从数据挖掘到深度学习讲稿.pptx

从数据挖掘到深度学习——大数据建模分析的算法和应用概述;提纲;实现基础：数据库、数据仓库、分布式存储、并行计算、流式计算、GPU加速……;关于特征、规律和学习;关于学习;半监督（Semi-supervised) 学习案例;提纲;数据挖掘的概念和历史;9;分类算法 ;分类算法 ：贝叶斯;分类算法：KNN ;分类算法：SVM ;分类算法：决策树 ;聚类算法;聚类算法：K-Means和K-Medoids;聚类算法：高斯混合模型GMM;聚类算法：DBSCAN;基于聚类的应用——用户价值评估;关联规则挖掘算法;关联规则挖掘算法;关联规则挖掘算法;针对MM 2个月的日志信息，采用Mahout PFPG关联规则挖掘算法进行模式挖掘，算法配置参数为：最小支持度600，最小置信度0.7，挖掘的模式数为15，具体结果如下：;异常检测算法;时间序列预测算法;1.5.1 模型库——预测预警（示例1）;提纲;深度学习的概念;深度学习的起源和发展;深度学习的起源和发展;ImageNet竞赛;卷积神经网络 Convolutional Neural Networks;卷积神经网络 Convolutional Neural Networks;卷积神经网络到底学到了什么;卷积神经网络为什么有效;AlphaGo探秘;AlphaGo探秘;关于深度学习和人工智能;提纲;40;41;Spark MLlib;Theano;提纲;海量O域数据蕴含无穷的应用潜能;O域大数据分析的挑战和思路;Devops促成大数据应用百花齐放; 谢谢