課程大綱： 大數據挖掘能力實戰培訓
1 數據挖掘標準流程
1.1 數據挖掘概述
1.2 數據挖掘的標準流程（CRISP-DM）
1.3 數據集概述
1.4 數據集的類型
1.5 數據集屬性的類型
1.6 數據質量三要素
2 影響因素分析篇
2.1 影響因素分析的常見方法
2.2 相關分析（衡量變量間的的相關性）
2.3 方差分析
2.4 列聯分析（兩類別變量的相關性分析）
3 數值預測模型篇
3.1 銷量預測與市場預測——讓你看得更遠
3.2 回歸預測/回歸分析
3.3 時序預測
3.4 季節性預測模型
3.5 新產品預測模型與S曲線
4 回歸模型優化篇
4.1 回歸模型的基本原理
4.2 模型優化思路：尋找佳回歸擬合線
4.3 自定義模型（如何利用規劃求解進行自定義模型）
5 分類預測模型篇
5.1 分類模型概述
5.2 常見分類預測模型
5.3 邏輯回歸模型
5.4 消費者品牌選擇模型分析
5.5 人工神經網絡（ANN）
5.6 判別分析
6 數據預處理篇
6.1 數據預處理的主要任務
6.2 數據集成
6.3 數據理解（異常數據處理）
6.4 數據準備：數據處理
6.5 數據準備：變量處理
6.6 數據降維
6.7 數據探索性分析
6.8 數據可視化
加入高級會員獲得助教答疑
