小白学数据挖掘与机器学习

小白学数据挖掘与机器学习

数据科学一旦入门,永无止境...

299 4498 人学习

课程名称:

最好玩最通俗易懂的机器学习课程!|小白学数据挖掘与机器学习

【温馨提示:1. 你可以在PC端浏览器或者微信收藏该页面,以方便你快速找到这个课程;2. 课程相关资料可在课程PC端公告查看下载;3.加入课程后,点(课时)列表即可观看视频 】

 

课程介绍:

从零入门机器学习,数据科学家的养成之路。

这可能是你见过的最好玩最通俗易懂的机器学习课程!

本视频课程是配套浩彬老撕新书小白学数据挖掘与机器学习(SPSSModeler案例篇)》的配套视频课程,当然学员也能单独学习视频课程。

过往当中,我们总是担心学习大数据既要掌握复杂的数学知识,也是熟悉编程技术。但本次课程将颠覆你以往的概念,本次课程不但包含了数学统计知识的传授,也囊括了机器学习的实践案例,最重要的是所有课时都将利用轻松的场景,把专业晦涩的数据科学知识及商业应用内容用通俗易懂的方式传授给大家。

在本次课程中,所有实践案例将结合IBM SPSS Modeler工具进行实现并提供样例学习,各位学员不需要花费大量时间去掌握一门新的编程语言,只需要通过图形化界面就能实现机器学习的常用算法,使大家能够把时间更加专注于商业问题的解决中。


课程资源:

探数寻理公众号:wetalkdatablob.png

1.配套书籍可以在京东通过关键词搜索“小白学数据挖掘与机器学习”找到自营的图书链接;

京东购买链接:

https://item.jd.com/12371803.html#none

京东购买二维码

京东二维码.png


2.安装指导视频见第二章学习视频,介质下载指引可在公众号回复【spss】(不包括中括号)

3.案例数据及模型文件可在公众号回复【案例数据】(不包括中括号)


 


课程特色:

通俗易懂:采用生活化的案例作为突破,漫画化方式深入浅出全面解析机器学习的算法理论知识,再使用实践案例进行巩固,大大降低初学者的入门门槛。;

内容丰富:理论知识上涵盖了主流的统计分析技术(t检验,相关分析,卡方检验等),机器学习算法(分类算法,聚类算法,关联规则,集成学习);

规划合理:实践案例中涵盖数据处理,数据探索,算法建模,模型评估等内容,涵盖整个数据挖掘的全流程;

配套视频课程全部免费,一共13大节(37小节),如学员在学习过程中有任何疑难或者建议,可以通过浩彬老撕公众号:探数寻理(wetalkdata)留言探讨。


主讲老师:

33.jpg

张浩彬,人称浩彬老撕,历任IBM大中华区商业智能事业部SPSS分析工程师,认知解决方案事业部数据分析专家,现任广东柯内特环境科技有限公司首席数据科学家,致力以通俗化的方式分享机器学习及SPSS技术,专注于人工智能技术与应用。


适合人群:

22.jpg

• 对数据分析,数据挖掘感兴趣的在校学生或初学者;

• 希望未来从事或转型称为数据分析或数据挖掘的学生或在职人士;

• 需要快速利用SPSS Modeler完成特定分析任务的职场人士;

• 需要经常与数据打交道的市场营销,产品运营及产品经理;


期望效果:

通过本次书籍及视频课程的学习,希望各位学员能够深入了解CRISP—DM数据挖掘方法论,能够根据科学的数据挖掘流程开展工作。熟悉并掌握常用的机器学习算法(回归,分类,聚类,关联规则),能够熟练使用IBM SPSS Modeler工具进行日常数据分析以及数据挖掘,能够利用相关数据分析技术进行商业知识的提取,相信这将为大家的职场生涯如虎添翼。


课程大纲:

11.jpg

第一章、数据挖掘那些事儿

    1. 课程使用说明

    2. 数据挖掘那些事儿

第二章、数据挖掘之利器:SPSS Modeler

    1. SPSSModeler的基本概述

    2. SPSSModeler的下载与安装

    3. SPSSModeler的基本使用

    4. SPSSModeler实用技巧

第三章、巧妇难为无米之炊:数据,数据!

    1. 数据读取综述

    2. 数据的身份

    3. 数据的集成

第四章、一点都不简单的描述性统计分析

    1. 一点都不简单的描述性统计分析

    2. 真的很简单的数据审核节点

第五章、何为足够大的差异,常用的统计检验

    1. 假设检验的基本原理

    2. 相关分析

    3. t检验

    4. 卡方检验

第六章、从身高和体重的关系谈起,回归分析

    1. 一元线性回归

    2. 多元线性回归

    3. 逐步回归

第七章、回归岂止那么简单,回归模型的进一步扩展

    1. 曲线回归

    2. Logistics回归

第八章、模型评估那些事儿:过拟合与欠拟合

    1. 过拟合与欠拟合

    2. 留出法与交叉验证

第九章、从看电影的思考到决策树的生成

    1. 决策树概述

    2. 决策树算法

    3. 信息熵的通俗理解

    4. 决策树建模实践

第十章、人工神经网络,从人脑神经元开始

    1. 从人脑神经元到人工神经网络

    2. 感知机

    3. bp神经网络

    4. 神经网络实践

第十一章、物以类聚,人与群分的聚类分析

    1. 聚类方法的基本原理

    2. 聚类的注意问题

    3. 聚类的实践

第十二章、啤酒+尿布=关联分析

    1. 关联规则要点

    2. 关联规则实践

第十三章、三个臭皮匠,赛过诸葛亮:集成学习算法

    1. 集成学习算法原理

    2. 集成学习算法实践


 

友情提示

1、PC端如果发现浏览器无法观看课程,建议使用谷歌浏览器观看;移动端建议直接微信打开课程页面

2、如果加入课程后下次登录提示课程需要重新加入,一般是因为你把登录账户记成你绑定的手机或者邮箱帐号而混淆了。

3、【在微信加入课程的用户注意】请微信收藏课程页面或者关注微信公众号:天善智能(点“我的”即可查看你已加入的课程),方便下次学习。

4、课程相关资料可在课程PC端公告查看下载;

5、加入学习后请添加客服微信:tianshanplus(请注明:公司+职位+姓名),邀请你加入微信课程群

111.jpg



改版

反馈