課程簡介
本課程將圍繞大數(shù)據(jù)最本質(zhì)的特點(diǎn)—智能化為主線,從大數(shù)據(jù)的商業(yè)模式 創(chuàng)新、大數(shù)據(jù)產(chǎn)品思維、數(shù)據(jù)分析重要工具、數(shù)據(jù)挖掘核心技術(shù)等層 面,從瀏覽型互聯(lián)網(wǎng)應(yīng)用、社交網(wǎng)絡(luò)型互聯(lián)網(wǎng)應(yīng)用等多角度多領(lǐng)域做實(shí) 站案例講解。該課程使學(xué)員: n 理解大數(shù)據(jù)基本概念、理解大數(shù)據(jù)幫助企業(yè)進(jìn)行商業(yè)模式創(chuàng)新的方法 和思維、理解大數(shù)據(jù)團(tuán)隊(duì)構(gòu)成和組織架構(gòu)、理解大數(shù)據(jù)產(chǎn)品設(shè)計(jì)思維、 理解大數(shù)據(jù)基礎(chǔ)技術(shù)架構(gòu) n 理解大數(shù)據(jù)行業(yè)發(fā)展的現(xiàn)狀:大數(shù)據(jù)在傳統(tǒng)行業(yè)和 TMT 企業(yè)中的應(yīng)用 情況、經(jīng)典真實(shí)案例、對(duì)業(yè)務(wù)提升的影響結(jié)果。 n 掌握大數(shù)據(jù)在瀏覽型應(yīng)用(例如:優(yōu)酷土豆、58 同城等)中的智能化 產(chǎn)品和技術(shù)解決方案。 n 掌握大數(shù)據(jù)在社交型應(yīng)用中的智能化的產(chǎn)品和技術(shù)解決方案。 n 掌握大數(shù)據(jù)在互聯(lián)網(wǎng)金融、支付、保險(xiǎn)類型應(yīng)用中的智能化產(chǎn)品和技 術(shù)解決方案。 n 掌握如何搭建一個(gè)實(shí)用的推薦引擎的方法; n 掌握數(shù)據(jù)挖掘的經(jīng)典方法論:數(shù)據(jù)挖掘過程、模型評(píng)估標(biāo)準(zhǔn)等 n 側(cè)重掌握最普遍使用的分類預(yù)測(cè)技術(shù)的方法,輕松理解分類預(yù)測(cè)技術(shù)的 重難點(diǎn)主題及一 些新技術(shù):模型優(yōu)化的原理、Overfitting 和 Underfitting、Variance/Bias 和多模型 方法等;
目標(biāo)收益
課程大數(shù)據(jù)技術(shù)面的難度值:中;
產(chǎn)品和案例面的豐富度:中;
商業(yè)模式創(chuàng)新和組織架構(gòu)面詳盡度:中。
培訓(xùn)對(duì)象
具有一定信息化程度的傳統(tǒng)企業(yè)和 TMT 企業(yè);企業(yè)業(yè)務(wù)決策 者、產(chǎn)品負(fù)責(zé)人、項(xiàng)目負(fù)責(zé)人、技術(shù)負(fù)責(zé)人、數(shù)據(jù)挖掘工程師、數(shù)據(jù)分析 師、大數(shù)據(jù)工程師、算法專家以及其他對(duì)數(shù)據(jù)挖掘經(jīng)驗(yàn)有興趣的的人員
課程內(nèi)容
大量大數(shù)據(jù)挖掘?qū)嵺`案例 難點(diǎn)理論講述淺顯易懂?dāng)?shù)據(jù)挖掘算 法講述會(huì)超出傳統(tǒng)教科書的講解范疇,不會(huì)贅述具體經(jīng)典算法,而是講述 經(jīng)典課本上不會(huì)出現(xiàn)的適應(yīng)大數(shù)據(jù)背景下數(shù)據(jù)挖掘的實(shí)用新技術(shù)
課程大綱
1.“大數(shù)據(jù)+” |
1.1 引言:大數(shù)據(jù)概述 1.1.1 奧斯卡 6 項(xiàng)大獎(jiǎng)電影“點(diǎn)球成金”揭示了什么? 大數(shù)據(jù)解決的問題是什么? 1.1.2 全球著名的咨詢服務(wù)公司 Gartner 怎么看大數(shù)據(jù)? 1.1.3 大數(shù)據(jù)本質(zhì)特征概述 1.1.4 大數(shù)據(jù)能解決什么問題? 1.2 大數(shù)據(jù)的技術(shù)面 1.3 大數(shù)據(jù)驅(qū)動(dòng)商業(yè)模式創(chuàng)新 1.3.1 “互聯(lián)網(wǎng)+”驅(qū)動(dòng)新的商業(yè)模式創(chuàng)新 1.3.2 “大數(shù)據(jù)+”驅(qū)動(dòng)新的商業(yè)模式創(chuàng)新 1.3.3 成功“大數(shù)據(jù)+”企業(yè)戰(zhàn)略實(shí)施案例 1.3.4 大數(shù)據(jù)企業(yè)戰(zhàn)略和項(xiàng)目實(shí)施方法總結(jié)和禁忌點(diǎn) 1.4 大數(shù)據(jù)團(tuán)隊(duì)建設(shè) 1.4.1 大數(shù)據(jù)公司(部門)的都在做什么? 1.4.2 大數(shù)據(jù)團(tuán)隊(duì)組成 1.5 “大數(shù)據(jù)+”行業(yè)應(yīng)用案例分享 1.5.1 大數(shù)據(jù)在企業(yè)生產(chǎn)、物流、營銷、銷售、售后、企 業(yè)外部環(huán)境分析等環(huán)節(jié)的作用 1.5.2 互聯(lián)網(wǎng)案例分享 1.5.3 傳統(tǒng)企業(yè)案例分享 1.6 總結(jié) |
2.以大數(shù)據(jù)為基 礎(chǔ),AI 為核心精準(zhǔn) 營銷變革 |
2.1 精準(zhǔn)營銷概述 2.1.1 一對(duì)一精準(zhǔn)營銷的發(fā)展歷程 2.1.2 精準(zhǔn)營銷的三種海量數(shù)據(jù) 2.1.3 精準(zhǔn)營銷分析的三個(gè)典型方向 2.1.4 精準(zhǔn)營銷的案例 2.1.5 營銷客戶分析模型框架總結(jié) 2.2 計(jì)算廣告簡介 2.2.1 傳統(tǒng)廣告與計(jì)算廣告 2.2.2 計(jì)算廣告售賣方式與基本形式 2.2.3 計(jì)算廣告基本原理與算法模型 2.2.4 計(jì)算廣告其他 2.3 精準(zhǔn)營銷 AI 實(shí)踐:CTR 預(yù)估 2.3.1 問題定義 2.3.2 算法流程 2.3.3 特征選擇與模型選擇 2.4 常用機(jī)器學(xué)習(xí)算法簡介 2.4.1 機(jī)器學(xué)習(xí)算法基本原理 2.4.2 多模型算法舉例:Boosting 2.4.3 多模型算法舉例:Random Forest 2.4.4 算法評(píng)估指標(biāo)簡介 |
3.以大數(shù)據(jù)為中心 的常見互聯(lián)網(wǎng)應(yīng)用 的數(shù)據(jù)挖掘?qū)崙?zhàn) |
3.1 互聯(lián)網(wǎng)應(yīng)用的分類 3.2 瀏覽型應(yīng)用中的大數(shù)據(jù)應(yīng)用實(shí)例 3.2.1 全局唯一用戶識(shí)別 GUID 3.2.2 用戶及業(yè)務(wù)畫像 3.3.3 用戶流失分析與預(yù)測(cè) |
4.學(xué)員問題解答 | 4.學(xué)員問題解答 |
1.“大數(shù)據(jù)+” 1.1 引言:大數(shù)據(jù)概述 1.1.1 奧斯卡 6 項(xiàng)大獎(jiǎng)電影“點(diǎn)球成金”揭示了什么? 大數(shù)據(jù)解決的問題是什么? 1.1.2 全球著名的咨詢服務(wù)公司 Gartner 怎么看大數(shù)據(jù)? 1.1.3 大數(shù)據(jù)本質(zhì)特征概述 1.1.4 大數(shù)據(jù)能解決什么問題? 1.2 大數(shù)據(jù)的技術(shù)面 1.3 大數(shù)據(jù)驅(qū)動(dòng)商業(yè)模式創(chuàng)新 1.3.1 “互聯(lián)網(wǎng)+”驅(qū)動(dòng)新的商業(yè)模式創(chuàng)新 1.3.2 “大數(shù)據(jù)+”驅(qū)動(dòng)新的商業(yè)模式創(chuàng)新 1.3.3 成功“大數(shù)據(jù)+”企業(yè)戰(zhàn)略實(shí)施案例 1.3.4 大數(shù)據(jù)企業(yè)戰(zhàn)略和項(xiàng)目實(shí)施方法總結(jié)和禁忌點(diǎn) 1.4 大數(shù)據(jù)團(tuán)隊(duì)建設(shè) 1.4.1 大數(shù)據(jù)公司(部門)的都在做什么? 1.4.2 大數(shù)據(jù)團(tuán)隊(duì)組成 1.5 “大數(shù)據(jù)+”行業(yè)應(yīng)用案例分享 1.5.1 大數(shù)據(jù)在企業(yè)生產(chǎn)、物流、營銷、銷售、售后、企 業(yè)外部環(huán)境分析等環(huán)節(jié)的作用 1.5.2 互聯(lián)網(wǎng)案例分享 1.5.3 傳統(tǒng)企業(yè)案例分享 1.6 總結(jié) |
2.以大數(shù)據(jù)為基 礎(chǔ),AI 為核心精準(zhǔn) 營銷變革 2.1 精準(zhǔn)營銷概述 2.1.1 一對(duì)一精準(zhǔn)營銷的發(fā)展歷程 2.1.2 精準(zhǔn)營銷的三種海量數(shù)據(jù) 2.1.3 精準(zhǔn)營銷分析的三個(gè)典型方向 2.1.4 精準(zhǔn)營銷的案例 2.1.5 營銷客戶分析模型框架總結(jié) 2.2 計(jì)算廣告簡介 2.2.1 傳統(tǒng)廣告與計(jì)算廣告 2.2.2 計(jì)算廣告售賣方式與基本形式 2.2.3 計(jì)算廣告基本原理與算法模型 2.2.4 計(jì)算廣告其他 2.3 精準(zhǔn)營銷 AI 實(shí)踐:CTR 預(yù)估 2.3.1 問題定義 2.3.2 算法流程 2.3.3 特征選擇與模型選擇 2.4 常用機(jī)器學(xué)習(xí)算法簡介 2.4.1 機(jī)器學(xué)習(xí)算法基本原理 2.4.2 多模型算法舉例:Boosting 2.4.3 多模型算法舉例:Random Forest 2.4.4 算法評(píng)估指標(biāo)簡介 |
3.以大數(shù)據(jù)為中心 的常見互聯(lián)網(wǎng)應(yīng)用 的數(shù)據(jù)挖掘?qū)崙?zhàn) 3.1 互聯(lián)網(wǎng)應(yīng)用的分類 3.2 瀏覽型應(yīng)用中的大數(shù)據(jù)應(yīng)用實(shí)例 3.2.1 全局唯一用戶識(shí)別 GUID 3.2.2 用戶及業(yè)務(wù)畫像 3.3.3 用戶流失分析與預(yù)測(cè) |
4.學(xué)員問題解答 4.學(xué)員問題解答 |