欧美福利在线播放_免费在线观看羞羞视频_加勒比色老久久爱综合网_性一交一乱一区二区洋洋av_国产麻豆麻豆_国产精品一线天粉嫩av_国产精品天美传媒入口_午夜a一级毛片亚洲欧洲_精品久久久久久久大神国产_四虎影视在线播放

1. SPSS Modeler初中級培訓
   培訓目標：
   本課程結束后，受培訓人員將能熟練使用Modeler軟件，能夠根據常見的不同種類的數據挖掘研究需要進行方案設計、數據分析、建模和報告的撰寫。在培訓中將安排一系列討論會和實際數據練習，以保證學員有足夠的實踐機會實際操作Modeler軟件。
   Modeler培訓課程內容：
   1?統計分析方法與數據挖掘基本原理培訓
   ? 課程描述
   ? 介紹數據挖掘方法論以及CRISP-DM的6個步驟
   ? 培訓對象
   ? 戰略規劃部、市場研究部、數據分析部等相關研究人員
   ? 必要技能
   ? 統計方法基礎知識、數據挖掘基本原理
   ? 培訓內容
   ? 統計分析方法與數據挖掘基本原理
   ? 第一講
   ? 如何從掌握統計方法到掌握數據挖掘
   ? 與傳統的統計分析方法相比而言：
   ? 什么是數據挖掘？
   ? 數據挖掘能做什么？
   ? 數據挖掘在協助企業業務的分類、預測、聚類和模型可視化方面的特點；
   ? 數據挖掘在其他商業領域的應用，如完善客戶關系管理、贏得市場營銷戰役；
   ? 如何從掌握統計分析方法到掌握數據挖掘？
   ? 第二講
   ? 數據挖掘基本原理和實踐操作方法論
   ? 數據挖掘的基本原理
   ? 數據挖掘實踐中所要求的數據結構、衍生變量和數據轉換
   ? 數據挖掘的模型建構方法、模型的評估、模型的檢驗和修訂
   ? 目前主流的數據挖掘工具軟件比較
   ? 如何在實踐操作中運用CRISP-DM數據挖掘程序
   ? 如何從商業角度和數據角度了解數據挖掘解決問題的類型和思路
   ? CRISP-DM的6個步驟以及每個步驟應該完成的工作和產生的結果
2. ?
   2、?Modeler軟件操作基礎及數據處理使用培訓
   ? 培訓對象
   ? 客戶企業所指派的Modeler實際使用人員
   ? 涉及產品
   ? Modeler
   ? 培訓內容
   ? Modeler軟件操作基礎培訓
   ? Modeler的數據處理技術
   ? 第一講
   ? 操作概述
   ? 基礎界面介紹：
   ? Modeler?14.2所包含的功能模塊
   ? 與Modeler先前版本的比較
   ? 基礎操作之數據準備
   ? 讀取數據文件
   ? 數據質量評估
   ? 數據處理
   ? 尋找數據中的關系
   ? 第二講
   ? 建模概述
   ? Modeler中所包含的數據建模概述
   ? 神經網絡技術建模
   ? 決策樹技術建模
   ? 模型比較與模型合并
   ? Kohonen神經網絡
   ? 關聯規則
   ? 時序發現
   ? 模型的發布
   ? 第三講
   ? 數據處理技術
   ?
   ? 合并多個數據源數據
   ? 抽取樣本，選擇和緩存數據
   ? 處理缺失數據
   ? 處理日期
   ? 處理時序數據
   ? 文件操作
   ? 數據聚合
   ? 附錄:?通過ODBC讀取數據
   ? 附錄:?Modeler的數據庫連接
   ?
3. ?
   3?Modeler的高級建模
   ? 課程描述
   ? 介紹Modeler的建模技術以及Meta?Modeling技術
   ? 培訓對象
   ? 完成第二、三課學習的學員
   ? 必要技能
   ? 第二、三課學習的技能
   ? 培訓內容
   ? 利用神經網絡完成分群（Neural?networks?for?classification）
   ? 高級規則歸納（Advanced?rule?induction）
   ? 聚類技術（clustering）
   ? 高級關聯規則（Advanced?association?rules）
   ? 線性回歸（Linear?Regression）
   ? 邏輯回歸（Logistic?Regression）
   ? 濃縮數據：基本組件（Data?Reduction:?Principal?Components）
   ? 從模型中獲取數據(meta?models,?error?modeling)?
   ?
6. 
   ?
11. 
    ?
12. 
    ?
    ?
    ?
    ?
    ?
    ?
    ?
    ?
    ?
    ?
    ?
    ?
    ?
    ?
    ?
    ?
13. 
    ?
    ?
    ?
    ?
18. 
    ? ?
20. 
    
27. 
    ?
28. 
    ?
    ?
29. 
    ?
    ?
30. 
    ? ?
    
    
    
    
    

"