|
6月数据挖掘课程7月在线 2016年
数据挖掘班大纲讨论稿（由浅入深、从基础入门到海量数据挖掘/处理，稳步推进）
1、数据挖掘基础入门：数据科学与数学基础知识6 s f2 i% g9 i4 c% Z% y3 J
内容：数据挖掘基础，微积分、概率论、线性代数基础
实践：用numpy进行矩阵运算
2、数据处理/分析与可视化
内容：数据获取、数据格式、数据内容处理与分析、数据的可视化
实践：用python解析和清洗数据，pandas统计与分析数据，matplotlib和seaborn等做可视化 r1 V% D$ |; G0 c" B
) r! r& {2 h7 m1 J) `
3、海量数据的分布式处理+ J. K' I8 _$ K1 s) L( D1 E F
内容：hadoop，Spark介绍，Map Reduce数据处理，hive与常见数据统计分析
实践：map reduce计数，文件关联与特征mapping，hiveql统计示例
9 k. x( @+ y: y
4、数据上的关联规则
内容：数据关联分析，海量数据的关联分析方案，A-Priori与PCY算法" ^ m6 _# J. }% n5 N- I
实践：小型商业服务中的在线认证企业资料挖掘，人群背景与身份关联挖掘
* B7 Q4 U, S# H' P8 _! V
5、数据与聚类
内容：聚类与社区发现算法，深度剖析Kmeans等算法
实践：Spark MLlib下的K-Means算法与GraphX下的Label-Propagation算法实践
1 _! f3 M) b3 m
6、海量数据索引与近似最近邻9 r+ s5 s& l# C
内容：海量数据检索问题，近似最近邻(ANN)常用算法：LSH、KD-Tree、Kmeans-Tree7 W4 x/ C& p7 B$ v' g+ @( {5 t
实践：海量图像数据与最近图片检索
! `/ \2 L* J# E6 j" J2 w& h
7、数据分类与排序
内容：有监督学习与分类，LR、SVM、深度神经网络与分类排序问题，样本高效训练
实践：kaggle分类问题、海量数据下电商的CTR预估问题
8、海量数据与推荐系统
内容：基于内容的推荐算法，协同过滤，隐因子模型
实践：基于用户/商品的协同过滤推荐，隐因子模型电影推荐+ v( }# R+ V" w8 y$ @4 V
3 g3 \! y% X- o S- u7 M
9、海量高维数据与维度约减
内容：数据降维与SVD，CUR分解
实践：SVD与PCA在推荐系统与数据压缩应用0 s' b; M* k4 S) U" a% n
" K! V/ U, `# `3 N! t
10、海量网页搜索与PageRank- |# U9 @* d5 R- |; m1 l7 O3 a* q
内容：海量数据构成的图关联分析，PageRank与网页搜索9 m1 L3 k) M0 A. r7 s+ l$ A
实践：PageRank在图关联数据上的应用与排序
| 
[复制链接]
