1.大數(shù)據(jù)時代概述

1.1 大數(shù)據(jù)解決的問題是什么？
1.2 大數(shù)據(jù)公司（部門）的都在做什么？
1.3 如何建立自己的大數(shù)據(jù)能力？

2.數(shù)據(jù)挖掘基礎(chǔ)及Weka 工具使用

2.1 數(shù)據(jù)挖掘過程與挖掘工具Weka使用實踐
2.2 數(shù)據(jù)挖掘模型評估方法
2.3 數(shù)據(jù)挖掘的模型評估指標(biāo)

3. 如何研發(fā)大數(shù)據(jù)算法：以數(shù)據(jù)分類挖掘新技術(shù)為例

3.1 工業(yè)界應(yīng)用舉例
3.2 分類挖掘原理探索：經(jīng)典的單模型方法
3.4 多模型重要算法匯總
3.5 如何研發(fā)一個新的數(shù)據(jù)挖掘算法：案例講解

4.以大數(shù)據(jù)挖掘為中心的推薦引擎實戰(zhàn)

4.1 推薦引擎解決的問題
4.2 推薦系統(tǒng)歷史
4.3 通用推薦引擎基礎(chǔ)架構(gòu)
4.4 社會化推薦引擎
4.5 社會化推薦引擎算法案例講解

5.以大數(shù)據(jù)為中心的社交網(wǎng)絡(luò)應(yīng)用挖掘?qū)崙?zhàn)

5.1 社交圖譜挖掘介紹
5.2 社交圖譜挖掘案例講解：好友親密度模型
5.3 社交圖譜挖掘案例講解：好友自動分組

6.以大數(shù)據(jù)為中心的瀏覽型和金融支付保險型互聯(lián)網(wǎng)應(yīng)用的數(shù)據(jù)挖掘?qū)崙?zhàn)

6.1 互聯(lián)網(wǎng)應(yīng)用的分類
6.2 流量型應(yīng)用中的大數(shù)據(jù)應(yīng)用實例

7.學(xué)員問題解答

?