목표를 교육 :
기본 데이터 마이닝 프로젝트의 유도에서 교육 과정 이론과 경험은 종종 물론 이러한 질문의 고전적인 사례를 재현하는 것, 문제 분석 및 요약, 주어진 대상으로 솔루션을 발생 예에 의해 설명하고, 학생에 해당합니다 실제 작업 문제, 그래서 학생들은 경험을 결합 할 수 있고 제공하기 위해 문제의 요구를 해결하기 위해 관심, 새로운 방법과 새로운 아이디어를 자극, 그들에게 자신의 문제를 효과적으로 영감 아이디어를 가르칩니다.
학생들은 세 가지 포인트로 요약 수확 :
1 : 함께 실제 사례를 이해 말했다과 기본적인 알고리즘의 다양한 변종 오픈 아이디어
2 : 훈련을받을 수 있습니다 후 고장 필드의 이해 채널의 깊이를 심화 교육 과정 업계의 최신 업데이트를 해당 지식 포인트.
3 : "데이터 마이닝"전문 원 추가, 학생들은 전문적인 사회 집단에 가입 할 수있는 기회와 무역 교류를 가질 수 서로 배운다.
원칙과의 일반화 선형 분류의 응용 프로그램
내용 : 로지스틱 회귀 분석 및 계산 광고
. 이진 분류 원칙의 예는 수학적 논리 회귀, n2는
대한 전통적인 광고, 광고, 광고, 실시간 거래 플랫폼을
데이터 추출 차원의 사전
LR 광고 컴퓨팅 응용 프로그램을
LR 모델 튜닝의 효과를 평가
타협 LR 모델 이론과 공학의
LR과 그의 작은 친구 : 모바일 광고 끝 실시간 거래 플랫폼을 기반으로, 새로운 상황 N9 선형 모델을 일반화의 LR 다양한 변형
결정 트리, 클러스터링 및 이상 탐지
내용 : 의사 결정 나무와 이상치 탐지
원리 의사 결정 트리
다양한 의사 결정 트리 알고리즘은 생성
의 이상 탐지에 의사 결정 나무
가지 치기 나무
다른 이상 적용 팁 탐지
알고리즘을 클러스터링을 의 원칙
, 초기 점 선택 : 일반적인 문제 알고리즘을 클러스터링
감지 국외자 두 개의 작은 예에 대해, 컴퓨팅 광고의 이상 탐지 결합으로 이야기를 알고리즘과 의사 결정 트리를 클러스터링
거대한 그래프 마이닝
복잡한 네트워크 설명
현재 거대한 맵 시나리오의
랜덤를 도,도, 자연,
일반적으로도 계산 프레임 워크 (구글 베이글되면, Graphx graphlab)
알고리즘 거인도. 지금의 원리
일반적인 그래프 기반 알고리즘을 달성하기 위해
임의의 산책, 페이지 랭크 (PageRank)를 기반으로 구현지도가
프레임의도 마이닝 및 추천 시스템 뷰의 도입 및 구현에 SVD SVD (QZONE 광고 시스템 전체 점, 내용이 권장 트위터)
전화 상담 : 010-62883247,62884854 BR /> 메일 권고 : [email protected]
Zhongkexin 소프트 수석 기술 서비스 교육 주소 : Yangfangdian 도로, 북경시 해정 구, 베이징 오리엔탈 플라자, 18 호, 블록 N 521분의 520 광택.