简介
数据挖掘技术近几年在各个行业得到不断广泛的应用,如何应用好数据挖掘技术成为各个企业的重要问题。深入讲解数据挖掘技术在个性化推荐系统和分类系统中的实践应用，通过具体场景阐述数据挖掘的核心技术，应用方法以及应用过程中可能碰到的各种问题，帮助听众更全面的掌握相关技能
目标
更全面的掌握相关技能；了解整个推荐系统的应用场景和算法落地
课程时长
1天（6H）
受众人群
算法工程师、系统架构师、开发工程师以及其他对数据挖掘算法感兴趣的人员。
特点
1） 面向实践；2）循序渐进；3）只说“干货”
分享提纲
| 1.数据挖掘算法实现的基本过程 | |
| 2.推荐算法落地实践 | 2.1 推荐系统简介 2.1.1 推荐系统运用场景 2.1.2 推荐系统主要设计目标 2.1.3 推荐系统开发的常见问题 |
| 2.2 从零开始，开发推荐系统的思路和方法 2.2.1 排行榜算法 2.2.2 基于内容的推荐算法 2.2.3 协同过滤推荐算法 2.2.4 隐语义推荐算法 | |
2.3 提升推荐系统的关键技术 2.3.1 三层系统架构 2.3.2 数据处理 2.3.3 隐式反馈 2.3.4 时间的作用 2.3.5 量化的评估系统 | |
| 3.文本分类算法落地实践 | 3.1 文本分类算法的运用场景 |
3.2 基于词典文本分类方法 3.2.1 基于词典的文本分类方法 3.2.2 基于词典分类方法的问题 | |
3.3 传统机器学习方法 3.3.1 传统机器学习方法流程图 3.3.2 文本特征提取技术 3.3.3 特征向量权重计算方法 3.3.4 常用的分类方法 3.3.5 传统机器学习方法的问题 | |
3.4 深度学习技术 3.4.1 深度学习技术优势 3.4.2 CNN模型 3.4.3 深度学习的问题 | |
| 3.5 多模型融合算法技术 3.5.1 融合的意义 3.5.2 常见的融合方法 | |
| 4.数据挖掘技术未来展望 |
京ICP备2022035414号-1
