1.大數(shù)據(jù)時(shí)代概述

1.1 大數(shù)據(jù)解決的問(wèn)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(guò)程與挖掘工具Weka使用實(shí)踐
2.2 數(shù)據(jù)挖掘模型評(píng)估方法
2.3 數(shù)據(jù)挖掘的模型評(píng)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
3.3 分類學(xué)習(xí)根源問(wèn)題的更好解決方案：多模型方法
3.4 多模型重要算法匯總
3.5 如何研發(fā)一個(gè)新的數(shù)據(jù)挖掘算法：案例講解

4.以大數(shù)據(jù)挖掘?yàn)橹行牡耐扑]引擎實(shí)戰(zhàn)

4.1 推薦引擎解決的問(wèn)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(huì)化推薦引擎
4.5 社會(huì)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(dòng)分組

6.以大數(shù)據(jù)為中心的瀏覽型和金融支付保險(xiǎn)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(shí)例

7.學(xué)員問(wèn)題解答

?