課程大綱： 社交網(wǎng)絡(luò)數(shù)據(jù)及文本挖掘方面的專業(yè)技術(shù)培訓(xùn)
大數(shù)據(jù)概述
1.大數(shù)據(jù)基本概念、技術(shù)梗概、技術(shù)沿革，以及大數(shù)據(jù)技術(shù)是如何改變?nèi)斯ぶ悄芗夹g(shù)、
語音識別技術(shù)、圖像識別/視頻理解、自然語言處理技術(shù)等，以及大數(shù)據(jù)技術(shù)在政府、金融、石油、教育、交通、醫(yī)療衛(wèi)生等行業(yè)的成功案例；
2.大數(shù)據(jù)的結(jié)構(gòu)化數(shù)據(jù)模型、半結(jié)構(gòu)化模型和非結(jié)構(gòu)化數(shù)據(jù)的存儲模型，邏輯模型，以及分析建模工具的常用方法。
數(shù)據(jù)挖掘及Mahout
1.十大常用的并行數(shù)據(jù)挖掘算法、原理、應(yīng)用場景，以及技術(shù)實戰(zhàn)；
2.并行數(shù)據(jù)挖掘平臺Mahout的技術(shù)架構(gòu)、核心組件的工作原理以及技術(shù)；
3.Mahout應(yīng)用開發(fā)技術(shù)；
4.Mahout項目實戰(zhàn)。R語言精要 本著循序漸進而又覆蓋R語言重要而有用的基本內(nèi)容原則，本講從R語言入門開始，
以前期的數(shù)據(jù)處理為核心，以實際案例為載體，內(nèi)容包括R語言的向量、數(shù)據(jù)框、矩陣運算、
缺失值和零值的處理、特別注重用R語言構(gòu)造函數(shù)編程解決實際問題，詳細介紹強大的數(shù)據(jù)清洗整理plyr、zoo、
car等常用包和強大的作圖ggplot2包，為使用R語言進行數(shù)據(jù)挖掘打下扎實的工具基礎(chǔ)。
主要案例：案例1：如何用R語言plyr等包合并、排序、分析數(shù)據(jù)并編制香農(nóng)-威納指數(shù)；
案例2：如何用R語言編程同時實現(xiàn)幾十個高難度數(shù)據(jù)分析可視化圖片的jpeg格式輸出；
案例3：如何使用R語言進行分層或者整群抽樣構(gòu)建訓(xùn)練集與測試集；案例4：使用ggplot2畫出各種復(fù)雜的圖形。
神經(jīng)網(wǎng)絡(luò)和R語言的實現(xiàn)
神經(jīng)網(wǎng)絡(luò)由大量的節(jié)點和輸出函數(shù)構(gòu)成邏輯策略，本講介紹其原理，主要通過案例的方式講解R語言實現(xiàn)神經(jīng)網(wǎng)絡(luò)算法的過程和注意的事項。
主要案例：案例1：酒的品質(zhì)和種類的神經(jīng)網(wǎng)絡(luò)的分析和預(yù)測；案例2：公司財務(wù)預(yù)警建模。企業(yè)基于社交網(wǎng)絡(luò)數(shù)據(jù)的收獲
1.潛在商機的發(fā)現(xiàn)，通過數(shù)據(jù)挖掘與分析能夠得到什么？
2.危機預(yù)警 ，通過數(shù)據(jù)挖掘與分析，可以對一些網(wǎng)絡(luò)中突然發(fā)布的一條可能對企業(yè)產(chǎn)生危機的信息即時的監(jiān)控；
3.效果預(yù)測， 通過數(shù)據(jù)挖掘與分析讓企業(yè)能花少的錢得到大的產(chǎn)出。交叉驗證比較各個模型：對于同一個數(shù)據(jù)，可能有很多模型來擬合，如何衡量和比較模型的精度呢？
本講將介紹交叉驗證訓(xùn)練集和測試集的方法來幫助大家在實際中選取佳模型進行擬合和預(yù)測。
決策樹（回歸樹）分析和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。本講主要講授兩種為普遍的決策樹算法：CART和C4.5算法，使用rpart和J48函數(shù)進行R語言分析。
主要案例：案例1：對汽車耗油量進行決策樹分析并完成相關(guān)目標變量的預(yù)測；
案例2：使用決策樹幫助電信局判斷和預(yù)測客戶辦理寬帶業(yè)務(wù)。使用R語言結(jié)合KNN算法進行文本挖掘
文本挖掘，特別是對中文的文本挖掘日趨重要。本講介紹文本挖掘的原理和方法，幫助大家使用R語言在大量的非結(jié)構(gòu)化的數(shù)據(jù)中發(fā)現(xiàn)有價值的信息，
抽取潛在有用的數(shù)據(jù)，發(fā)現(xiàn)適合模式，實現(xiàn)可視化結(jié)果展示。主要案例：案例：使用R語言結(jié)合KNN算法對網(wǎng)頁（Web）進行文本挖掘（含分詞、分類、可視化等）。
加入高級會員獲得助教答疑
