(xiàn)n9.圖挖掘與推薦系統(tǒng)（qzone的廣告系統(tǒng)廣點通，twitter的內(nèi)容推薦）

?
?
?

?
?