目标收益
本课程将围绕大数据最本质的特点—智能化为主线，从大数据的产品思维、数据分析重要工具、数据挖掘核心技术等层面，从浏览型互联网应用、社交网络型互联网应用等多角度多领域做实站案例讲解。
该课程使学员：理解大数据基本概率、理解大数据产品设计思维、理解大数据基础技术架构
掌握社交图谱挖掘的一到两个经典数据挖掘案例的解决方案
掌握社交好友推荐中一到两个经典案例的解决方案
掌握如何搭建一个实用的推荐引擎的方法；
掌握数据挖掘的经典方法论：数据挖掘过程、模型评估标准等
侧重掌握最普遍使用的分类预测技术的方法，轻松理解分类预测技术的重难点主题及一些新技术：模型优化的原理、Overfitting和Un
培训对象
数据挖掘工程师、数据分析师、大数据工程师、算法专家、项目经理、技术经理、数据产品经理以及其他具有一定数据挖掘经验的人员。
学员基础
具有一定数据挖掘经验的人员。
课程大纲
| 主题 |
内容 |
|
1.大数据时代概述
|
1.1 大数据解决的问题是什么？
1.2 大数据公司（部门）的都在做什么？
1.3 如何建立自己的大数据能力？
|
|
2.数据挖掘基础及Weka 工具使用
|
2.1 数据挖掘过程与挖掘工具Weka使用实践
2.2 数据挖掘模型评估方法
2.3 数据挖掘的模型评估指标
|
|
3. 如何研发大数据算法：以数据分类挖掘新技术为例
|
3.1 工业界应用举例
3.2 分类挖掘原理探索：经典的单模型方法
3.3 分类学习根源问题的更好解决方案：多模型方法
3.4 多模型重要算法汇总
3.5 如何研发一个新的数据挖掘算法：案例讲解
|
|
4.以大数据挖掘为中心的推荐引擎实战
|
4.1 推荐引擎解决的问题
4.2 推荐系统历史
4.3 通用推荐引擎基础架构
4.4 社会化推荐引擎
4.5 社会化推荐引擎算法案例讲解
|
|
5.以大数据为中心的社交网络应用挖掘实战
|
5.1 社交图谱挖掘介绍
5.2 社交图谱挖掘案例讲解：好友亲密度模型
5.3 社交图谱挖掘案例讲解：好友自动分组
|
|
6.以大数据为中心的浏览型和金融支付保险型互联网应用的数据挖掘实战
|
6.1 互联网应用的分类
6.2 流量型应用中的大数据应用实例
|
|
7.学员问题解答
|
|
