课程定位

面向已有IT与数据处理基础的开发、分析及数据项目人员，学习统计挖掘算法实现。

学习收获

• 1, 全面了解Python和R语言数据挖掘的相关知识。
• 2，学习Python和R的数据挖掘核心技术方法以及应用特征。
• 3，深入使用Python和R在数据挖掘和分析中的使用。

课程特色

• 1，对IT系统设计有一定的理论与实践经验。
• 2，对数据挖掘和数据处理方法有一定的基础知识。
• 3，对Hadoop/Spark等大数据技术有一定的了解。

课程模块

第一讲 数据挖掘，Python和R简介

• 1.1数据挖掘
• 1.2Python语言
• 1.3 R语言
• 1.4 Iris数据集
• 1.5 Bodyfat数据集

第二讲 数据的导入与导出

• 2.1 R数据的保存与加载
• 2.2 CSV文件的导入与导出
• 2.3 通过ODBC从数据库中读取数据
• 2.4 从Excel中导入与导出数据
• 2.5 Python的数据操作

第三讲 数据可视化展现

• 3.1 查看数据
• 3.2 单个变量展现
• 3.3 多个变量展现
• 3.4 更多探索
• 3.5 将图表保存到文件中

第四讲 决策树与随机森林

• 4.1 使用party包构建决策树
• 4.2 使用rpart包构建决策树
• 4.3 随机森林
• 4.4 Python中的决策树实现
• 4.5 Python决策树实例

第五讲 回归分析

• 5.1 线性回归
• 5.2 逻辑回归
• 5.3 广义线性回归
• 5.4 非线性回归
• 5.5 Python中的回归实现
• 5.6 Python回归实例

第六讲 聚类分析

• 6.1 k-means聚类
• 6.2 k-medoids聚类
• 6.3 层次聚类
• 6.4 基于密度的聚类
• 6.5 Python中的聚类实现
• 6.6 Python聚类实例

第七讲 离群点检测

• 7.1 单变量的离群点检测
• 7.2 局部离群点因子检测
• 7.3 用聚类方法进行离群点检测
• 7.4 时间序列数据的离群点检测
• 7.5 Python中的孤立点实例

第八讲 时间序列分析

• 8.1 R中的时间序列数据
• 8.2 时间序列分解
• 8.3 时间序列预测
• 8.4 时间序列聚类
• 8.5 时间序列分类
• 8.6 Python中的时间序列实例

第九讲 关联规则

• 9.1 关联规则的基本概念
• 9.2 Titanic数据集
• 9.3 关联规则挖掘
• 9.4 消除冗余
• 9.5 解释规则
• 9.6 关联规则的可视化
• 9.7 Python中的关联规则实例

第十讲 社交网络分析

• 10.1 词项网络
• 10.2 推文网络
• 10.3 双模式网络
• 10.4 Python中的社交网络分析实例

适合人群

1，系统架构师、系统分析师、高级程序员、资深开发人员；2，牵涉到数据挖掘和统计分析的数据中心运行、规划、设计负责人；3，政府机关，金融保险、移动和互联网等大数据来源单位的负责人；4，高校、科研院所牵涉到数据挖掘与统计分析处理的项目负责人

师资信息

杨老师
主要研究网络信息分析以及云计算相关技术，长期从事通信网管系统、网络信息处理、商务智能(BI)以及电信决策支持系统的研究开发工作，主持和参与了多个国家和省部级基金项目，具有丰富的工程实践及软件研发经验。

课程咨询与报名

了解本期课程安排、师资及报名事项，请联系新中华学习网：400-061-6586，也可使用本页下方的报名咨询表。具体开课安排以正式通知为准。

温馨提示：本文内容根据课程内容整理，各模块实际讲授内容由授课老师根据学员情况灵活调整，最终以课堂授课为准。