數(shù)據(jù)挖據(jù)的基礎(chǔ)——
數(shù)據(jù)倉(cāng)庫(kù)概述 |
- 介紹數(shù)據(jù)倉(cāng)庫(kù)概念
- 介紹數(shù)據(jù)倉(cāng)庫(kù)發(fā)展過(guò)程
- 介紹行業(yè)數(shù)據(jù)倉(cāng)庫(kù)及BI的解決方案
- 介紹數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)分析的工作模式及數(shù)據(jù)管控原則
|
數(shù)據(jù)挖掘概述 |
- 介紹數(shù)據(jù)挖掘流程
- 介紹數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù)的關(guān)系
- 介紹數(shù)據(jù)挖掘和報(bào)表/OLAP的不同
- 介紹適用數(shù)據(jù)挖掘的業(yè)務(wù)問(wèn)題及數(shù)據(jù)挖掘的商業(yè)價(jià)值
- 辨析對(duì)數(shù)據(jù)挖掘的誤解
- 介紹數(shù)據(jù)挖掘的成功因素
|
數(shù)據(jù)挖掘方法論 |
- 介紹數(shù)據(jù)挖掘方法論的初衷
- 介紹數(shù)據(jù)挖掘方法論CRISP-DM的歷史
- 介紹CRISP-DM的步驟、每一步的相關(guān)任務(wù)及需要關(guān)注的問(wèn)題
|
數(shù)據(jù)理解與數(shù)據(jù)準(zhǔn)備 |
- 介紹探索性數(shù)據(jù)分析
- 介紹數(shù)據(jù)預(yù)處理技術(shù)
?
|
預(yù)測(cè)性數(shù)據(jù)挖掘算法原理——決策樹(shù) |
- 介紹決策樹(shù)的應(yīng)用場(chǎng)景和主要應(yīng)用
- 介紹決策樹(shù)的基本原理
- 如何評(píng)估、提高決策樹(shù)模型的穩(wěn)定性
- 案例分析
|
預(yù)測(cè)性數(shù)據(jù)挖掘算法原理——回歸分析 |
- 介紹線性回歸模型及其適用場(chǎng)景
- 介紹Logistic回歸及其適用場(chǎng)景
- 介紹Logistic回歸的數(shù)據(jù)預(yù)處理
- 介紹回歸中重要的問(wèn)題,包括多重共線
- 介紹逐步回歸的方法
- 案例分析
|
預(yù)測(cè)性數(shù)據(jù)挖掘算法原理——神經(jīng)網(wǎng)絡(luò)
|
- 介紹神經(jīng)網(wǎng)絡(luò)與一般回歸模型的關(guān)系
- 介紹神經(jīng)網(wǎng)絡(luò)的基本原理
- 介紹數(shù)據(jù)預(yù)處理 案例分析
|
描述性數(shù)據(jù)挖掘算法原理——聚類 |
- 介紹聚類與預(yù)測(cè)的區(qū)別
- 介紹聚類分析的適用場(chǎng)景和主要應(yīng)用
- 介紹聚類的基本原理
- 介紹影響聚類結(jié)果的因素
- 案例分析
|
描述性數(shù)據(jù)挖掘算法原理——關(guān)聯(lián)規(guī)則 |
- 介紹關(guān)聯(lián)規(guī)則的應(yīng)用場(chǎng)景和主要應(yīng)用
- 介紹關(guān)聯(lián)規(guī)則的基本原理
- 介紹關(guān)聯(lián)規(guī)則的重要度量
- 案例分析
|
總結(jié)——企業(yè)級(jí)數(shù)據(jù)分析與挖掘能力體系建設(shè) |
- 分析與挖掘的業(yè)務(wù)價(jià)值框架
- 分析與挖掘的管理框架
- 組織架構(gòu)與部門職能
- 人才培養(yǎng)和能力提升體系
- 客戶360信息管理
- 分析挖掘流程管理?
|