Python和R數(shù)據(jù)挖掘技術(shù)- 基于Python和R語言的數(shù)據(jù)挖掘和統(tǒng)計(jì)分析技術(shù)

學(xué)員基礎(chǔ)
1，對IT系統(tǒng)設(shè)計(jì)有一定的理論與實(shí)踐經(jīng)驗(yàn)。
2，對數(shù)據(jù)挖掘和數(shù)據(jù)處理方法有一定的基礎(chǔ)知識。
3，對Hadoop/Spark等大數(shù)據(jù)技術(shù)有一定的了解。
 
師資
由業(yè)界知名大數(shù)據(jù)專家親自授課：
楊老師   主要研究網(wǎng)絡(luò)信息分析以及云計(jì)算相關(guān)技術(shù)，長期從事通信網(wǎng)管系統(tǒng)、網(wǎng)絡(luò)信息處理、商務(wù)智能(BI)以及電信決策支持系統(tǒng)的研究開發(fā)工作，主持和參與了多個(gè)國家和省部級基金項(xiàng)目，具有豐富的工程實(shí)踐及軟件研發(fā)經(jīng)驗(yàn)。
 
培訓(xùn)內(nèi)容
第一講 數(shù)據(jù)挖掘，Python和R簡介
1.1    數(shù)據(jù)挖掘
1.2    Python語言
1.3 R語言
1.4 Iris數(shù)據(jù)集
1.5 Bodyfat數(shù)據(jù)集

第二講 數(shù)據(jù)的導(dǎo)入與導(dǎo)出
2.1 R數(shù)據(jù)的保存與加載
2.2 CSV文件的導(dǎo)入與導(dǎo)出
2.3 通過ODBC從數(shù)據(jù)庫中讀取數(shù)據(jù)
2.4 從Excel中導(dǎo)入與導(dǎo)出數(shù)據(jù)
2.5 Python的數(shù)據(jù)操作

第三講  數(shù)據(jù)可視化展現(xiàn)
3.1 查看數(shù)據(jù)
3.2 單個(gè)變量展現(xiàn)
3.3 多個(gè)變量展現(xiàn)
3.4 更多探索
3.5 將圖表保存到文件中

第四講  決策樹與隨機(jī)森林
4.1 使用party包構(gòu)建決策樹
4.2 使用rpart包構(gòu)建決策樹
4.3 隨機(jī)森林
4.4 Python中的決策樹實(shí)現(xiàn)
4.5 Python決策樹實(shí)例

第五講 回歸分析
5.1 線性回歸
5.2 邏輯回歸
5.3 廣義線性回歸
5.4 非線性回歸
5.5 Python中的回歸實(shí)現(xiàn)
5.6 Python回歸實(shí)例

第六講 聚類分析
6.1 k-means聚類
6.2 k-medoids聚類
6.3 層次聚類
6.4 基于密度的聚類
6.5 Python中的聚類實(shí)現(xiàn)
6.6 Python聚類實(shí)例

第七講 離群點(diǎn)檢測
7.1 單變量的離群點(diǎn)檢測
7.2 局部離群點(diǎn)因子檢測
7.3 用聚類方法進(jìn)行離群點(diǎn)檢測
7.4 時(shí)間序列數(shù)據(jù)的離群點(diǎn)檢測
7.5 Python中的孤立點(diǎn)實(shí)例

第八講  時(shí)間序列分析
8.1 R中的時(shí)間序列數(shù)據(jù)
8.2 時(shí)間序列分解
8.3 時(shí)間序列預(yù)測
8.4 時(shí)間序列聚類
8.5 時(shí)間序列分類
8.6 Python中的時(shí)間序列實(shí)例

第九講 關(guān)聯(lián)規(guī)則
9.1 關(guān)聯(lián)規(guī)則的基本概念
9.2 Titanic數(shù)據(jù)集
9.3 關(guān)聯(lián)規(guī)則挖掘
9.4 消除冗余
9.5 解釋規(guī)則
9.6 關(guān)聯(lián)規(guī)則的可視化
9.7 Python中的關(guān)聯(lián)規(guī)則實(shí)例

第十講 社交網(wǎng)絡(luò)分析
10.1 詞項(xiàng)網(wǎng)絡(luò)
10.2 推文網(wǎng)絡(luò)
10.3 雙模式網(wǎng)絡(luò)
10.4 Python中的社交網(wǎng)絡(luò)分析實(shí)例
 
培訓(xùn)目標(biāo)
1,全面了解Python和R語言數(shù)據(jù)挖掘的相關(guān)知識。
2，學(xué)習(xí)Python和R的數(shù)據(jù)挖掘核心技術(shù)方法以及應(yīng)用特征。
3，深入使用Python和R在數(shù)據(jù)挖掘和分析中的使用。