數(shù)據(jù)挖掘視頻教程下載
2016年
課程介紹：
此套數(shù)據(jù)挖掘視頻教程包括10個課時的內(nèi)容，從基礎入門知識講起，到項目實戰(zhàn)講解，由淺入深、從基礎入門到海量數(shù)據(jù)挖掘/處理，穩(wěn)步推進一套從入門到實戰(zhàn)數(shù)據(jù)挖掘視頻教程。
數(shù)據(jù)挖掘視頻教程目錄結構介紹：
1、數(shù)據(jù)挖掘基礎入門：數(shù)據(jù)科學與數(shù)學基礎知識)
內(nèi)容：數(shù)據(jù)挖掘基礎，微積分、概率論、線性代數(shù)基礎
實踐：用numpy進行矩陣運算
2、數(shù)據(jù)處理/分析與可視化
內(nèi)容：數(shù)據(jù)獲取、數(shù)據(jù)格式、數(shù)據(jù)內(nèi)容處理與分析、數(shù)據(jù)的可視化
實踐：用python解析和清洗數(shù)據(jù)，pandas統(tǒng)計與分析數(shù)據(jù)，matplotlib和seaborn等做可視化
3、海量數(shù)據(jù)的分布式處理
內(nèi)容：hadoop，Spark介紹，Map Reduce數(shù)據(jù)處理，hive與常見數(shù)據(jù)統(tǒng)計分析
實踐：map reduce計數(shù)，文件關聯(lián)與特征mapping，hiveql統(tǒng)計示例
4、數(shù)據(jù)上的關聯(lián)規(guī)則
內(nèi)容：數(shù)據(jù)關聯(lián)分析，海量數(shù)據(jù)的關聯(lián)分析方案，A-Priori與PCY算法
實踐：小型商業(yè)服務中的在線認證企業(yè)資料挖掘，人群背景與身份關聯(lián)挖掘
5、數(shù)據(jù)與聚類
內(nèi)容：聚類與社區(qū)發(fā)現(xiàn)算法，深度剖析Kmeans等算法
實踐：Spark MLlib下的K-Means算法與GraphX下的Label-Propagation算法實踐
6、海量數(shù)據(jù)索引與近似最近鄰
內(nèi)容：海量數(shù)據(jù)檢索問題，近似最近鄰(ANN)常用算法
實踐：海量圖像數(shù)據(jù)與最近圖片檢索
7、數(shù)據(jù)分類與排序
內(nèi)容：有監(jiān)督學習與分類，LR、SVM、深度神經(jīng)網(wǎng)絡與分類排序問題，樣本高效訓練
實踐：kaggle分類問題、海量數(shù)據(jù)下電商的CTR預估問題
8、海量數(shù)據(jù)與推薦系統(tǒng)
內(nèi)容：基于內(nèi)容的推薦算法，協(xié)同過濾，隱因子模型
實踐：基于用戶/商品的協(xié)同過濾推薦，隱因子模型電影推薦
9、海量高維數(shù)據(jù)與維度約減
內(nèi)容：數(shù)據(jù)降維與SVD，CUR分解
實踐：SVD與PCA在推薦系統(tǒng)與數(shù)據(jù)壓縮應用
10、海量網(wǎng)頁搜索與PageRank
內(nèi)容：海量數(shù)據(jù)構成的圖關聯(lián)分析，PageRank與網(wǎng)頁搜索
實踐：PageRank在圖關聯(lián)數(shù)據(jù)上的應用與排序
數(shù)據(jù)挖掘視頻教程部分資料截圖展示：
IT營（itying.com）官網(wǎng)轉(zhuǎn)載的文章、圖片等資料的版權歸版權所有人所有，因無法和版權所有者一一聯(lián)系，如果本網(wǎng)站選取的文/圖威脅到您的權益，請您及時和IT營站長聯(lián)系。
我們會在第一時間內(nèi)采取措施，避免給雙方造
成不必要的損失。IT營（itying.com）官網(wǎng)商品均為虛擬商品，因發(fā)貨后無法收回，故購買后不支持退款，請悉知。有問題可以聯(lián)系客服咨詢（客服上班時間：8:00-21:30）。
在線客服：
公安備案:鄂公網(wǎng)安備 42050202000392號
ICP備案證書號:鄂ICP備17020565號-1
首 頁
.jpg)
.jpg)
.jpg)
.jpg)