BDMA124:Python在大数据分析挖掘中的应用

开班计划时间:18 小时
  • 具体开课时间请咨询课程顾问
预约试听 马上咨询
课程介绍
适用对象:大数据相关人员
学习收获:掌握数据挖掘与数据分析原理 、认识常见的挖掘高级算法,提升数据分析技能 、深入学习Python在大数据分析挖掘中的应用实践
详细大纲
1 基于python开发的数据分析与挖掘方法论导入
1.1 数据分析概念深入
1.2 数据建模分析流程解析
1.3 数据分析的关键
1.4 数据建模的步骤与模型的正确理解方式
1.5 数据挖掘项目的关键
1.6 数据分析工具对比
2 数据挖掘分析方法和算法深入
2.1 数据挖掘主要分析方法和算法关系
2.1.1 分析方法与算法的关系
2.1.2 聚类分析方法(Clustering)
2.1.3 分类分析方法(Classification)
2.1.4 关联分析方法(Association)
2.1.5 预测分析方法(Prediction)
2.1.6 回归分析方法和算法
2.1.7 异常点检测分析方法和算法
2.2 主要涉及的常用算法的优点及缺点
2.2.1 决策树算法原理,应用场景,优缺点分析
2.2.2 贝叶斯算法原理,应用场景,优缺点分析
2.2.3 人工神经网络算法原理,应用场景,优缺点分析
2.2.4 k-近邻算法原理,应用场景,优缺点分析
2.2.5 基于关联规则的分类算法原理,应用场景,优缺点分析
2.2.6 聚类算法涉及的距离及几何数理知识
2.2.7 层次聚类算法原理,应用场景,优缺点分析
2.2.8 K均值聚类算法原理,应用场景,优缺点分析
2.2.9 各聚类算法对比及业务场景适用分析
2.2.10 聚类算法与分类算法的对比及业务场景适用分析
2.2.11 回归算法原理,应用场景,优缺点分析
3 基于python实现高级算法的实践及数据挖掘应用案例实践与评估总结
3.1 Python操作算法实践学习
3.2 聚类分析、分类与预测、关联规则、离散点检测
3.3 网络爬虫案例实践与原理
3.4 客户价值分析实例(完整案例:从属于预处理到数据解析到数据建模的全过程)
3.5 如何做好数据挖掘模型评估
3.6 数据挖掘数据模型管理与实践总结
3.7 数据挖掘中遇到的“坑”思考及分析
3.8 如何成为一个好的数据分析师
课程评价

课程评价({{EvaluationTotal}})

课程满意度

评价

您还没有给课程评分哦

满意度

    追加评价:

课程咨询
内容:

您还没有填写内容!

暂无问答,赶紧去提问吧
{{item.AnswerState==1?"已解决":"未解决"}}
{{item.Content}}
{{item.StudentAskTime}}
{{itemanswer.UserName}}
{{itemanswer.Content}}
{{itemanswer.StudentAskTime}}
同类课程推荐 more
嘉为大讲堂 more
原创文章 more

您好! 欢迎来到学领未来 !

学领未来提供线上及线下的学习服务,根据您的位置,为您推荐最近的线下培训地点 分站,你选择: