数据挖掘培训课堂@现场&远程
发布：littlelianglian | 分类：数据挖掘培训
关于本站
人大经济论坛-经管之家：分享大学、考研、论文、会计、留学、数据、经济学、金融学、管理学、统计学、博弈论、统计年鉴、行业分析包括等相关资源。
经管之家是国内活跃的在线教育咨询平台!
经管之家新媒体交易平台
提供"微信号、微博、抖音、快手、头条、小红书、百家号、企鹅号、UC号、一点资讯"等虚拟账号交易，真正实现买卖双方的共赢。【请点击这里访问】
TOP热门关键词
扫码加入金融交流群 |
对数据挖掘情有独钟，一心想要学习精通；
用SAS？ R？ Python？不会不想不愿编码肿么破？
幸运的小编在11月13-16号参加了李御玺老师的数据挖掘课程！
李老师的课程有什么好？ 不用编码，点点鼠标，分分钟搞定数据挖掘。
SPSS MODELER就是这样，简单的操作；干净的界面；专业的数据挖掘软件！
...
这门课，是技术、也是艺术。
用幽默的授课方式，给你不一样的数据挖掘感观！
用强悍的行业经验，教你不寻常的数据挖掘技巧！
数据挖掘基础+进阶+十个行业案例，让铭传大学教授李御玺老师--带你玩转数据挖掘！
培训时间 2015年7月11-12日；7月18-19日（远程直播）2015年7月23-26日（现场面授）
培训地点 北京
培训费用 现场费用：4500 / 3000元 (全日制本科生及研究生)
远程费用： 2800/2200元 (全日制本科生及研究生)
授课安排 上午9:00-12:00；下午1:30-4:30；答疑4:30-5:00
小班授课，限报20人
https://pic.bbs.jg.com.cn/album/201406/25/112957vvz2qjd2l0rzmg2m.jpg
◆学员对象：
(1)从事数据分析相关工作的各企业人员；
(2)从事数据挖掘和统计分析等相关领域教学的高校教师；
(3)有志于从事金融数据挖掘、商业数据挖掘分析工作和数据挖掘理论研究的学生；
(4)有志于学习数据挖掘技术和软件的社会各界人士。
◆授课讲师：
李御玺 (Yue-Shi Lee),国立台湾大学计算机工程博士，铭传大学计算机工程学系教授兼系主任暨所长，铭传大学数据挖掘中心主任，厦门大学数据挖掘中心顾问，中国人民大学数据挖掘中心顾问。其研究领域专注于数据仓库、数据挖掘、与文本挖掘。
在其相关研究领域已发表超过260篇以上的研究论文,同时也是国科会与教育部多个相关研究计划的主持人。服务过的客户包括：中国工商局、中信银行、台新银行、联邦银行、新光银行、 新竹国际商业银行(现已并入渣打银行)、第一银行、永丰银行、远东银行、美商大都会人寿、嘉义基督教医院、台湾微软、零售业如赫莲娜(Helena Rubinstein)化妆品公司、特立和乐(HOLA)公司、航空公司如东方航空公司、中华航空公司、汽车行业如福特(Ford)汽车公司；政府行业如国税局等。
◆课程目标：
http://www.peixun.net/editor/php/upload/27211404714238.gif本课程采用SPSS MODELER实现数据挖掘功能，具有简单易学、功能强大、专业等特点。让您的数据挖掘分析变得如此简单、便捷！
http://www.peixun.net/editor/php/upload/27211404714238.gif本课程系统介绍数据挖掘理论和软件操作以及实际数据的案例分析，为学员奠定扎实的数据挖掘理论基础和实际的分析能力。
http://www.peixun.net/editor/php/upload/27211404714238.gif本课程理论结合实际，更偏重于实际应用。通过对十个各个行业的数据挖掘案例分析，并详细讲解软件的操作和结果的解释。
◆课程内容：
第一部分: 大數據時代(The Era of Big Data)
1. 大数据的起源
2. 大数据与智能手机、感知装置、物联网、社群媒体及云计算的关系
3. 大数据应用的成功案例
4. 大数据的未来趋势
5. 大数据时代的思维变革
6. 社群大数据的应用
7. 移动大数据的应用
8. 文本数据下的舆情分析
9. 大数据的迷思(大数据还是大错误)
第二部分: 数据挖掘基础(Basic Concept)
1. 大数据的核心关键技术-数据挖掘
2. 数据挖掘的发展历程
3. 数据挖掘的进行步骤
4. 数据挖掘的产业标准(CRISP DM & SEMMA)
5. 基本数据挖掘技术简介(查询工具、统计技术、可视化技术、K-最近邻技术、…)
6. 进阶数据挖掘技术简介(分类、预测、关联规则、序列型样、聚类、…)
7. 数据挖掘的绩效评估及顾客数优化
8. 问题导向式数据挖掘分析流程
9. 大数据如何取得？如何开始进行企业的数据挖掘项目？
10. 数据挖掘的未来趋势
SPSS Modeler实作: 评估新车设计案例
第三部分: 数据挖掘技术(Data Mining Techniques)及实务建模(Practical Models)
1.数据前处理(Data Preprocessing)
*字段的选择：多重数据源的整合
*数据的清洗：数据质量报告(Data Quality Report)的制作、空值(Missing Value)、错误值(Wrong Value)及离群值(Outlier)的侦测及处理方式
*字段的扩充：外部数据的整并及内部数据的统整
*数据的编码：
(1) 数据正规化(Data Normalization)技术
(2) 数据一般化(Generalization)技术
(3) 数据离散化(Data Discretization)技术
(4) 数据连续性指派(Continuousness Arbitrary)技术
(5) 记录精简(Record Reduction)技术
(6) 域值精简(Value Reduction)技术
(7) 字段精简(Attribute Reduction)技术
*如何将原始数据依母体目标字段上的比例分成训练及测试数据集
SPSS Modeler实作:
(1) 药物治疗案例
(2) 电信客户流失案例
(3) 自动数据准备
2. 关键字段/变量发掘技术
*數值型关键变量发掘
*類別型关键变量发掘
*利用统计检定(Statistical Test)的方法发掘关键变量
*利用机器学习(Machine Learning)方法发掘关键变量
*变量共线性(Collinear)问题
SPSS Modeler实作: 银行信用风险评估之进件评分卡(Application Scorecard)案例
3. 分类技术(Classification Techniques) – 贝氏网络 (Bayes Net)
*简单贝氏网络(Naive Bayes)原理
*机率为0的处理方式
*空值(Missing Value)的处理
*数值型字段的处理
*进阶贝氏网络原理(TAN, Markov Blanket)
*分類模型效能的評估方式(Gain Chart, Lift Chart, Profit Chart, Confusion Matrix, Precision, Recall, F-Measure, …)
SPSS Modeler实作: 银行目标客户营销(Target Marketing)案例
4. 预测技术(Prediction Techniques) – 线性回归 (Linear Regression)
*简单线性回归(Simple Linear Regression)原理
*复回归(Multiple Linear Regression)原理
*皮尔森相关系数(Pearson Correlation Coefficient)
*预测模型效能的评估方式(Scatter Plot, Mean Absolute Error, Mean Squared Error, R2, …)
SPSS Modeler实作：汽车油耗预测案例
5.分类及预测技术 (Classification & Prediction Techniques) – 决策树 (Decision Tree)
*分类树(Classification Tree)原理(ID3, C4.5, C5.0, CART, CHAID, …)
*分类字段的选择方法(Information Gain, Gain Ratio, Gini Index, Chi-Square, …)
*分类树与分类规则(Classification Rules)之差异
*数值型字段的处理
*空值(Missing Value)的处理
*分类的修剪(Tree Pruning)：避免Overfitting的问题
*回归树(Regression Tree)原理(CART, …)
*回归树进阶：Model Tree (M5)
SPSS Modeler实作：电信产品跨销售(Cross-Selling)案例
6.分类及预测技术 (Classification & Prediction Techniques) – 类神经网络 (Neural Network)
*倒传递类神经网络(Backpropagation Neural Network)原理
*数值型字段的一般化(Generalization)处理
*类别型字段的摊平(Flattening)处理
*倒传递类神经网络的权重调整
*倒传递类神经网络与罗吉斯回归, 线性回归, 非线性回归间的关系
*倒传递类神经网络如何处理分类的问题
*倒传递类神经网络如何处理预测的问题
SPSS Modeler实作：
(1) 细胞样本分类案例
(2) 零售促銷案例
7. 分类技术 (Classification Techniques) –罗吉斯回归 (Logistic Regression)
*罗吉斯回归 (Logistic Regression)原理
*数值型字段的一般化(Generalization)处理
*类别型字段的摊平(Flattening)处理
*罗吉斯回归的权重调整
*罗吉斯回归的字段选择方式(Forward, Backward, Stepwise, …)
SPSS Modeler实作：
(1) 电信客户分类(不同套餐选择)案例
(2) 电信客户流失案例
8.预测技术(Prediction Techniques) – 时间序列 (Time Series)
*时间序列原理
*时间序列方法：时间序列法(Time Series Method)及因果预测法(Causal Method)
*时间序列類型：平稳 (Stationary)及非平稳(Non- Stationary)的时间序列
*时间序列方法進階：指數平滑法(Exponential Smoothing)
*时间序列方法進階：ARIMA (Autoregressive Integrated Moving Average)
SPSS Modeler实作：
(1) 全国网络带宽使用预测案例
(2) 男装销售金额预测案例
9. 聚类技术(Clustering Techniques) – K-Means, Kohonen SOM, Two-Step
*聚类原理
*距离的计算方法：Simple Matching Coefficient, Jaccard Coefficient, City Block Distance, Euclidean Distance
*聚类方法的分类：Exclusive Clustering & Non-Exclusive (Overlapping) Clustering
*Exclusive Clustering方法的分类：Hierarchical Methods & Partitioning Methods
*Partitioning Methods原理：K-Means, Kohonen SOM, Two-Step
SPSS Modeler实作：银行客户聚类(Customer Segmentation)及营销活动设计案例
10. 关联规则及序列型样技术(Association Rules & Sequential Patterns Techniques) – Apriori & AprioriAll
*关联规则及序列型样原理
*支持度(Support)及信赖度(Confidence)的计算方式
*关联规则方法：Apriori原理
*产品相关性分析
*虚拟产品(Virtual Items)于关联规则上的应用
*大数据下的关联规则挖掘
*序列型样方法：AprioriAll原理
SPSS Modeler实作：
(1) 零售购物篮分析案例
(2) 零售向上销售(Up-Selling)案例
T:配套资料：
课程配套独家讲义、数据及同步录制视频
远程费用：2800/2200(凭学生证优惠)
证书费用：另收400元，可以申请《数据分析师》证书（工业和信息化部教育与考试中心颁发）
优惠方案：
（1）2人同时报名，9.5折优惠
（2）3人及以上同时报名9折优惠，5人以上8折优惠
（3）论坛现场课程老学员9折优惠 以上优惠不累计
差旅及食宿费用自理
汇款方式：支持在线支付，银行汇款等多种方式，详情请查看：
http://baoming.pinggu.org/paycenter.aspx
报名流程及咨询：
1.提交报名信息：http://www.peixun.net/view/331_join.html
2.确认报名信息>>发预习资料；
3.申请证书学员，提交照片等申请材料，完成课时学习者即可申请；
4.开课前一周发送培训教室路线图，培训现场领取发票；
咨询方式：
座机: (010)68456523
QQ：2931495854
手机：13718534278（张老师）
18010116775 （曹老师）
免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
扫描下方二维码下载并注册APP
您可能感兴趣的文章
人气文章
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性，不作出任何保证或承若；
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。
