SPSS Modeler与WEKA组合优惠_玩转数据挖掘技术_李御玺主讲@全国网络直播

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

最新课程链接：https://bbs.pinggu.org/thread-3631977-1-1.html  

   现今大数据的时代，各行各业都迫切地想要利用大数据来解决它们的问题,本次课程就是针对大数据分析上的应用与案例，以及进入大数据后分析方式的转变，运用OpenSource-WEKA ；SPSS Modeler专业数据挖掘软件，做广泛且深入的探讨。李教授分享强悍的行业经验，教你不寻常的数据挖掘技巧！

项目名称	时间	地点	费用	报名
十个案例玩转数据挖掘	2015.6.11-14	全国直播	2800/2200(凭学生证优惠)	点击报名
WEKA-数据挖掘及应用	2015.8.8-16（周末）		2800/2200(凭学生证优惠)	点击报名
SPSS Modeler与WEKA数据挖掘	2015.6.11-14    2015.8.8-16		5000/4000(凭学生证优惠)	组合报名

玩转数据挖掘必学课程，十个案例玩转数据挖掘（SPSS Modeler）及WEKA-数据挖掘及应用，学习系列课程立减600元（原价5600元）名额有限，报名从速！

（组合报名优惠）

      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，铭传大学大数据研究中心主任，中华资料采矿协会理事, 浙江大学城市学院客座教授，云南财经大学信息学院客座教授, 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。其研究领域专注于大数据、数据挖掘、与文本挖掘。李博士在其相关研究领域已发表超过280篇以上的研究论文,同时也是台湾科技部与教育部多个相关研究计划的主持人。

学员对象：

(1)数据分析相关工作的各企业人员；有志于学习数据挖掘技术和软件的社会各界人士；

(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)营销经理人、数据库管理者、及智能系统开发者；

十个案例玩转数据挖掘（SPSS Modeler实作）

1.  如何开始进行企业的数据挖掘项目，评估新车设计案例

2. 药物治疗案例,电信客户流失案例

3.关键字段/变量发掘技术，银行信用风险评估之进件评分卡(Application Scorecard)案例

4. 分类技术——贝氏网络(Bayes Net)，银行目标客户营销(Target Marketing)案例

5. 预测技术——线性回归(Linear Regression)，汽车油耗预测案例

6. 分类及预测技术——决策树(Decision Tree)，电信产品跨销售(Cross-Selling)案例

7. 分类及预测技术——类神经网络 (Neural Network)，细胞样本分类案例，零售促銷案例

8. 分类技术——罗吉斯回归(Logistic Regression)，电信客户分类(不同套餐选择)与客户流失案例解读

9. 预测技术——时间序列(Time Series)，全国网络带宽使用预测与男装销售金额预测案例

10. 聚类技术——K-Means,Kohonen SOM, Two-Step，银行客户聚类(Customer Segmentation)及营销活动设计案例

11. 关联规则及序列型样技术——Apriori & AprioriAll ) 零售购物篮分析与零售向上销售(Up-Selling)案例

更多详情内容 》 》 》 》 》   https://bbs.pinggu.org/thread-3565731-1-1.html

WEKA——数据挖掘技术与应用

1. WEKA简介及操作接口(Explore,Experimenter, Knowledge Flow, Command Line)说明；

WEKA实作: 疾病诊断、寿险推销案例解读

2.数据前处理，字段的扩充：外部数据的整并及内部数据的统整；

WEKA实作:

(1) 进件评分卡与药物治疗案例

(2) 鸢尾花和糖尿病预测案例

(3) 电离层雷达侦测案例

3. 利用统计检定(StatisticalTest)的方法发掘关键变量；

(1)银行信用风险评估之进件评分卡(ApplicationScorecard)案例

(2)玻璃制品分类案例

4. 分类技术(Classification Techniques)：分类模型效能的评估方式；

(1)糖尿病和天气预测案例

5. 简单线性回归和复回归原理，预测模型效能的评估方式；

(1)汽车油耗预测案例

(2)CPU效能预测案例

6. 分类树与分类规则及其回归树进阶；

(1)电信产品跨销售(Cross-Selling)案例

(2)影像(Image)数据分类案例

(3)乳腺癌(Breast Cancer)预测案例

7. 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；

(1)可视化工具(Boundary Visualizer)实作

(2)便利超商(Convenience_Store)选点案例

(3)房价(Home Price)预测案例

8.WEKA处理大数据及与其他系统的链接；

(1)LED分析案例(5亿笔数据、5GB大小)

(2)Java实作与Weka的链接

更多详情内容 》 》 》 》 》  https://bbs.pinggu.org/thread-3562864-1-1.html

【报名流程】
1. 网上提交报名信息；
2. 在线缴费：http://baoming.pinggu.org/paycenter.aspx
3. 给予反馈，确认报名信息；
4.开课前一周发送上课资料与软件；

【报名优惠】

（1）论坛的统计软件课程往期的现场班学员一律9折优惠；

（2）同一单位3人以上报名，9折优惠；

（3）独家资料，赠送现场班视频，永久学习；

（4）课后赠送论坛币1000个（玩转论坛必备） 现在就报名！

【报名咨询】
电话:     (010)68456523   
QQ：2881989712           2665954139
手机：  13718534278（张老师）
           18010116775 （曹老师）   
邮箱：  zhangwei@pinggu.org
            tr.service@pinggu.org

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏4 回帖

关键词：SPSS Modeler MODELER modele 数据挖掘技术 model SPSS Modeler WEKA培训 数据挖掘培训 远程直播

2015年论坛最新远程直播——WEKA 数据挖掘技术与应用

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)
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、进行步骤、及产业标准(CRISP DM vs. SEMMA)    3.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、…)    4.进阶数据挖掘技术简介(分类、预测、关联规则、序列型样、聚类、…)    5.WEKA简介及操作接口(Explore, Experimenter, Knowledge  Flow,    Command  Line)说明    6.数据挖掘的绩效评估及顾客数优化    7.问题导向式数据挖掘分析流程    8.大数据如何取得？如何开始进行企业的数据挖掘项目？    9.数据挖掘的未来趋势    疾病诊断案例、寿险推销案例
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、建立区隔化模型    *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    *10-折交叉验证(10-Fold Cross Validation)
WEKA实作，案例实战	(1)  进件评分卡案例    (2)  药物治疗案例    (3)  鸢尾花案例    (4)  糖尿病预测案例    (5)  电离层雷达侦测案例
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       (1)银行信用风险评估之进件评分卡(Application Scorecard)案例    (2)玻璃制品分类案例
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    *以ZeroR建立基本比较模型1(Baseline  Model 1)    *以OneR建立基本比较模型2(Baseline  Model 2)    *分類模型效能的評估方式(Gain Chart, Lift Chart, Profit  Chart, Confusion Matrix, Precision, Recall, F-Measure, …)    (1)糖尿病预测案例    (2)天气预测案例
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, …)    (1)汽车油耗预测案例    (2)CPU效能预测案例
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)    (1)电信产品跨销售(Cross-Selling)案例    (2)影像(Image)数据分类案例    (3)乳腺癌(Breast Cancer)预测案例
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    (1)可视化工具(Boundary Visualizer)实作    (2)便利超商(Convenience_Store)选点案例    (3)房价(Home Price)预测案例
分类技术 (Classification Techniques) – 罗吉斯回归 (Logistic Regression)及支持向量机 (Support  Vector Machine)	*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, …)    *支持向量机(Support Vector Machine)原理    *支持向量机与类神经网络, 罗吉斯回归, 线性回归, 非线性回归间的关系    (1)糖尿病预测案例    (2)电信客户流失案例
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 (1)银行客户聚类(Customer Segmentation)及营销活动设计案例    (2)鸢尾花案例
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    (1)  零售购物篮分析案例    (2)  零售向上销售(Up-Selling)案例
WEKA处理大数据及与其他系统的链接	*WEKA能接受的数据量测试    *大数据处理的数个解决    *WEKA的大数据解决方案    *那些算法可以处理大数据    *Weka与其他系统的链接方式    (1)LED分析案例(5亿笔数据、5GB大小)    (2)Java实作与Weka的链接

十个案例玩转数据挖掘（SPSS Modeler实作）_李御玺主讲  课程详情》》》   https://bbs.pinggu.org/thread-3565731-1-1.html

李御玺老师课上结合自身行业经验，运用SPSS Modeler WEKA专业数据挖掘软件，教你玩转数据挖掘技术！

大数据时代最核心技术就是数据挖掘，期待李老师数据挖掘远程班！

把握行业前沿知识，掌握核心竞争技能，为企业创造价值。

顶一下。。。。

关注中