漫话机器学习，SPSS数据挖掘实践指南

课程简介：

狄更斯说，这是较好的时代，也是最坏的时代。但现在每个人都说，我们正处于一个大数据时代。从IBM深蓝到谷歌AlphaGo，我们看到大数据技术在这些科技公司手中非常的魅力。同时，数据科学相关技能也早已成为商业社会当中，职场当中最炙手可热的技能之一，那么对于我们个人来说，又该如何如何开启个人的统计挖掘之路？

在过往当中，我们总是担心学习大数据既要掌握复杂的数学知识，也是熟悉编程技术。但是本次课程将利用轻松的场景，把专业晦涩的数据科学知识及商业应用内容用通俗易懂的方式传授给大家。与此同时，所有场景将结合IBM SPSS Modeler工具进行实现并提供样例学习，各位学员不需要花费大量时间去掌握一门新的编程语言，只需要通过图形化界面就能实现机器学习的常用算法，使大家能够把时间更加专注于商业问题的解决中。

课程特色：

专业负责：讲师曾任IBM SPSS技术工程师，并著有多本SPSS相关书籍，致力于数据挖掘及SPSS工具知识分享。

内容丰富：内容涵盖目前主流统计分析，机器学习算法（常用统计分析，分类，聚类，关联规则，集成学习）；

通俗易懂：课程采用轻松化漫画风场景，通俗化语言授课，大大降低入门门槛；

全线打通：一部一脚印，从算法讲解，工具使用，到实战娇俏，一个不落；

课程大纲：

第一课：SPSS Modeler与数据科学应用概述

第二课： 数据的理解及常用的数据处理操作

第三课：数据探索及数据可视化展示

第四课：统计分析及应用实践

第五课：机器学习基础，回归分析及应用实践

第六课：Logistic回归，模型分区与评估技术

第七课：RFM模型的数据处理及模型应用

第八课：决策树算法的应用实践与不平衡数据的处理

第九课：进阶数据处理操作及Modeler自动化建模技术介绍

第十课：神经网络算法及应用实践

第十一课：集成学习算法：Bagging，Boosting及随机森林

第十二课：knn分类算算，聚类算法及应用实践

第十三课：关联规则算法及应用实践

第十四课：课程回顾及多模型综合案例实践

授课时间：

课程将于2018年5月5日开课，课程持续时间大约为16周。

授课对象：

在校学生，数据分析爱好者，市场营销人员，产品运营人员，数据分析师，以及其他希望从事或转型数据分析的在职人员。

预期收获：