1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽；
       2、培訓(xùn)結(jié)束后,授課老師留給學(xué)員聯(lián)系方式,保障培訓(xùn)效果,免費(fèi)提供課后技術(shù)支持。
       3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會。☆合格學(xué)員免費(fèi)頒發(fā)相關(guān)工程師等資格證書，提升職業(yè)資質(zhì)。專注高端技術(shù)培訓(xùn)15年，端海學(xué)員的能力得到大家的認(rèn)同，受到用人單位的廣泛贊譽(yù)，端海的證書受到廣泛認(rèn)可。

• 課程信息
  大數(shù)據(jù)分析和挖掘在互聯(lián)網(wǎng)公司中已經(jīng)得到實(shí)質(zhì)性的推進(jìn)和應(yīng)用，典型的應(yīng)用場景包括搜索引擎的搜索結(jié)果和搜索廣告排序、電商網(wǎng)站的商品推薦和虛假信息檢測、電子郵件服務(wù)中垃圾郵件檢測、互聯(lián)網(wǎng)安全公司的病毒和木馬檢測、視頻和新聞分享網(wǎng)站中視頻和新聞推薦、互聯(lián)網(wǎng)金融服務(wù)中的用戶信譽(yù)評估等。
  特別的場景包裹，社交網(wǎng)絡(luò)的火爆可以看成是促使大數(shù)據(jù)技術(shù)迅猛發(fā)展的直接驅(qū)動原因。社交網(wǎng)絡(luò)的數(shù)據(jù)呈現(xiàn)大規(guī)模、異構(gòu)、網(wǎng)狀相連的特征，為大數(shù)據(jù)挖掘提供了更復(fù)雜、更有挑戰(zhàn)的案例。在社交網(wǎng)絡(luò)中，大數(shù)據(jù)挖掘的應(yīng)用更是覆蓋了70%左右的場景。經(jīng)典的使用場景諸如好友新鮮事（tweets）智能排序、好友推薦、好友搜索、社交廣告等。
  當(dāng)前，本地生活服務(wù)、O2O、互聯(lián)網(wǎng)金融、企業(yè)級服務(wù)等的火爆，更是大數(shù)據(jù)的用武之地，成為成為助推業(yè)務(wù)發(fā)展最有效的技術(shù)利器和產(chǎn)品設(shè)計(jì)及運(yùn)營的思維。
  大數(shù)據(jù)受到廣泛認(rèn)可，究其原因，主要是如果大數(shù)據(jù)相關(guān)技術(shù)得到較好的使用，會帶來從服務(wù)的訪問量到收入變現(xiàn)能力等關(guān)鍵數(shù)據(jù)指標(biāo)的實(shí)質(zhì)提升。以講師親身項(xiàng)目經(jīng)驗(yàn)為例：一個新的好友推薦算法的上線可能帶來80%以上的“關(guān)注量”或者“加好友申請量”的提高；對手機(jī)通訊錄匹配算法的優(yōu)化升級，可使手機(jī)號對應(yīng)的社交網(wǎng)絡(luò)的用戶帳號匹配量增加55%以上；社交廣告中用戶定向和廣告排序算法的引入，可使廣告收入暴漲100%以上。又如，用戶社交圈智能劃分算法的上線，使很多用戶的三四百個好友被自動合理分到合適的社交圈中，免去他們手動逐個操作的麻煩，提升了用戶體驗(yàn)，他們評價“真心覺得做到了我的心里”、“給數(shù)據(jù)挖掘跪了”。
• 培訓(xùn)特色
  大量大數(shù)據(jù)挖掘?qū)嵺`案例難點(diǎn)理論講述淺顯易懂?dāng)?shù)據(jù)挖掘算法講述會超出傳統(tǒng)教科書的講解范疇，不會贅述具體經(jīng)典算法，而是講述經(jīng)典課本上不會出現(xiàn)的適應(yīng)大數(shù)據(jù)背景下數(shù)據(jù)挖掘的實(shí)用新技術(shù)
• 目標(biāo)收益
  本課程將圍繞大數(shù)據(jù)最本質(zhì)的特點(diǎn)—智能化為主線，從大數(shù)據(jù)的產(chǎn)品思維、數(shù)據(jù)分析重要工具、數(shù)據(jù)挖掘核心技術(shù)等層面深入講述
  數(shù)據(jù)挖掘的高階話題，包括有偏數(shù)據(jù)挖掘、數(shù)據(jù)流挖掘、在線學(xué)習(xí)、高級數(shù)據(jù)預(yù)處理技術(shù)等。同時課程案例豐富，重點(diǎn)從社交網(wǎng)絡(luò)圖譜挖掘、推薦引擎等做實(shí)站案例講解。該課程使學(xué)員：
  理解大數(shù)據(jù)基本概率、理解大數(shù)據(jù)產(chǎn)品設(shè)計(jì)思維、理解大數(shù)據(jù)基礎(chǔ)技術(shù)架構(gòu)
  掌握社交圖譜挖掘的一到兩個經(jīng)典數(shù)據(jù)挖掘案例的解決方案
  掌握社交好友推薦中一到兩個經(jīng)典案例的解決方案
  掌握如何搭建一個實(shí)用的推薦引擎的方法；
  掌握數(shù)據(jù)挖掘的經(jīng)典方法論：數(shù)據(jù)挖掘過程、模型評估標(biāo)準(zhǔn)等
  側(cè)重掌握最普遍使用的分類預(yù)測技術(shù)的方法，
• 培訓(xùn)對象
• 重點(diǎn)面向產(chǎn)品和技術(shù)人員，包括數(shù)據(jù)挖掘工程師、數(shù)據(jù)分析師、大數(shù)據(jù)工程師、算法專家、項(xiàng)目經(jīng)理、技術(shù)經(jīng)理、數(shù)據(jù)產(chǎn)品經(jīng)理以及其他具有一定數(shù)據(jù)挖掘經(jīng)驗(yàn)的人員。
• 主題 內(nèi)容
  1.大數(shù)據(jù)時代概述
• 1.1 大數(shù)據(jù)解決的問題是什么？
  1.2 大數(shù)據(jù)公司（部門）的都在做什么？
  1.3 如何建立自己的大數(shù)據(jù)能力？
• 2.數(shù)據(jù)挖掘過程和實(shí)用工具使用
• 2.1 數(shù)據(jù)挖掘過程的方法及其思想介紹
  2.2 挖掘工具Weka使用實(shí)踐
• 3.深入分類挖掘新技術(shù)
• 3.1 產(chǎn)業(yè)實(shí)戰(zhàn)中如何研發(fā)一個新的數(shù)據(jù)挖掘算法
  3.2 機(jī)器學(xué)習(xí)算法理論深入
  3.3 常用多模型算法詳解
  3.4 Dynamic Data Mining（DDM）：分而治之的多模型框架研發(fā)過程
  3.5 模型評估高級話題
• 4.深入常用實(shí)戰(zhàn)數(shù)據(jù)預(yù)處理與有偏挖掘技術(shù)
• 4.1 有偏數(shù)據(jù)挖掘
  4.2 高級數(shù)據(jù)預(yù)處理實(shí)戰(zhàn)策略
• 5.深入在線學(xué)習(xí)與數(shù)據(jù)流挖掘
• 5.1 在線數(shù)據(jù)流挖掘基本概念
  5.2 數(shù)據(jù)流挖掘的關(guān)鍵挑戰(zhàn)
  5.3 兩類經(jīng)典在線流挖掘算法匯總
  5.4 進(jìn)階：有偏在線數(shù)據(jù)流挖掘的解決方案
  5.5 在線數(shù)據(jù)流挖掘總結(jié)
• 6.深入社交圖譜及推薦引擎實(shí)戰(zhàn)
• 6.1 推薦引擎解決的問題
  6.2 推薦系統(tǒng)歷史
  6.3 通用推薦引擎基礎(chǔ)架構(gòu)
  6.4 社會化推薦引擎
  6.5 社會化推薦引擎算法案例講解
  6.6 社交圖譜挖掘介紹
  6.7 社交圖譜挖掘案例講解：好友親密度模型
  6.8 社交圖譜挖掘案例講解：好友自動分組