大數(shù)據(jù)分析及可視化培訓課程
?
培訓對象:
1.?大數(shù)據(jù)分析及可視化應用開發(fā)工程師
2.大數(shù)據(jù)分析項目的規(guī)劃咨詢管理人員
3.大數(shù)據(jù)分析項目的IT項目高管人員
4.大數(shù)據(jù)分析項目的售前和售后技術支持服務人員
培訓大綱:
?
|
知識模塊
|
授課內容
|
|
數(shù)據(jù)處理及復雜數(shù)據(jù)可視化（一）
|
第一講 大數(shù)據(jù)挖掘及可視化介紹
? 數(shù)據(jù)挖掘及可視化背景
? 數(shù)據(jù)挖掘流程
? 常用挖掘工具介紹
? R語言的優(yōu)勢
? R數(shù)據(jù)挖掘可視化工具-Rattle快速上手
? R語言對復雜數(shù)據(jù)可視化的優(yōu)勢
? R語言快速入門
? 利用caret包做數(shù)據(jù)抽樣及虛擬化處理
|
|
數(shù)據(jù)處理及復雜數(shù)據(jù)可視化（二）
|
第二講 數(shù)據(jù)質量分析及高級可視化
? 缺失值處理的高級方法
? 異常值甄別的高級方法
? 數(shù)據(jù)可視化進階：lattice及ggplot2包介紹
? 數(shù)據(jù)交互可視化：rCharts、recharts、networkD3、plotly等包介紹
|
|
數(shù)據(jù)挖掘模型實戰(zhàn)（一）
|
第三講 聚類分析及R語言實現(xiàn)
聚類分析是一種原理簡單、應用廣泛的數(shù)據(jù)挖掘技術。顧名思義，聚類分析即是把若干事物按照某種標準歸為幾個類別，其中較為相近的聚為一類，不那么相近的聚于不同類。
? 案例一：對著名的鳶尾花數(shù)據(jù)進行K均值聚類分析
? 案例二：對汽車數(shù)據(jù)進行K均值聚類分析
? 案例三：對洛杉磯街區(qū)數(shù)據(jù)進行層次聚類
? 案例四：對汽車數(shù)據(jù)進行層次聚類
第四講 關聯(lián)規(guī)則及R語言實現(xiàn)
關聯(lián)規(guī)則（著名的“啤酒和尿布”）是數(shù)據(jù)挖掘的基礎和核心技術之一，本講將著重圍繞經(jīng)典的Apriori算法，闡明關聯(lián)規(guī)則的支持、置信和提升程度與控制，使用R語言快速完成關聯(lián)規(guī)則分析，并通過arulesViz擴展包對關聯(lián)規(guī)則進行可視化展示。
案例：利用超市購物籃Groceries數(shù)據(jù)進行關聯(lián)規(guī)則分析
|
|
數(shù)據(jù)挖掘模型實戰(zhàn)（二）
|
第五講 KNN近鄰算法及R語言實現(xiàn)
KNN（k-Nearest Neighbor)分類算法是數(shù)據(jù)挖掘分類技術中較簡單的方法之一。所謂k最近鄰，就是k個最近的鄰居的意思，說的是每個樣本都可以用它最接近的k個鄰居來代表。
? 案例一：對鳶尾花數(shù)據(jù)集進行knn分類
? 案例二：對乳腺癌數(shù)據(jù)進行knn分類
? 案例三：對文本數(shù)據(jù)進行knn分類
第六講 決策樹分類及R語言實現(xiàn)
決策樹是數(shù)據(jù)挖掘的經(jīng)典方法，其原理容易被理解。本講主要講授兩種最為普遍的決策樹算法：CART和C5.0算法，使用rpart和C50函數(shù)進行R語言分析。
? 案例一：對鳶尾花數(shù)據(jù)集運用C50算法分類
? 案例二：對鳶尾花數(shù)據(jù)集運用CART算法進行分類
? 案例三：對汽車數(shù)據(jù)運用CART對汽車重量進行預測
|
|
行業(yè)應用案例分享（一）
|
第七講 深度挖掘用戶付費行為及社會網(wǎng)絡分析
? 對用戶的購買行為進行購物籃分析
? 智能推薦系統(tǒng)常用算法介紹
? 對用戶購物行為構建智能推薦系統(tǒng)
? 社會網(wǎng)絡圖基本知識
? 利用R語言繪制社會網(wǎng)絡圖
? 利用Gephi繪制社會網(wǎng)絡圖
? 對用戶購物行為進行聚類分析，發(fā)現(xiàn)社群
|
|
行業(yè)應用案例分享（二）
|
第八講 客戶價值分析
? 背景與挖掘目標
? 分析方法及過程
? 數(shù)據(jù)探索分析
? 數(shù)據(jù)預處理
? 模型構建
? 模型應用
|
|
?
|
第九講 漏斗模型及路徑分析
? 漏斗模型的主要應用場景
? 路徑分析的主要應用場景
? 漏斗模型與路徑分析的不同點
? sunburst事件路徑圖的繪制方法
? 利用基于時序的關聯(lián)規(guī)則對點擊事件進行分析
|
?
?
