中科院“大数据挖掘和分析技术实战”公开课实训

2018年11月14日上午,为期三天的“大数据挖掘和分析技术实战”公开课在中科院第一层教学室如期举行。2018年11月14日上午,为期三天的“大数据挖掘和分析技术实战”公开课在中科院第一层教学室如期举行。

参加本次讲解的是中科院杨老师,杨老师毕业于北京大学计算机系,曾任职于北京大学计算机研究所助理研究员,美国朗讯公司贝尔实验室研究员,并主持和参与过多个国家和省部级基金项目,负责完成多项电信网络应用技术研发项目。并在众多国内外学术期刊和国际会议上发表了六十多篇研究论文...

课程之中,杨老师以幽默,诙谐,易懂的讲解方式与学员们互动,并以形象的比喻向学员们展示了大数据挖掘技术现代会面临的问题和所能解决的办法;学员们都被老师幽默,诙谐的语气所感染,更被老师形象的比喻触入其中,如此难懂的技术却在杨老师的讲解下变得如此生动,易懂!

为了让学员完全理解吸收掉大数据挖掘和分析技术,课程的最后,杨老师带领学员们一起进入实战环节。在实战环节,学员们往往都遇到了大大小小的问题,杨老师都予以耐心,细致的解答,课程最后在学员们的热烈掌声中宣告结束。

通过本次大数据挖掘和分析技术实战公开课,学员们不仅开阔了自己的眼界,提高了自己的专业水准,更是在自己的职业技能水平上获得极大的提高,并获得中科院计算所职业培训中心颁发的“大数据分析挖掘Hadoop/Mahout/MLlib的大数据挖掘”结业证书。

中科院计算所培训中心依托中科院强大的技术背景,致力于为国家,企业,社会培养专业计算机人才,经过近三十余年的发展,目前已严然成为国内顶尖的IT精英培训机构,并受到业内众多人士的赞誉,好评。我们将不懈努力,为中国输送更多高精端IT精英技术人才而努力。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
资料探勘概述 Data Mining Overview 用K-最近邻法做预测和分类 Prediction and Classification with k-Nearest Neighbors 例1:骑乘式割草机 Example 1: Riding Mowers 表 11.1,从页 584:Johnson,Richard,和Dean Wichern. 《应用多变量统计分析》 5th ed. Prentice-Hall,2002。ISBN;0-13-092553-5 Table 11.1 from page 584 of: Johnson, Richard, and Dean Wichern. Applied Multivariate Statistical Analysis. 5th ed. Prentice-Hall, 2002. ISBN: 0-13-092553-5. 2 分类及贝氏法则,朴素贝氏分析 Classification and Bayes Rule, Naïve Bayes 3 分类树 Classification Trees 〈家庭数据库(Boston)〉是由美国加州大学Irvine分校计算机与计算机科学学院公布的资料:机器智能学习数据库。(Machine Learning Repository of Detabases) "Housing Database (Boston)." Publicly available data at University of California, Irvine School of Information and Computer Science, Machine Learning Repository of Databases. 4 例2区别分析:Fisher的Iris实验数据(前后需统一) Discriminant Analysis Example 2: Fisher's Iris data “鸢尾花研究数据库”是由美国加州大学Irvine分校计算机与计算机科学学院公布的资料:机器智能学习数据库。(Machine Learning Repository of Detabases) "Iris Plant Database." Publicly available data at University of California, Irvine School of Information and Computer Science, Machine Learning Repository of Databases. 5 逻辑回归案例 Logistic Regression Case 手摇纺织机 Handlooms 6 神经网络 Neural Nets 7 作业讨论-见指定作业 问题1 Discussion of homework - see Problem 1 in assignments section 8 多变数回归检视 Multiple Regression Review 9 资料探勘的线性复回归模式 Multiple Linear Regression in Data Mining 10 回归树,案例:IBM/GM周投资报酬率 Regression Trees, Case: IBM/GM weekly returns 资料探勘技术的比较 Comparison of Data Mining Techniques 作业讨论-见指定作业问题2 Discussion of homework - see Problem 2 in assignments section 11 K-均值分群法,阶层分群法 k-Means Clustering, Hierarchical Clustering 12 案例:零售营销规划 Case: Retail Merchandising 13 期考试 Midterm Exam 14 主成分分析 Principal Components 例一,长子头围测量:Rencher,Alvin。《多变数分析方法》第二版。 Example 1, Head Measurements of Adult Sons: Rencher, Alvin. Methods of Multivariate Analysis. 2nd ed. Wiley-Interscience, 2002. Table 3.7, p. 79. ISBN: 0-471-46172-5. 例 2, 酒的特质: 〈酒类的识别数据库〉是由美国加州大学Irvine分校计算机与计算机科学学院公布的资料: 机器智能学习数据库。(Machine Learning Repository of Detabases) Example 2, Charactersitics of Wine: "Wine Recognition Database." Publicly available data at University of California, Irvine School of Information and Computer Science, Machine Learning Repository of Databases. 15 Dr. Ira Haimowitz博士客座演讲:资料探勘及Pfizer公司的客户关系管理 Guest Lecture by Dr. Ira Haimowitz: Data Mining and CRM at Pfizer 16 关联规则(购物篮分析) Association Rules (Market Basket Analysis) Han,Jiawei和Micheline Kamber。资料探勘:概念和技术。Morgan Kauffman Publishers,2001。例6.1(Figure 6.2)。ISBN:1-55860-489-8。 Han, Jiawei, and Micheline Kamber. Data Mining: Concepts and Techniques. Morgan Kauffman Publishers, 2001. Example 6.1 (Figure 6.2). ISBN: 1-55860-489-8. 17 推荐系统:协同过滤 Recommendation Systems: Collaborative Filtering 18 John Elder IV博士的客座演讲:资料探勘的实际操作。 Guest Lecture by Dr. John Elder IV, Elder Research: The Practice of Data Mining
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值