您現(xiàn)在的位置：首頁 > 企業(yè)內(nèi)訓(xùn) > 大數(shù)據(jù) > 社交網(wǎng)絡(luò)數(shù)據(jù)及文本挖掘?qū)I(yè)技術(shù)

社交網(wǎng)絡(luò)數(shù)據(jù)及文本挖掘?qū)I(yè)技術(shù)

2020-07-03 09:38:43　|　來源：中培企業(yè)IT培訓(xùn)網(wǎng)

培訓(xùn)背景

隨著社交網(wǎng)絡(luò)日益發(fā)展，人們樂于在社交網(wǎng)絡(luò)上分享自己的生活，拓展自己的人脈。這一系列活動背后，是基于社交網(wǎng)絡(luò)的巨大數(shù)據(jù)。然而，人們對社交網(wǎng)絡(luò)數(shù)據(jù)的挖掘和分析都還處于相對初級的階段，大規(guī)模、高維度數(shù)據(jù)的挖掘方法還在不斷地演化。隨著信息技術(shù)的迅猛發(fā)展，參與到社交網(wǎng)絡(luò)的人越來越多，人們樂于在網(wǎng)絡(luò)中去分享自己的相關(guān)信息，拓展自己的人脈。文本挖掘為何如此重要呢？據(jù)普遍估計，在所有與業(yè)務(wù)有關(guān)的信息中，有80%的信息是非結(jié)構(gòu)化文本數(shù)據(jù)和半結(jié)構(gòu)化文本數(shù)據(jù)。換言之，如果不對這80%的信息所代表的大量數(shù)據(jù)應(yīng)用文本分析，所有嵌入的業(yè)務(wù)信息和消費者行為數(shù)據(jù)都會被浪費。術(shù)語文本挖掘常常被稱為文本分析具有很多的實際意義，比如垃圾過濾、從電子商務(wù)網(wǎng)站上的意見和建議中提取信息、在博客和評論網(wǎng)站中進行社交收聽和意見挖掘、增強客戶服務(wù)和電子郵件支持、業(yè)務(wù)文檔的自動化處理、法律領(lǐng)域的電子發(fā)現(xiàn)、衡量消費者的偏好、索賠分析和欺詐檢測，企業(yè)甚至能通過社交平臺去直接影響客戶，一切都似乎因為社交網(wǎng)絡(luò)的出現(xiàn)而變的美好。

培訓(xùn)收益

1.本課程盡量避開數(shù)學(xué)公式，按照“講清思想方法原理—結(jié)合具體案例—R語言實現(xiàn)細節(jié)”思路，讓即使是幾乎沒有什么基礎(chǔ)的學(xué)員，掌握R語言數(shù)據(jù)挖掘的基本思路和模式，打下未來深入的良好基礎(chǔ)，能在工作和學(xué)習(xí)中結(jié)合具體問題立馬上手操作解決；

2.課程注重學(xué)練結(jié)合的方法，會采取小組討論的方法，充分調(diào)動大家思考的積極性，在做中掌握相關(guān)知識和技能；

3.課程緊緊抓住R語言和數(shù)據(jù)挖掘的重點和難點，詳細的分析和講解，在理解難、容易出錯的地方反復(fù)提醒，以便學(xué)員在課后容易的進行自己復(fù)習(xí)和相關(guān)拓展；

4.本課程讓學(xué)員領(lǐng)略大數(shù)據(jù)技術(shù)的魅力和廣闊前景，使學(xué)員掌握主流的大數(shù)據(jù)（包括結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)）的表示、建模、存儲、管理、分析處理、挖掘、推薦技術(shù)、匹配技術(shù)與關(guān)聯(lián)分析技術(shù)，以及機器學(xué)習(xí)平臺的原理與應(yīng)用實戰(zhàn)；

5.課程緊密結(jié)合行業(yè)市場需求和國際國內(nèi)最新技術(shù)發(fā)展潮流，讓學(xué)員掌握大數(shù)據(jù)分析挖掘平臺架構(gòu)和應(yīng)用部署，分享成功的大數(shù)據(jù)應(yīng)用項目實施經(jīng)驗，學(xué)習(xí)大數(shù)據(jù)分析應(yīng)用項目解決方案咨詢服務(wù)；

6.讓學(xué)員掌握常見的大數(shù)據(jù)分析方法和數(shù)據(jù)挖掘算法使用方法，以及大數(shù)據(jù)開發(fā)與運維技術(shù)。讓學(xué)員掌握基于Hadoop大數(shù)據(jù)平臺的數(shù)據(jù)挖掘平臺Mahout、MLbase機器學(xué)習(xí)算法庫應(yīng)用、數(shù)據(jù)倉庫HIVE、實時分析平臺Spark、實時挖掘平臺Shark、分布式機器學(xué)習(xí)與推薦系統(tǒng)平臺Oryx的入門、中級以及高級應(yīng)用，并對主流的大數(shù)據(jù)分析建模與挖掘推薦平臺產(chǎn)品剖析。

培訓(xùn)特色

本課程讓學(xué)員領(lǐng)略大數(shù)據(jù)技術(shù)的魅力和廣闊前景，使學(xué)員掌握社交網(wǎng)絡(luò)與文本挖掘技術(shù)的分析能力增強對社交網(wǎng)絡(luò)數(shù)據(jù)和文本的分析能力。

課程大綱

日程	培訓(xùn)模塊	內(nèi)容
第一天上午	大數(shù)據(jù)概述	1.大數(shù)據(jù)基本概念、技術(shù)梗概、技術(shù)沿革，以及大數(shù)據(jù)技術(shù)是如何改變?nèi)斯ぶ悄芗夹g(shù)、語音識別技術(shù)、圖像識別/視頻理解、自然語言處理技術(shù)等，以及大數(shù)據(jù)技術(shù)在政府、金融、石油、教育、交通、醫(yī)療衛(wèi)生等行業(yè)的成功案例； 2.大數(shù)據(jù)的結(jié)構(gòu)化數(shù)據(jù)模型、半結(jié)構(gòu)化模型和非結(jié)構(gòu)化數(shù)據(jù)的存儲模型，邏輯模型，以及分析建模工具的常用方法。
第一天上午	數(shù)據(jù)挖掘及Mahout	1.十大常用的并行數(shù)據(jù)挖掘算法、原理、應(yīng)用場景，以及技術(shù)實戰(zhàn)； 2.并行數(shù)據(jù)挖掘平臺Mahout的技術(shù)架構(gòu)、核心組件的工作原理以及技術(shù)； 3.Mahout應(yīng)用開發(fā)技術(shù)； 4.Mahout項目實戰(zhàn)。
第一天下午	R語言精要	本著循序漸進而又覆蓋R語言重要而有用的基本內(nèi)容原則，本講從R語言入門開始，以前期的數(shù)據(jù)處理為核心，以實際案例為載體，內(nèi)容包括R語言的向量、數(shù)據(jù)框、矩陣運算、缺失值和零值的處理、特別注重用R語言構(gòu)造函數(shù)編程解決實際問題，詳細介紹強大的數(shù)據(jù)清洗整理plyr、zoo、car等常用包和強大的作圖ggplot2包，為使用R語言進行數(shù)據(jù)挖掘打下扎實的工具基礎(chǔ)。主要案例：案例1：如何用R語言plyr等包合并、排序、分析數(shù)據(jù)并編制香農(nóng)-威納指數(shù)；案例2：如何用R語言編程同時實現(xiàn)幾十個高難度數(shù)據(jù)分析可視化圖片的jpeg格式輸出；案例3：如何使用R語言進行分層或者整群抽樣構(gòu)建訓(xùn)練集與測試集；案例4：使用ggplot2畫出各種復(fù)雜的圖形。
第二天上午	神經(jīng)網(wǎng)絡(luò)和 R語言的實現(xiàn)	神經(jīng)網(wǎng)絡(luò)由大量的節(jié)點和輸出函數(shù)構(gòu)成邏輯策略，本講介紹其原理，主要通過案例的方式講解R語言實現(xiàn)神經(jīng)網(wǎng)絡(luò)算法的過程和注意的事項。主要案例：案例1：酒的品質(zhì)和種類的神經(jīng)網(wǎng)絡(luò)的分析和預(yù)測；案例2：公司財務(wù)預(yù)警建模。
第二天上午	企業(yè)基于社交網(wǎng)絡(luò)數(shù)據(jù)的收獲	1.潛在商機的發(fā)現(xiàn)，通過數(shù)據(jù)挖掘與分析能夠得到什么？ 2.危機預(yù)警，通過數(shù)據(jù)挖掘與分析，可以對一些網(wǎng)絡(luò)中突然發(fā)布的一條可能對企業(yè)產(chǎn)生危機的信息即時的監(jiān)控； 3.效果預(yù)測，通過數(shù)據(jù)挖掘與分析讓企業(yè)能花最少的錢得到最大的產(chǎn)出。
第二天下午	交叉驗證比較各個模型	對于同一個數(shù)據(jù)，可能有很多模型來擬合，如何衡量和比較模型的精度呢？本講將介紹交叉驗證訓(xùn)練集和測試集的方法來幫助大家在實際中選取最佳模型進行擬合和預(yù)測。
第三天上午	決策樹（回歸樹）分析和R語言實現(xiàn)	決策樹是數(shù)據(jù)挖掘的經(jīng)典方法，其原理容易被理解。本講主要講授兩種最為普遍的決策樹算法：CART和C4.5算法，使用rpart和J48函數(shù)進行R語言分析。主要案例：案例1：對汽車耗油量進行決策樹分析并完成相關(guān)目標變量的預(yù)測；案例2：使用決策樹幫助電信局判斷和預(yù)測客戶辦理寬帶業(yè)務(wù)。
第三天下午	使用R語言結(jié)合KNN 算法進行文本挖掘	文本挖掘，特別是對中文的文本挖掘日趨重要。本講介紹文本挖掘的原理和方法，幫助大家使用R語言在大量的非結(jié)構(gòu)化的數(shù)據(jù)中發(fā)現(xiàn)有價值的信息，抽取潛在有用的數(shù)據(jù)，發(fā)現(xiàn)適合模式，實現(xiàn)可視化結(jié)果展示。主要案例：案例：使用R語言結(jié)合KNN算法對網(wǎng)頁（Web）進行文本挖掘（含分詞、分類、可視化等）。