- 1、本文档共9页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
CDALEVELIISPSSMODELER开课邀请函
经管之家 CDA 数据分析研究院“ CDA 数 据 分 析 师 培 训Level II_SPSS” 开课通知数据分析技能不仅是学术研究中的一把利器,更是现代数据分析工作的敲门砖,CDA Level Ⅰ为基础薄弱的学员提供了入行的机会,能够结合业务完成基本的数据分析并作出数据报告。但 想要在竞争激烈的市场中胜出,决策的速度和反应的效率尤为重要。根据调查显示,75%的在 面临拟定策略时,常常无法获得实时且有根据的决策信息。什么样的数据、要通过什么样的方 法,才能快速便捷的提供对决策有价值的信息,是现代所面临最迫切性的问题。因此,在 CDA Level Ⅰ的基础上,CDA LevelⅡ(建模分析师)即为决策提供及时有效、易实现、可信赖的数 据支持。一、 培训时间、地点、费用在建模分析师中,数据挖掘(DataMining)技术无疑是他们最强有力的核心竞争力。数据挖 掘强调与现有信息系统的整合,以提供决策者做决策时所需的情报,或转化成经营智慧,以作 为调整营运策略方针的辅助工具。以顾客关系管理(CRM)为例,数据挖掘是整个顾客关系管理 的核心。其不但可以准确的定位目标市场,进行精准营销,还可以帮助业务人员了解客户深层 需求,针对大量客户进行客制化,也就是所谓的一对一营销。本课程的目的就是要针对数据挖 掘整套流程,根据 CDA Level Ⅱ大纲标准,以金融、电信、电商和零售业为案例背景,结合 SPSS Moderler,SAS,PYTHON 和 R等工具深入讲授数据挖掘的主要算法,讲授如何在实际工 作中搭建数据挖掘环境,制定分类数据挖掘的标准流程,让学员胜任全方位的数据挖掘运用场 景。北京国富如荷网络科技有限公司联合经管之家统计培训中心推出现场培训班,详情如下:CDA Level Ⅱ SPSS MODELER 专题:北京:7 月 29-31 日 8 月 05-07 日(6 天) 远程:7 月 29-31 日 8 月 05-07 日(6 天) 费用: 现场班 5900 元,远程班 4400 元 授课安排:(1) 授课方式:面授形式,中文多媒体互动式授课方式(2) 授课时间:上午 9:00-12:00,下午 13:30-16:30,16:30-17:00(答疑)(3) 学习期限:现场与视频结合,长期学习加练习答疑。二、讲师介绍:李御玺,教授,国立台湾大学资讯工程博士,铭传大学资讯工程学系教授,铭传大学大数据研究中心主任,中华数据挖掘协会理事,云南财经大学信息学院客座教授,浙江大学城市学院客 座教授,厦门大学数据挖掘中心顾问,中国人民大学数据挖掘中心顾问,IBM SPSS-China 顾 问,SAS-Taiwan 顾问。在其相关研究领域已发表超过 260篇以上的研究论文,同时也是国科会 与教育部多个相关研究计划的主持人。三、课程大纲时 程 大纲内容 第1天主题:数据挖掘基础 企业使用之范围: 说明企业如何利用数据挖掘来进行营销活动及信用风险控管 理论介绍: 数据挖掘在政府部门及各行业的应用 数据挖掘的起源、定义及目标 数据挖掘的发展历程 数据库中的知识发掘步骤(KDD) 数据挖掘技术的产业标准(CRISP DM) 数据挖掘技术的功能分类 数据挖掘相关网站介绍(KDnuggets Kaggle) IBMSPSSModelerWEKA实作,使用数据集:信用评等数据集、天气数据 集、玻璃制品数据集第1天第2天主题:基础数据挖掘及数据前处理技术 企业使用之范围: 说明企业如何利用数据前处理技术来进行数据的重整,建置数据仓库,以作 为数据挖掘之输入 理论介绍: 叙述性统计及可视化技术 案例为本的学习(Case-based Learning): KNN(K Nearest Neighbors) 数据前处理(Data Preprocessing)技术 字段选择(Attribute Selection) *数据整合(Data Integration) *数据探索(Data Explore) *数据过滤(Data Filtering) 数据清洗(Data Cleansing): *错误值(Wrong Value)的侦测及处理 *离群值(Outlier)的侦测及处理 *缺失值(Missing Value)的侦测及处理 字段扩充(Attribute Enrichment): *内/外部数据的扩充方法 数据编码(Data Coding): *数据正规化(Data Normalization) *数据一般化(Data Generalization) *数据连续性指派(Data Arbitrarily Assignment) *数据离散化(Data Discretization) *数据精简(Record Reduction) *域值精简(Attribute
您可能关注的文档
最近下载
- LEGO乐高积木拼砌说明书42126,Ford®F-150Raptor皮卡,LEGO®Technic(年份2021)安装指南_第2份共2份.pdf
- 继电保护和安全自动装置技术规程.pdf VIP
- 2023版反假考试复习题库-上(单选题部分).pdf VIP
- (完整)2018年严重精神障碍知识技能竞赛题库.pdf VIP
- 诗词大会网络答题竞赛题库200题(含答案).pdf
- 弗洛姆的人本主义精神分析理论.ppt VIP
- 整本书阅读 会飞的教室(课件)四年级上册语文部编版.pptx
- 2024年江西司法警官职业学院单招数学考试题库及答案解析.docx
- HAIER 海尔 海尔Haier冷柜 BC BD-519HCZ 说明书.pdf
- 消防安全标志设置要求.docx VIP
文档评论(0)