大数据

大数据分析挖掘与可视化最佳实践

2020-10-15 14:21:05 | 来源:中培企业IT培训网

一、 培训重点

1. 数据分析实战;

2. 数据挖掘理论及核心技术;

3. 大数据算法原理及案例实现;

4. Python应用实战。

二、 培训特色

1.理论与实践相结合、案例分析与行业应用穿插进行;

2.专家精彩内容解析、学员专题讨论、分组研究;

3.通过全面知识理解、专题技能和实践结合的授课方式。

三、 日程安排

时间 知识模块 授课内容
第一天
上午
数据分析实战 第一讲 零基础学Python
讲解Python背景、国内发展状况、基础语法、数据结构及绘图操作等内容。特别针对向量计算这块,着重介绍Python在这方面的优势及用法。
第二讲 数据分析方法论
讲解统计分析基础,包括统计学基本概念,假设检验,置信区间等基础,并结合数据案例说明其使用场景和运用方法。介绍数据分析流程和常见分析思路,并结合案例进行讲解。
第三讲 数据处理技法
从数据接入、数据统计、数据转换等几个方面进行讲解。数据接入包含接入MySQL、Oracle、Hadoop等常见数据库操作;数据统计包含Pandas包的具体用法和讲解;数据转换包含对数据集的关联、合并、重塑等操作。此外,针对海量数据的情况下,介绍在Spark平台上的数据处理技术,并结合真实环境进行操作讲解。
第一天
下午
数据挖掘理论及核心技术 第四讲 认识数据挖掘
讲解数据挖掘基本概念,细致讲解业务理解、数据理解、数据准备、建立模型、模型评估、模型部署各环节的工作内容及相关技术;结合业界经典场景,讲解数据挖掘的实施流程和方法体系。
第五讲 数据挖掘核心技术
细致讲解抽样、分区、样本平衡、特征选择、训练模型、评估模型等数据挖掘核心技术原理,并结合案例讲解其具体实现和用法。尤其针对样本平衡,重点讲解人工合成、代价敏感等算法;针对特征选择,重点讲解特征选择的核心思路,并结合Python进行案例演示。
第二天
上午
大数据算法原理及案例实现(1) 第六讲 特征降维算法及Python实现
降维是大数据分析非常重要的算法 ,它可以在降低极少信息量的情况下,极大地缩小数据规模。主要讲解主成分、LDA以及t-SNE原理,并结合案例进行Python实现。特别地,针对海量数据情况下的应用场景,讲解实现思路和Python案例。
第七讲 决策树算法及Python实现
决策树是非常经典的算法 ,一般常见于小数据的挖掘。由于决策树具有极强的可解释性,针对海量数据仍然是非常重要的实用价值。主要讲解ID3、C4.5、C5.0以及CART决策树算法的实现原理,并结合案例进行Python实现。
第八讲 基于乳腺癌数据进行降维分析并建立分类模型
实战部分:基于乳腺癌数据进行降维处理,并尝试建立分类评估模型。旨在通过该模型,并潜在的乳腺癌患者进行识别。
第二天
下午
大数据算法原理及案例实现(2) 第九讲 因果推理算法及Python实现
大数据分析技术可以帮助我们去发现、解决一些业务问题,然而如何去判断我们的改进是否生效,是否在业务指标上呈现过一定的因果逻辑,则是一个重要问题和分析方向。本节主要介绍因果推理算法,包括贝叶斯推理、状态空间模型以及CausalImpact工具等内容,并结合案例进行Python实现。
第十讲 深度学习算法及Python实现
对于大数据的建模任务,我们可以基于深度学习来实现,不仅能够针对海量数据进行建模,其效果也非常不错。本节主要讲解深度学习的发展历程,DBN、DNN等经典深度学习算法,深度学习优化算法以及一些技巧。同时,介绍Keras库的使用方法,并结合案例进行Python实现。
第十一讲 Lending Club信贷违约分析案例
实战部分:基于Lending Club信贷违约数据,尝试从多个不同的维度进行数据分析,旨在发现一些有价值的信息,同时基于该数据,经过一定的处理,建立信贷违约识别模型,旨在对信贷业务办理提供模型支持,降低违约风险。
第三天
上午
Python应用实战(一) 第十二讲 Python自然语言处理原理及案例
目前文档数据已经成为很多企业重要的资产,通过对文档数据进行解析、建模、分析、挖掘、可视化,我们能够发现不一样的洞察。本节主要讲解自然语言处理基本概念和技法,包含分词、关键字提取、文摘提取、文本分类、主题模型、word2vec等内容。介绍在深度学习的加持下,与传统做法的区别,并使用Python进行案例讲解。
第十三讲 数据分析图表及Python案例
数据可视化是大数据分析的重要手段,通过合理地使用图表,不仅可以简洁地表达数据的含义,高效地发现问题,还可以为报告的编写以及数据分析web应用增色不少。本节主要讲解常用的数据分析图表及其使用场景,介绍数据可视化的方法论,避免生搬硬套的使用图表,针对不同的业务场景和需求,合理选择可视化方法。介绍的工具不限于matplotlib、pycha、pyecharts、ggplot、Bokeh、HoloViews、mpld3、plotly、pygal等常用可视化库。
第三天
下午
Python应用实战(二) 第十四讲 使用Notebook编写数据分析报告
数据分析报告在大数据分析过程中具有重要价值,它体现了大数据分析的目的、过程和结果,以及对发现问题的解读、改进方案等等,本节主要讲解使用Notebook编写数据分析报告的具体方法,以及编写数据分析报告的方法论,并结合案例讲解其用法。
第十五讲 Dash可视化开发实战
Dash是一款不错的框架,可以基于Dash快速开发一个轻量级的数据分析web应用。在网页中嵌入图表、数据以及分析的算法,非常适合打造企业内部的敏捷数据分析工具集。本节主要介绍Dash的UI、Server、Reactivity、控件等内容,同时讲解一个用Dash实现数据分析功能(兼图表)的实际案例,搭建服务器,在企业内部实现轻量级数据分析应用。
第四天 学习考核与业内经验交流

四、 授课专家

  游老师 计算机硕士,大数据分析、挖掘、可视化专家,高级培训讲师,曾服务于华为技术有限公司等多家企业,专注于机器学习、数据挖掘、大数据、知识图谱等领域的研究、设计与实现,在互联网、电信、电力、军工等行业具有丰富的工程实践经验,对空间分析、欺诈检测、广告反作弊、推荐系统、客户画像、客户营销建模、知识抽取、智能问答、可视化分析、预测分析、系统架构、大数据端到端解决方案等方面具有深刻理解,多次作为Python语言会议重要嘉宾出席会议并发表主题演讲,著有《R语言预测实战》等多本书籍。

王老师 某集团上市公司数据分析部负责人,主要利用Python语言进行大数据的挖掘和可视化工作。从事数据挖掘建模工作已有10年,曾经从事过咨询、电商、金融、电购、电力、游戏等行业,了解不同领域的数据特点。有丰富的利用R语言进行数据挖掘实战经验,部分研究成果曾获得国家专利。

俞老师 计算机博士,目前主要研究方向包括电子推荐、智能决策和大数据分析等。主持国家自然科学基金2项、中国博士后科研基金、上海市浦江人才、IBM Shared University Research以及多项企业合作课题等项目。已在《管理科学学报》、《系统工程学报》、Knowledge and Information Systems ,Information Processing & Management,Information Systems Frontiers等国内外刊物和学术会议发表论文90多篇,其中被SCI、EI收录40多篇。出版著作和教材《智能化的流程管理》、《客户智能》、《商务智能(第四版)》、《商务智能数据分析的管理视角(第三版)》、《数据挖掘实用案例集》等多部。

刘老师 10多年的IT领域相关技术研究和项目开发工作,在长期软件领域工作过程中,对软件企业运作模式有深入研究,熟悉软件质量保障标准ISO9003和软件过程改进模型CMM/CMMI,在具体项目实施过程中总结经验,有深刻认识。通晓多种软件设计和开发工具。对软件开发整个流程非常熟悉,能根据项目特点定制具体软件过程,并进行项目管理和监控,有很强的软件项目组织管理能力。对C/C++ 、HTML 5、python、Hadoop、java、java EE、android、IOS、大数据、云计算有比较深入的理解和应用,具有较强的移动互联网应用需求分析和系统设计能力,熟悉Android框架、IOS框架等技术,了解各种设计模式,能在具体项目中灵活运用。

预约领优惠