HCIE-Big Data-Data Mining 数据挖掘

课程大纲

• 第1章数据挖掘介绍
•     第1节 数据挖掘概述
•     第2节 数据挖掘流程
•     第3节 数据、属性和度量

• 第2章预备知识
•     第1节 矩阵和线性代数
•     第2节 概率论和数理统计
•     第3节 信息熵、基尼指数、最优化
•     第4节 数学实验
•     第5节 python语言基础
•     第6节 数据类型
•     第7节 判断与循环
•     第8节 函数与面向对象
•     第9节 常用模块
•     第10节 正则表达式
•     第11节 文件操作
•     第12节 数据采集与爬虫
•     第13节 数据可视化

• 第3章数据预处理
•     第1节 数据抽取、转换、加载
•     第2节 数据清洗
•     第3节 特征处理
•     第4节 不均衡数据处理

• 第4章特征选择与降维
•     第1节 特征选择
•     第2节 降维

• 第5章有监督学习
•     第1节 有监督学习得预备知识
•     第2节 线性回归
•     第3节 逻辑回归
•     第4节 KNN
•     第5节 朴素贝叶斯和SVM
•     第6节 决策树
•     第7节 集成算法

• 第6章无监督学习
•     第1节 聚类算法 试听
  视频名称:01层次聚类及综合实战.mp4
•     第2节 Apriori算法
•     第3节 FP-growth
•     第4节 层次聚类综合实战

• 第7章Spark MLib数据挖掘
•     第1节 基础入门 试听
  视频名称:SparkMLlib基础入门.MP4
•     第2节 环境安装与基础操作
•     第3节 概要统计
•     第4节 相关性分析
•     第5节 分层抽样·
•     第6节 假设性检测
•     第7节 核密度估算

• 第8章大数据架构和大数据治理
•     第1节 大数据架构和大数据治理

• 第9章大数据挖掘
•     第1节 大数据挖掘

• 第10章综合应用大实验
•     第1节 综合大实验

• 第11章综合实战
•     第1节 显示数据特征
•     第2节 数据可视化显示
•     第3节 数据分析
•     第4节 数据挖掘

实验列表