工程師
互聯(lián)網(wǎng)
產(chǎn)品設(shè)計
商業(yè)模式
大數(shù)據(jù)
數(shù)據(jù)挖掘
互聯(lián)網(wǎng)金融
數(shù)據(jù)分析
推薦課程
average > 0 ? $model->average . '分' : '10.0分' ?>

“AI 驅(qū)動世界”:基于數(shù)據(jù)的智能分析和挖掘在互聯(lián) 網(wǎng)中的應(yīng)用實戰(zhàn)案例

風清揚

Dataware 數(shù)據(jù)挖掘博士

原58同城數(shù)據(jù)智能部總監(jiān)負責人,英國帝國理工數(shù)據(jù)挖掘博士。他長期從事推薦引擎、社交圖譜及興趣圖譜挖掘、計算廣告等方面深入研發(fā)工作,是大數(shù)據(jù)挖掘和智能系統(tǒng)的資深專家。他目前全面負責58同城大數(shù)據(jù)智能分析和挖掘的建設(shè)。曾擔任人人網(wǎng)應(yīng)用研究中心負責人,兼任人人網(wǎng)清華聯(lián)合實驗室負責人,總體負責人人網(wǎng)社交網(wǎng)絡(luò)中社交關(guān)系鏈挖掘、好友推薦、興趣偏好及熱點趨勢挖掘、圖像處理和識別的研發(fā)工作。曾從事百度商務(wù)搜索部鳳巢廣告系統(tǒng)研發(fā)。他擅長產(chǎn)品技術(shù)創(chuàng)新,目前擁有10多個相關(guān)專利。他是中科院大學工程與信息技術(shù)學院大數(shù)據(jù)方向?qū)<椅瘑T會特聘委員。

原58同城數(shù)據(jù)智能部總監(jiān)負責人,英國帝國理工數(shù)據(jù)挖掘博士。他長期從事推薦引擎、社交圖譜及興趣圖譜挖掘、計算廣告等方面深入研發(fā)工作,是大數(shù)據(jù)挖掘和智能系統(tǒng)的資深專家。他目前全面負責58同城大數(shù)據(jù)智能分析和挖掘的建設(shè)。曾擔任人人網(wǎng)應(yīng)用研究中心負責人,兼任人人網(wǎng)清華聯(lián)合實驗室負責人,總體負責人人網(wǎng)社交網(wǎng)絡(luò)中社交關(guān)系鏈挖掘、好友推薦、興趣偏好及熱點趨勢挖掘、圖像處理和識別的研發(fā)工作。曾從事百度商務(wù)搜索部鳳巢廣告系統(tǒng)研發(fā)。他擅長產(chǎn)品技術(shù)創(chuàng)新,目前擁有10多個相關(guān)專利。他是中科院大學工程與信息技術(shù)學院大數(shù)據(jù)方向?qū)<椅瘑T會特聘委員。

課程費用

78000.00 /人

課程時長

3

成為教練

課程簡介

本課程將圍繞大數(shù)據(jù)最本質(zhì)的特點—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 站案例講解。該課程使學員: n 理解大數(shù)據(jù)基本概念、理解大數(shù)據(jù)幫助企業(yè)進行商業(yè)模式創(chuàng)新的方法 和思維、理解大數(shù)據(jù)團隊構(gòu)成和組織架構(gòu)、理解大數(shù)據(jù)產(chǎn)品設(shè)計思維、 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)典真實案例、對業(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 掌握如何搭建一個實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、模型評估標準等 n 側(cè)重掌握最普遍使用的分類預(yù)測技術(shù)的方法,輕松理解分類預(yù)測技術(shù)的 重難點主題及一 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。

培訓對象

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)品負責人、項目負責人、技術(shù)負責人、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數(shù)據(jù)挖掘經(jīng)驗有興趣的的人員

課程內(nèi)容

大量大數(shù)據(jù)挖掘?qū)嵺`案例 難點理論講述淺顯易懂數(shù)據(jù)挖掘算 法講述會超出傳統(tǒng)教科書的講解范疇,不會贅述具體經(jīng)典算法,而是講述 經(jīng)典課本上不會出現(xiàn)的適應(yīng)大數(shù)據(jù)背景下數(shù)據(jù)挖掘的實用新技術(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 項大獎電影“點球成金”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)動商業(yè)模式創(chuàng)新
1.3.1 “互聯(lián)網(wǎng)+”驅(qū)動新的商業(yè)模式創(chuàng)新
1.3.2 “大數(shù)據(jù)+”驅(qū)動新的商業(yè)模式創(chuàng)新
1.3.3 成功“大數(shù)據(jù)+”企業(yè)戰(zhàn)略實施案例
1.3.4 大數(shù)據(jù)企業(yè)戰(zhàn)略和項目實施方法總結(jié)和禁忌點
1.4 大數(shù)據(jù)團隊建設(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)團隊組成
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 營銷變革 2.1 精準營銷概述
2.1.1 一對一精準營銷的發(fā)展歷程
2.1.2 精準營銷的三種海量數(shù)據(jù)
2.1.3 精準營銷分析的三個典型方向
2.1.4 精準營銷的案例
2.1.5 營銷客戶分析模型框架總結(jié)
2.2 計算廣告簡介
2.2.1 傳統(tǒng)廣告與計算廣告
2.2.2 計算廣告售賣方式與基本形式
2.2.3 計算廣告基本原理與算法模型
2.2.4 計算廣告其他
2.3 精準營銷 AI 實踐: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 常用機器學習算法簡介
2.4.1 機器學習算法基本原理
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 算法評估指標簡介
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)用實例
3.2.1 全局唯一用戶識別 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
4.學員問題解答 4.學員問題解答
1.“大數(shù)據(jù)+”
1.1 引言:大數(shù)據(jù)概述
1.1.1 奧斯卡 6 項大獎電影“點球成金”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)動商業(yè)模式創(chuàng)新
1.3.1 “互聯(lián)網(wǎng)+”驅(qū)動新的商業(yè)模式創(chuàng)新
1.3.2 “大數(shù)據(jù)+”驅(qū)動新的商業(yè)模式創(chuàng)新
1.3.3 成功“大數(shù)據(jù)+”企業(yè)戰(zhàn)略實施案例
1.3.4 大數(shù)據(jù)企業(yè)戰(zhàn)略和項目實施方法總結(jié)和禁忌點
1.4 大數(shù)據(jù)團隊建設(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)團隊組成
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 營銷變革
2.1 精準營銷概述
2.1.1 一對一精準營銷的發(fā)展歷程
2.1.2 精準營銷的三種海量數(shù)據(jù)
2.1.3 精準營銷分析的三個典型方向
2.1.4 精準營銷的案例
2.1.5 營銷客戶分析模型框架總結(jié)
2.2 計算廣告簡介
2.2.1 傳統(tǒng)廣告與計算廣告
2.2.2 計算廣告售賣方式與基本形式
2.2.3 計算廣告基本原理與算法模型
2.2.4 計算廣告其他
2.3 精準營銷 AI 實踐: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 常用機器學習算法簡介
2.4.1 機器學習算法基本原理
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 算法評估指標簡介
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)用實例
3.2.1 全局唯一用戶識別 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
4.學員問題解答
4.學員問題解答

活動詳情

提交需求