トレーニングの目的：
プライマリデータマイニングプロジェクトの誘導からカリキュラムの理論と経験は、多くの場合、もちろん、これらの質問の古典的なケースを再現します、問題、分析、要約、与えられた目標と解決策が発生した例で説明し、学生への対応実際の作業の問題は、その学生が経験を組み合わせることができるようになることをして提供するために、問題のニーズを解決するための関心、新しい方法や新しいアイデアを刺激し、それらを自分の問題、効果的にインスピレーションを得たアイデアを教えています。
：生徒は三点にまとめ収穫
1：基本的なアルゴリズムの言った様々なバリエーションと一緒に実際の場合、オープンなアイデアを理解する
訓練を受けることができた後、絶縁破壊電界のチャネル深さの理解を深めるための研修：2業界の最新の更新プログラムを対応する知識ポイント。
3：「データマイニング」プロの円を追加し、学生たちは、プロの社交界に参加する機会、および貿易の交流を持つことができますお互いから学びます。
原則とアプリケーションの一般化線形分類の
内容：ロジスティック回帰と計算広告
。バイナリ分類原則の例としては、数学的な論理回帰N2
伝統的な広告を、広告、宣伝のためのリアルタイム取引プラットフォーム
データとプリ次元抽出
LR広告を計算への応用
LRモデルのチューニングの効果の評価
妥協LRモデルの理論と技術の
LRと彼の小さな友人は：モバイル広告の終了リアルタイムの取引プラットフォームに基づいて、新たな状況N9線形モデルを一般化、のLR様々なバリエーション
決定木、クラスタリングと異常検出
内容：決定木と外れ値検出
原則、決定木
、様々な決定木アルゴリズムは、生成
の異常検出に決定木を
剪定木
その他の異常のアプリケーションのヒント検出
アルゴリズムをクラスタリングします原則
アルゴリズムクラスタリング一般的な問題：初期点の選択、
コンピューティング広告の異常検出の組み合わせでアルゴリズムと決定木をクラスタリングし、検出外れ値二つの小さな例の話
鉱業巨大なグラフ
の複雑なネットワークの説明
、現在の巨大なマップ・シナリオの
ランダムに図、図、自然、
一般的に図の計算フレームワーク（Googleはベーグルで、Graphx graphlab）
アルゴリズム巨人図。今の原則
一般的なグラフベースのアルゴリズムを達成するための
ランダムウォークを、PageRankのベースの実装のマップは、
フレームの図採鉱及び推薦システムビューの導入と実装にSVD SVD（qzone広告システムワイドポイント、コンテンツが推奨さえずり）
電話相談：010-62883247,62884854 BR />メールアドバイザリ：[email protected]
Zhongkexinソフトシニアテクニカルサービストレーニング住所：Yangfangdianロード、海淀区、北京オリエンタルプラザ、第18号、ブロックN 521分の520輝き。