机器学习和数据挖掘课程
 
目标收益
课程中的理论和经验来自于对初级数据挖掘工程经常遇问题的归纳、分析与总结，有针对性的给出解决方法，课程将重现这些问题的经典案例，通过实例讲解，并对应到学员的实际工作问题，使学员能够把传授的经验和自己的问题结合起来，有效的启发思路、激发兴趣、提供解决问题需要的新思路新方法。
学员的收获总结起来有3点：
1：了解实际的事例结合说基本算法的各种变体，开阔思路
2：将一次培训深化为深入了解一个细分领域的一个渠道，之后可以接收到培训内容中知识点对应的业界最新更新。
3：加入“数据挖掘”职业圈，学员可以有一个加入职业社交圈的机会，和业内人士相互交流，相互切磋。

培训对象

1：有一定的程序和数学基础，希望对于数据挖掘有个知识体系的梳理，同时深入了解在实际生产过程中数据挖掘的各种算法的应用的，希望从初级走向中级的，数据增值产业的从业者。尤其是想做数据挖掘但是效果不显著，希望在公司内部得到更多重视的团队，派出两三人参加这个课程，效果尤佳。
2：对于数据挖掘，商业智能感兴趣，希望从事类似的工作，但是又感到所谓“大数据”知识体系繁杂，无论是广度还是深度都很难开始的“迷茫”人士。

学员基础

学员学习本课程应具备下列基础知识：
1) 知道统计学的一些基本概念：平均分布，正态分布，方差，置信区间； 
2) 知道数据结构的一些基本概念：时间，空间复杂度；
3) 知道计算机体系结构的一些基本概念：GPU，芯片，寄存器，内存寻址，总线传输，内网通信

课程大纲
 

主题 内容
广义线性分类的原理和应用

内容：logistic Regression和计算广告学 n1.二分类问题的例子n2.逻辑回归的数学原理n3.传统广告，计算广告，广告实时交易平台n4.数据预处理和维度提取n5.LR在计算广告中的应用n6.LR的效果测评，模型调优n7.LR模型中理论与工程的折中n8.LR和他的小伙伴们：广义线性模型n9.新情况，基于移动端的广告实时交易平台，LR的各种变体

决策树，聚类和异常点检测

内容：决策树和异常点检测n1.决策树的原理n2.各种决策树的生成算法n3.决策树在异常点检测中的应用n4.决策树的剪枝n5.其它异常点检测的应用小技巧n6.聚类算法的原理n7.聚类算法的常见问题：初始点选择，n8.聚类算法和决策树在异常点检测中的应用n9.结合计算广告，谈两个异常点检测小例子

巨型图挖掘

1.复杂网络介绍n2.当前巨型图应用场景n3.随机图，自然图，n4.常用的图计算框架（google的bagel，graphlab的graphx）n5.巨型图上的算法实现原理n6.常用的基于图的算法实现n7.随机游走，pageRank基于图的实现n8.svd介绍以及svd在图框架的实现n9.图挖掘与推荐系统（qzone的广告系统广点通，twitter的内容推荐）