- 产品与解决方案
- 行业解决方案
- 服务
- 支持
- 合作伙伴
- 关于我们
3天（18学时）
已有数据挖掘与分析思维及大数据基础知识的同学
1、掌握数据挖掘与数据分析原理
2、结合python的数据挖掘工具进行更好的数据挖掘落地
3、更好的利用数据挖掘分析方法和高级算法做分析和探索数据背后的规律
第一部分 数据挖掘分析方法和算法深入
一、数据挖掘主要分析方法和算法关系
1. 分析方法与算法的关系
2. 聚类分析方法（Clustering）
3. 分类分析方法（Classification）
4. 关联分析方法（Association）
5. 预测分析方法（Prediction）
6. 回归分析方法和算法
7. 异常点检测分析方法和算法
二、主要涉及的常用算法的优点及缺点：
1. 决策树算法原理，应用场景，优缺点分析
2. 贝叶斯算法原理，应用场景，优缺点分析
3. 人工神经网络算法原理，应用场景，优缺点分析
4. k-近邻算法原理，应用场景，优缺点分析
5. 基于关联规则的分类算法原理，应用场景，优缺点分析
6. 聚类算法涉及的距离及几何数理知识
7. 层次聚类算法原理，应用场景，优缺点分析
8. K均值聚类算法原理，应用场景，优缺点分析
9. 各聚类算法对比及业务场景适用分析
10. 聚类算法与分类算法的对比及业务场景适用分析
11. 回归算法原理，应用场景，优缺点分析
第二部分 基于python实现高级算法的实践及数据挖掘应用案例实践与评估总结
一. python操作算法实践学习
二. 聚类分析、分类与预测、关联规则、离散点检测
三. 网络爬虫案例实践与原理
四. 客户价值分析实例（完整案例：从属于预处理到数据解析到数据建模的全过程）
五. 如何做好数据挖掘模型评估
六. 数据挖掘数据模型管理与实践总结
七. 数据挖掘中遇到的“坑”思考及分析
八. 如何成为一个好的数据分析师
注：培训中讲师会根据学员的情况进行适当的调整。
