課程描述INTRODUCTION
大數(shù)據(jù)與人工智能課程
· 高層管理者· 中層領(lǐng)導(dǎo)· 其他人員



日程安排SCHEDULE
課程大綱Syllabus
大數(shù)據(jù)與人工智能課程
(一)統(tǒng)計(jì)分析、數(shù)據(jù)倉庫與可視化表達(dá)
1、 綜述(大數(shù)據(jù)、人工智能、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí):這些詞的確切含義)
2、 假設(shè)檢驗(yàn):“小數(shù)據(jù)”時(shí)代是怎么玩的?
3、 “回歸”是數(shù)據(jù)挖掘算法嗎?
4、 度量、指標(biāo)與維度
5、 星型模型與雪花模型
6、 下鉆與上卷
7、 數(shù)據(jù)倉庫的應(yīng)用案例
8、 圖表該怎么畫才對?
(二)大數(shù)據(jù)相關(guān)技術(shù)綜述
1、 hadoop:HDFS、Map-Reduce、Hbase、Hive、sqoop、pig、oozie等
2、 spark:scala、spark-SQL、spark-Streaming等
3、 搜索引擎:lucene(solr)、ES
4、 并發(fā)的機(jī)器學(xué)習(xí)工具:R-hadoop、spark-MLLIB、 spark-R、pyspark
(三)存儲在hbase中的數(shù)據(jù)
1、 NoSQL(key-value)
2、 Hbase:安裝
3、 行鍵與列簇
4、 如何利用Hbase的特點(diǎn)存儲行業(yè)數(shù)據(jù)
5、 應(yīng)用程序如何訪問Hbase中的數(shù)據(jù)
6、 數(shù)據(jù)遷移工具:sqoop
7、 Hbase的應(yīng)用場景
(四)Hive:為SQL開發(fā)者留的活路
1、 Hive:安裝(單用戶與多用戶)
2、 Hive:基本操作
3、 Hive:與典型的關(guān)系型數(shù)據(jù)庫的區(qū)別
4、 存儲業(yè)務(wù)數(shù)據(jù)時(shí)的注意點(diǎn)
5、 如果“想慢”,你還可以這樣…(不恰當(dāng)使用hive的案例介紹)
6、 Hive的應(yīng)用場景
(五)Spark各組件的應(yīng)用
1、 Hadoop*的特點(diǎn)是什么?
2、 Spark概述與安裝
3、 Scala:你可以一直“點(diǎn)”下去
4、 RDD:“映射”、“轉(zhuǎn)換”解決一切
5、 spark-SQL
6、 spark-streaming
7、 spark-graphX
8、 spark-MLLIB
9、 應(yīng)用場景
(六)機(jī)器學(xué)習(xí)-1
1、 數(shù)據(jù)挖掘、知識發(fā)現(xiàn)與機(jī)器學(xué)習(xí)
2、 工具:(早期)SPSS、SAS;
3、 目前流行的工具R、Python等
4、 決策樹(熵、貪心法、連續(xù)的和離散的)
5、 聚類(k-means、k-medoid)
6、 監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)的差異
7、 機(jī)器學(xué)習(xí)性能評價(jià)指標(biāo)
(七)機(jī)器學(xué)習(xí)-2
1、 KNN
2、 關(guān)聯(lián)規(guī)則(頻繁項(xiàng)集、Apriori、支持度、置信度、提升度)
3、 神經(jīng)網(wǎng)絡(luò)(神經(jīng)元、激勵(lì)函數(shù)、前饋神經(jīng)網(wǎng)絡(luò)的BP算法)
4、 SVM(*間隔、核函數(shù)、多分類的支持向量機(jī))
(八)機(jī)器學(xué)習(xí)-3
1、 “概率派”與“貝葉斯派”
2、 樸素貝葉斯模型(皮馬印第安人患糖尿病風(fēng)險(xiǎn)預(yù)測)
3、 極大似然估計(jì)與EM算法
4、 HMM(三個(gè)基本問題:評估、解碼、學(xué)習(xí))
(九)機(jī)器學(xué)習(xí)-4
1、 遺傳算法 (交叉、選擇、變異,“同宿舍”問題)
2、 無監(jiān)督學(xué)習(xí)
3、 集成學(xué)習(xí)(adaboost、RF)
4、 強(qiáng)化學(xué)習(xí)
(十)深度學(xué)習(xí)-1
1、 連接主義的興衰
2、 地形要更陡:改進(jìn)的目標(biāo)函數(shù)
3、 0.9的100次方等于幾?克服梯度消散的方法(改進(jìn)的激勵(lì)函數(shù)、BN)
4、 利用“慣性”下山:改進(jìn)的優(yōu)化算法(Adagrad、RMSprop、Adam)
5、 防止“大鍋飯”:dropout
6、 記憶的關(guān)鍵是“合理的忘記”:weight decay
(十一)深度學(xué)習(xí)-2
1、 讓AI理解圖像:典型CNN
2、 各種CNN
3、 讓AI理解語言:RNN與LSTM、GRU
4、 左右互搏術(shù):GAN
5、 電子游戲的新玩法:DQN
大數(shù)據(jù)與人工智能課程
轉(zhuǎn)載:http://www.cticoncepts.com/gkk_detail/257436.html
已開課時(shí)間Have start time
- 張曉誠
大數(shù)據(jù)營銷內(nèi)訓(xùn)
- 以需求為導(dǎo)向的大數(shù)據(jù)精準(zhǔn)營 張世民
- 《微信公眾號精細(xì)化運(yùn)營》 崔成飛
- 數(shù)字經(jīng)濟(jì)與數(shù)據(jù)技術(shù)應(yīng)用與變 王文琭
- 《核心客戶深度經(jīng)營與價(jià)值倍 龍鑫
- 數(shù)字化現(xiàn)場循環(huán)管理 ——新 王國超
- 數(shù)字技術(shù)與數(shù)字工具應(yīng)用 王文琭
- 數(shù)字時(shí)代下的營銷趨勢 韓天成
- 《銀行數(shù)據(jù)驅(qū)動(dòng)經(jīng)營方法論與 宗錦(
- 醫(yī)療行業(yè)數(shù)字化營銷趨勢及實(shí) 王文琭
- AI數(shù)字化轉(zhuǎn)型與產(chǎn)業(yè)升級 王國超
- 社區(qū)商業(yè)零售數(shù)字化轉(zhuǎn)型 胡國慶
- 《跨境電商全鏈路AI賦能轉(zhuǎn) 黃光偉