大數(shù)據(jù)挖掘高級(jí)能力提升實(shí)戰(zhàn)培訓(xùn)

1 數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程
1.1 數(shù)據(jù)挖掘概述
1.2 數(shù)據(jù)挖掘的標(biāo)準(zhǔn)流程（CRISP-DM）
1.3 數(shù)據(jù)集概述
1.4 數(shù)據(jù)集的類型
1.5 數(shù)據(jù)集屬性的類型
1.6 數(shù)據(jù)質(zhì)量三要素
2 影響因素分析篇
2.1 影響因素分析的常見方法
2.2 相關(guān)分析（衡量變量間的的相關(guān)性）
2.3 方差分析
2.4 列聯(lián)分析（兩類別變量的相關(guān)性分析）
3 數(shù)值預(yù)測(cè)模型篇
3.1 銷量預(yù)測(cè)與市場(chǎng)預(yù)測(cè)——讓你看得更遠(yuǎn)
3.2 回歸預(yù)測(cè)/回歸分析
3.3 時(shí)序預(yù)測(cè)
3.4 季節(jié)性預(yù)測(cè)模型
3.5 新產(chǎn)品預(yù)測(cè)模型與S曲線
4 回歸模型優(yōu)化篇
4.1 回歸模型的基本原理
4.2 模型優(yōu)化思路：尋找佳回歸擬合線
4.3 自定義模型（如何利用規(guī)劃求解進(jìn)行自定義模型）
5 分類預(yù)測(cè)模型篇
5.1 分類模型概述
5.2 常見分類預(yù)測(cè)模型
5.3 邏輯回歸模型
5.4 消費(fèi)者品牌選擇模型分析
5.5 人工神經(jīng)網(wǎng)絡(luò)（ANN）
5.6 判別分析
6 數(shù)據(jù)預(yù)處理篇
6.1 數(shù)據(jù)預(yù)處理的主要任務(wù)
6.2 數(shù)據(jù)集成
6.3 數(shù)據(jù)理解（異常數(shù)據(jù)處理）
6.4 數(shù)據(jù)準(zhǔn)備：數(shù)據(jù)處理
6.5 數(shù)據(jù)準(zhǔn)備：變量處理
6.6 數(shù)據(jù)降維
6.7 數(shù)據(jù)探索性分析
6.8 數(shù)據(jù)可視化