大数据核心技术数据挖掘与机器学习技术探索培训大纲.docVIP

时间 培训大纲 内容 第一天上午 第一章 机器学习及数据挖掘 基础原理 1) 什么是机器学习？ 2) 什么是数据挖掘？ 3) 什么是大数据？ 4) 典型应用 5) 机器学习基本思想与原理 a) 假设空间 b) 主要流派 (机械学习/示教学习/类别学习/归纳学习) c) 归纳学习(有监督的学习/无监督的学习) 6) 机器学习应用的一般流程 (收集数据/准备数据/分析数据/训练/测试/应用) 7) 大数据下机器学习算法的特点 8)基础知识 a) 常见文本处理流程 (分词、词性标注、实体识别、句法分析、索引) b) 向量空间模型 c) 高维数据降维 c) 相似度计算方法 d) 基本概率统计知识 9) 常用工具 第一天下午 第二章 机器学习及数据挖掘 常用技术 分类方法 特征选择及降维 朴素贝叶斯 决策树 回归分类器 第二天上午 第二章 机器学习及数据挖掘 常用技术 中心向量法 KNN SVM 线性分类器 分类的研究进展及趋势 大数据下的分类算法 情感分析 众包标注 第二天下午 第二章 机器学习及数据挖掘 常用技术 常见聚类算法 k-Means 层次聚类 DBSCAN 聚类的研究进展及趋势 大数据下的聚类算法 Science上最新发表的聚类算法 社交网络中的社区发现 第三天上午 第二章 机器学习及数据挖