課程簡(jiǎn)介：
作為一門學(xué)科，數(shù)據(jù)挖掘?qū)τ谑廊藖?lái)說(shuō)在很大程度上是透明的。我們?cè)诖蠖鄶?shù)時(shí)間都從未注意到它的發(fā)生。但每當(dāng)我們辦理商店購(gòu)物卡、使用信用卡購(gòu)物或在網(wǎng)上沖浪時(shí)，都在創(chuàng)建數(shù)據(jù)。這些數(shù)據(jù)以大數(shù)據(jù)集形式存儲(chǔ)在我們每天與之打交道的公司所擁有的功能強(qiáng)大的計(jì)算機(jī)上。存在于這些數(shù)據(jù)集之內(nèi)的便是模式 – 表明我們的興趣、習(xí)慣和行為。數(shù)據(jù)挖掘可讓人們找到并解讀這些模式，從而幫助人們做出更明智的決策，并更好地為客戶服務(wù)。
本培訓(xùn)旨在向您介紹數(shù)據(jù)挖掘方面的常見(jiàn)概念和做法。 主要目標(biāo)讀者除了大學(xué)生之外，還有希望通過(guò)挖掘數(shù)據(jù)，使用信息系統(tǒng)和技術(shù)解決業(yè)務(wù)問(wèn)題，但在計(jì)算機(jī)科學(xué)方面沒(méi)有正式相關(guān)背景或教育經(jīng)歷的業(yè)務(wù)專家。 盡管數(shù)據(jù)挖掘融合了應(yīng)用統(tǒng)計(jì)、邏輯、人工智能、機(jī)器學(xué)習(xí)和數(shù)據(jù)管理系統(tǒng)，但您不需要在這些領(lǐng)域具有很強(qiáng)的背景即可參加本次培訓(xùn)，來(lái)學(xué)會(huì)使用RapidMiner。 雖然學(xué)過(guò)統(tǒng)計(jì)學(xué)和數(shù)據(jù)庫(kù)方面的初級(jí)大學(xué)課程將會(huì)有所幫助，但本培訓(xùn)中對(duì)成功學(xué)習(xí)如何挖掘數(shù)據(jù)需要了解的概念和技術(shù)進(jìn)行了解釋。
RapidMiner原名Yale，它是用于數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、商業(yè)預(yù)測(cè)分析的開(kāi)源計(jì)算環(huán)境。根據(jù)KDnuggets在2013年的一次投票顯示，從使用率來(lái)看該軟件比之R語(yǔ)言還要略勝一籌。因?yàn)槠渚邆銰UI特性，所以很適合于數(shù)據(jù)挖掘的初學(xué)者入門。
本課程各章節(jié)圍繞實(shí)際挖掘分析業(yè)務(wù)需求，對(duì)挖掘工作中常用的各種算法應(yīng)用方式、過(guò)程都做了闡述，各章節(jié)所需試驗(yàn)數(shù)據(jù)也專門打包，可供讀者下載使用。
授課對(duì)象：
本課程適合已經(jīng)有一定的IT基礎(chǔ)，但對(duì)數(shù)據(jù)挖掘領(lǐng)域尚不了解的朋友進(jìn)修學(xué)習(xí)。如果您具備統(tǒng)計(jì)學(xué)和數(shù)據(jù)庫(kù)方面的初級(jí)基礎(chǔ)技能會(huì)更好。課程同樣適用于數(shù)據(jù)分析師、IT系統(tǒng)架構(gòu)設(shè)計(jì)及研發(fā)人員，通過(guò)簡(jiǎn)單靈活的挖掘模型定制，帶領(lǐng)您探索發(fā)現(xiàn)隱藏在海量數(shù)據(jù)背后的新知識(shí)。
收獲預(yù)期：
算法有一定的了解，有一定的使用RapidMiner工具解決問(wèn)題的能力，能夠熟練地使用RapidMiner提供的典型挖掘算法進(jìn)行挖掘分析。
授課講師：
TEKKEN，從事IT行業(yè)十余年，有豐富的數(shù)據(jù)分析挖掘領(lǐng)域知識(shí)經(jīng)驗(yàn)。對(duì)數(shù)據(jù)清洗轉(zhuǎn)換集成、數(shù)據(jù)挖掘分析、數(shù)據(jù)可視化展現(xiàn)等內(nèi)容有豐富的產(chǎn)品/項(xiàng)目實(shí)踐經(jīng)驗(yàn)。曾獨(dú)立開(kāi)發(fā)完成集成了各種儀表盤、圖表、數(shù)據(jù)挖掘組件在一起的Flex儀表盤設(shè)計(jì)器。現(xiàn)任某數(shù)據(jù)分析挖掘公司產(chǎn)品總監(jiān)。
——————-課程目錄——————-
《快速數(shù)據(jù)挖掘平臺(tái)RapidMiner》課程內(nèi)容：
第一課：數(shù)據(jù)挖掘基本知識(shí)RapidMiner工具介紹
第二課：數(shù)據(jù)準(zhǔn)備：導(dǎo)入、預(yù)處理、導(dǎo)出
第三課：數(shù)據(jù)挖掘模型和方法
第四課：K-Means 聚類與辨別分析
第五課：線性回歸與邏輯回歸
第六課：決策樹(shù)與神經(jīng)網(wǎng)絡(luò)
第七課：文本挖掘
第八課：WEB挖掘
第九課：協(xié)同過(guò)濾、推薦
第十課：時(shí)間序列分析
第十一課：離群點(diǎn)分析
第十二課：模型評(píng)估-交叉驗(yàn)證與模型優(yōu)化化
第十三課：過(guò)程控制
第十四課：數(shù)據(jù)轉(zhuǎn)換與執(zhí)行命令
