1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
       2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
       3、培訓合格學員可享受免費推薦就業機會。☆合格學員免費頒發相關工程師等資格證書，提升職業資質。專注高端技術培訓15年，端海學員的能力得到大家的認同，受到用人單位的廣泛贊譽，端海的證書受到廣泛認可。

• 課程信息
  本次培訓主要結合電商的實際應用，闡述了自然語言處理（NLP），數據挖掘（DM）和機器學習（ML）算法的落地和產出過程，對于在大數據處理方面的技巧和變現能力會有很大的提升。
• 培訓特色
  本次培訓主要結合電商的實際應用，闡述了自然語言處理（NLP），數據挖掘（DM）和機器學習（ML）算法的落地和產出過程
• 目標收益
  對于在大數據處理方面的技巧和變現能力會有很大的提升。
• 主題 內容
  關聯規則（Apriori）算法在實際應用中的優化
• 該單元介紹基本關聯規則算法在電商實際訂單數據中的問題，以及對于問題空間預估保證提升空間的前提下，優化關聯規則模型的過程。
• 1、 傳統關聯規則算法
  2、“最佳拍檔”中的關聯規則
  講述了基本的關聯規則算法
  3、問題發現與分析
  （1）訂單數據反作弊
  （2）數據+算法融合的角度
  （3）badcase實例印證
  4、效果空間預估
  5、算法改進
  6、效果的衡量
  （1）上線前：Debug工具
  （2）上線：ABtest系統
  7、ROI分析
  8、案例啟示&下一步嘗試
• 第二單元
  商品評論排序對于用戶購買的影響
  
• 該單元介紹了如何處理用戶產生的商品評論，將其按照價值由大到小進行排序，評論的價值取決于影響用戶快速決策購買商品的信息量。
• 1、背景介紹
  2、評論排序因素
  3、內容相關性計算
  （1）商品內容表示
  （2）評論內容表示
  （3）商品和評論的相似性計算
  4、排序模型
  5、效果評估
  （1）測試方法
  （2）衡量指標
  （3）效果對比及分析
  6、作弊與反作弊
  7、評論智能排序-ROI分析
• 第三單元
  商品“冷啟動” -基于語義主題的新品推薦
  
• 該單元以電商商品推薦為例，講述了在沒有用戶行為的情況下，如何將小眾或新上市的商品進行準確的展現，提高用戶體驗的同時帶來更多的流量。
• 1、馬太效應
  2、商品的冷啟動
  3、基于內容的主題特征抽取
  （1）語義主題特征
  （2）特征關聯
  4、正負樣本形成
  5、CTR預估模型
  6、效果衡量與分析
• 第四單元
  用戶行為分析
  
• 根據不同場景的用戶行為，挖掘潛在有價值信息或者用戶意圖。
• 1、商品互補類識別
  1、 優質用戶挖掘
  2、 品牌相似性計算
  3、 用戶點擊商品行為建模
  4、 用戶新聞興趣建模
  5、 長尾query的智能糾錯