1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽；
       2、免費(fèi)提供課后技術(shù)支持，保障培訓(xùn)效果。
       3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會?！詈细駥W(xué)員免費(fèi)頒發(fā)相關(guān)工程師等資格證書，提升職業(yè)資質(zhì)。專注高端技術(shù)培訓(xùn)15年，端海學(xué)員的能力得到大家的認(rèn)同，受到用人單位的廣泛贊譽(yù)，端海的證書受到廣泛認(rèn)可。

• 目標(biāo)收益
  本課程將圍繞大數(shù)據(jù)最本質(zhì)的特點—智能化為主線，從大數(shù)據(jù)的產(chǎn)品思維、數(shù)據(jù)分析重要工具、數(shù)據(jù)挖掘核心技術(shù)等層面，從瀏覽型互聯(lián)網(wǎng)應(yīng)用、社交網(wǎng)絡(luò)型互聯(lián)網(wǎng)應(yīng)用等多角度多領(lǐng)域做實站案例講解。
  該課程使學(xué)員：理解大數(shù)據(jù)基本概率、理解大數(shù)據(jù)產(chǎn)品設(shè)計思維、理解大數(shù)據(jù)基礎(chǔ)技術(shù)架構(gòu)
  掌握社交圖譜挖掘的一到兩個經(jīng)典數(shù)據(jù)挖掘案例的解決方案
  掌握社交好友推薦中一到兩個經(jīng)典案例的解決方案
  掌握如何搭建一個實用的推薦引擎的方法；
  掌握數(shù)據(jù)挖掘的經(jīng)典方法論：數(shù)據(jù)挖掘過程、模型評估標(biāo)準(zhǔn)等
  側(cè)重掌握最普遍使用的分類預(yù)測技術(shù)的方法，輕松理解分類預(yù)測技術(shù)的重難點主題及一些新技術(shù)：模型優(yōu)化的原理、Overfitting和Un
• 培訓(xùn)對象
• 數(shù)據(jù)挖掘工程師、數(shù)據(jù)分析師、大數(shù)據(jù)工程師、算法專家、項目經(jīng)理、技術(shù)經(jīng)理、數(shù)據(jù)產(chǎn)品經(jīng)理以及其他具有一定數(shù)據(jù)挖掘經(jīng)驗的人員。
• 學(xué)員基礎(chǔ)
• 具有一定數(shù)據(jù)挖掘經(jīng)驗的人員。
• 課程大綱
  
• 主題 內(nèi)容
  1.大數(shù)據(jù)時代概述
• 1.1 大數(shù)據(jù)解決的問題是什么？
  1.2 大數(shù)據(jù)公司（部門）的都在做什么？
  1.3 如何建立自己的大數(shù)據(jù)能力？
• 2.數(shù)據(jù)挖掘基礎(chǔ)及Weka 工具使用
• 2.1 數(shù)據(jù)挖掘過程與挖掘工具Weka使用實踐
  2.2 數(shù)據(jù)挖掘模型評估方法
  2.3 數(shù)據(jù)挖掘的模型評估指標(biāo)
• 3. 如何研發(fā)大數(shù)據(jù)算法：以數(shù)據(jù)分類挖掘新技術(shù)為例
• 3.1 工業(yè)界應(yīng)用舉例
  3.2 分類挖掘原理探索：經(jīng)典的單模型方法
  3.4 多模型重要算法匯總
  3.5 如何研發(fā)一個新的數(shù)據(jù)挖掘算法：案例講解
• 4.以大數(shù)據(jù)挖掘為中心的推薦引擎實戰(zhàn)
• 4.1 推薦引擎解決的問題
  4.2 推薦系統(tǒng)歷史
  4.3 通用推薦引擎基礎(chǔ)架構(gòu)
  4.4 社會化推薦引擎
  4.5 社會化推薦引擎算法案例講解
• 5.以大數(shù)據(jù)為中心的社交網(wǎng)絡(luò)應(yīng)用挖掘?qū)崙?zhàn)
• 5.1 社交圖譜挖掘介紹
  5.2 社交圖譜挖掘案例講解：好友親密度模型
  5.3 社交圖譜挖掘案例講解：好友自動分組
• 6.以大數(shù)據(jù)為中心的瀏覽型和金融支付保險型互聯(lián)網(wǎng)應(yīng)用的數(shù)據(jù)挖掘?qū)崙?zhàn)
• 6.1 互聯(lián)網(wǎng)應(yīng)用的分類
  6.2 流量型應(yīng)用中的大數(shù)據(jù)應(yīng)用實例