数据挖掘与分析（互联网行业）

• 互联网数据挖掘概览	互联网的数据挖掘典型需求 互联网数据采集的典型渠道 互联网数据存储特征 数据挖掘技术与工具 数据分析的工作模式 示例：数据挖掘在互联网行业中的应用
  互联网相关的数据挖掘典型应用场景	数据流挖掘分析 文本挖掘分析 示例：文本数据流分析 位置分析 社交关系分析 互联网应用识别 个性化推荐介绍
  数据分析与挖掘的流程	确定数据需求 设计数据挖掘模型 确定数据来源 收集并整理数据 选择数据挖掘算法 执行数据挖掘算法 数据分析结果评估与算法+数据优化 报告数据分析结果
  数据需求分析	确定数据分析目标 围绕目标分解指标 把指标映射到已有的数据 确定对数据的要求
  设计数据挖掘模型	确定数据源模型 确定数据挖掘结果模型 确定数据分析算法容器模型 建立从数据源到数据分析结果映射图
  确定数据源	数据源存储空间标定 数据源逻辑模型分析 数据源抽取方法列表 数据源备份机制选择 数据源质量分析
  收集并整理数据	数据整理需求明确 采用自动化方法整理数据 对不合规数据的特殊处理 间隙数据的补充
  选择数据挖掘算法	典型数据挖掘算法列表 关联和相关分析 相关分析 关联规则分析 实例：使用相关及关联进行分析 聚类分析算法及应用 实例：聚类分析实例，客户聚类 分类算法 用决策树进行分类 神经网络 实例：使用分类方法进行客户流失分析 回归分析与预测 回归分析概述 时间序列分析 示例：使用时间序列分析进行网络流量预测
  数据挖掘工具原理与实践	典型数据挖掘工具列表 统计分析工具SPSS介绍（简要） 数据挖掘专用工具SPSS Clementine介绍 建模及模型评价过程 应用SPSS Clementine工具进行数据挖掘与分析
  数据挖掘效果评估与优化	数据挖掘结果差异分析 差异原因定位 优化数据与算法 重新处理数据、算法分析 结果比对与确认 数据分析结果报告

电话咨询：010-62883247，62884854

中科信软高级技术服务培训地址：北京市海淀区羊坊店路18号光耀东方广场N座520/521。

培训，技术支持,咨询,指导