?

目標收益

課程中的理論和經驗來自于對初級數據挖掘工程經常遇問題的歸納、分析與總結，有針對性的給出解決方法，課程將重現這些問題的經典案例，通過實例講解，并對應到學員的實際工作問題，使學員能夠把傳授的經驗和自己的問題結合起來，有效的啟發思路、激發興趣、提供解決問題需要的新思路新方法。
學員的收獲總結起來有3點：
1：了解實際的事例結合說基本算法的各種變體，開闊思路
2：將一次培訓深化為深入了解一個細分領域的一個渠道，之后可以接收到培訓內容中知識點對應的業界最新更新。
3：加入“數據挖掘”職業圈，學員可以有一個加入職業社交圈的機會，和業內人士相互交流，相互切磋。

培訓對象

1：有一定的程序和數學基礎，希望對于數據挖掘有個知識體系的梳理，同時深入了解在實際生產過程中數據挖掘的各種算法的應用的，希望從初級走向中級的，數據增值產業的從業者。尤其是想做數據挖掘但是效果不顯著，希望在公司內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：對于數據挖掘，商業智能感興趣，希望從事類似的工作，但是又感到所謂“大數據”知識體系繁雜，無論是廣度還是深度都很難開始的“迷?！比耸?。

學員基礎

學員學習本課程應具備下列基礎知識：
1) 知道統計學的一些基本概念：平均分布，正態分布，方差，置信區間；?
2) 知道數據結構的一些基本概念：時間，空間復雜度；
3) 知道計算機體系結構的一些基本概念：GPU，芯片，寄存器，內存尋址，總線傳輸，內網通信

課程大綱

?

主題	內容
廣義線性分類的原理和應用	內容：logistic Regression和計算廣告學 n1.二分類問題的例子n2.邏輯回歸的數學原理n3.傳統廣告，計算廣告，廣告實時交易平臺n4.數據預處理和維度提取n5.LR在計算廣告中的應用n6.LR的效果測評，模型調優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用n4.決策樹的剪枝n5.其它異常點檢測的應用小技巧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用n9.結合計算廣告，談兩個異常點檢測小例子
巨型圖挖掘	1.復雜網絡介紹n2.當前巨型圖應用場景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原理n6.常用的基于圖的算法實現n7.隨機游走，pageRank基于圖的實現n8.svd介紹以及svd在圖框架的實現n9.圖挖掘與推薦系統（qzone的廣告系統廣點通，twitter的內容推薦）