大数据的浪潮仍在继续，在巨大的数据集中进行筛选的最好工具是什么？
如果R语言排第二，那就没其他能排第一。自1997年以来，作为昂贵的统计软件，如Matlab和SAS的免费替代品，它渐渐风靡全球。
在过去的几年时间中，R语言已经成为了数据科学的宠儿——数据科学现在不仅仅在书呆子一样的统计学家中人尽皆知，而且也为华尔街交易员，生物学家，和硅谷开发者所家喻户晓。各种行业的公司，例如
Google，Facebook，美国银行，以及纽约时报都使用R语言
，R语言正在商业用途上持续蔓延和扩散。
R语言有着简单而明显的吸引力。
使用R语言，只需要短短的几行代码，你就可以在复杂的数据集中筛选，通过先进的建模函数处理数据，以及创建平整的图形来代表数字。
Packt，一个电子书网站，发布了2016年技术提高的调查报告，涉及来自世界各地的11500名开发人员。平均年薪薪酬最高的语言是：
R——$ 60,000
（以上资料摘自码农网http://www.codeceo.com/）
掌握R这门语言工具
进行数据挖掘的案例实战班
就在11月25日
并且第一次同步北京的现场班开设了远程，
一部电脑就可以学习这门包含25个案例的课程：
时间：
2016年11月25-28日 (四天)
地点：
北京市海淀区厂洼街3号丹龙大厦/远程同步
安排：
上午9:00-12:00；下午1:30-4:30；答疑4:30-5:00
费用：
现场：4500元/3600元 (仅限全日制本科生及硕士研究生优惠价)；
食宿自理
远程：
3600元
优惠：
现场班老学员9折优惠；
同一单位3人以上同时报名9折优惠；
同一单位6人以上同时报名8折优惠；
折扣优惠不叠加。
Gino Chin老师，名校数学与应用数学专业学士和统计学专业硕士毕业，有海外学习和工作的经历，近二十年来一直进行着数据分析的理论和实践，数学、统计和计算机功底强悍。
曾在某一世界500强公司核心部门担任高级主管负责数据建模和分析工作，并为多家500强企业做过内训及项目，在实践中攻克统计建模和数据分析难题无数，数据处理与分析科学精准，在实际应用中取得良好的效果。
本课程结合讲师的学习和工作经验，把R语言和数据挖掘的基本知识和重点难点很好的结合，注重学以致用，按照由深入浅的方式，层层推进使得学员拾阶而上的逐级掌握相关内容。
课程内容涵盖了R语言和数据挖掘的精华，无论是流行的数据挖掘方法，还是前沿的算法均有所涉及，课程中提供了大量丰富的案例，这些案例，集合了互联网、市场营销、金融保险等领域的数据挖掘实例，无疑对学习和工作有极大的参考和指导意义。
第一讲：R语言精要
本着循序渐进而又覆盖R语言重要而有用的基本内容原则，本讲从R语言入门开始，以前期的数据处理为核心，以实际案例为载体，内容包括R语言的向量、数据框、矩阵运算、缺失值和零值的处理、特别注重用R语言构造函数编程解决实际问题，详细介绍强大的数据清洗整理plyr、zoo、car等常用包和强大的作图ggplot2包，为使用R语言进行数据挖掘打下扎实的工具基础。
主要案例：
案例1：如何用R语言plyr等包合并、排序、分析数据并编制香农-威纳指数；
案例2：如何用R语言编程同时实现几十个高难度数据分析可视化图片的jpeg格式输出；
案例3：如何使用R语言进行分层或者整群抽样构建训练集与测试集；
案例4：使用ggplot2画出各种复杂的图形。
第二讲：Logistic回归与商业大数据建模
Logistic回归是商业建模的常用重要数据挖掘方法，本讲要讲清楚Logistic回归的建模原理、与多元线性模型的区别、R语言实现过程及回归诊断注意事项、预测方法和结果解释，让学员彻底地掌握Logistic回归解决问题的R语言方法。
主要案例：
案例1：利用Logistic回归帮助商业银行完成对客户提前还贷款情况的预测；
案例2：利用Logistic回归帮助医生对病人选择最佳治疗方案；
案例3：利用Logistic回归帮助厂家分析顾客做出购买决策的重要因素；
案例4：利用Logistic回归帮助寿险公司进行目标客户精准电话营销；
案例5：利用Logistic回归帮助商业银行完成对客户的信用评分；
案例6：利用Logistic回归帮助公司分析客户流失的原因并做好预测。
第三讲：关联规则和R语言实现
关联规则（著名的“啤酒和尿布”）是数据挖掘的基础和核心技术之一，本讲将着重围绕经典的Apriori算法和eclat算法，阐明关联规则的支持、置信和提升程度与控制，使用R语言快速完成关联规则分析。
主要案例：
案例1：使用R语言关联规则方法帮助各个超市实现商品的最佳捆绑销售方案（即“购物篮”分析）；
案例2：泰坦尼克号乘客幸存的关联规则分析；
案例3：提高个人收入的关联分析。
第四讲：决策树（回归树）分析和R语言实现
决策树是数据挖掘的经典方法，其原理容易被理解。本讲主要讲授两种最为普遍的决策树算法：CART和C4.5算法，使用rpart和J48函数进行R语言分析。
主要案例：
案例1：对汽车耗油量进行决策树分析并完成相关目标变量的预测；
案例2：使用决策树帮助电信局判断和预测客户办理宽带业务。
第五讲：机器集成学习的Bagging和AdaBoost算法
这两种方法将许多分类器的预测结果进行汇总分析，从而达到显著提升分类效果。本讲介绍这2种算法的思想，在R语言中构造训练集和测试集进一步进行分析。
主要案例：
案例1：用R语言的Bagging和AdaBoost进行商业银行定期存款的分析和预测；
案例2：用R语言的Bagging和AdaBoost识别有毒蘑菇。
第六讲：R语言随机森林（RandomForest）算法
在机器学习中，随机森林是一个包含多个决策树的分类器，本讲讲清随机森林方法的原理，以致在实际中帮助学员判断适合进行随机森林分析的情况，最终熟练掌握R语言随机森林分析的方法。
主要案例：
