大數(shù)據(jù)及機(jī)器學(xué)習(xí)算法

=============================================================
《大數(shù)據(jù)及機(jī)器學(xué)習(xí)算法》 ——段方
某世界 100 強(qiáng)企業(yè)大數(shù)據(jù)總設(shè)計(jì)師 教授 北京大學(xué)博士后
=============================================================
13465791471 概述
-------------------------------------------------------------
1.1 大數(shù)據(jù)的概念和特點(diǎn)
1.1.1 大數(shù)據(jù)的基礎(chǔ)
1.1.2 大數(shù)據(jù)如何“與時(shí)俱進(jìn) ”？
1.1.3 大數(shù)據(jù)發(fā)展趨勢(shì)
1.1.3.1 人工智能
1.1.3.2 物聯(lián)網(wǎng)結(jié)合
1.1.3.3 各個(gè)行業(yè)的深入
1.2 大數(shù)據(jù)的技術(shù)基礎(chǔ)
1.2.1 從數(shù)據(jù)倉庫開始
1.2.2 HADOOP 生態(tài)圈
1.2.3 與云計(jì)算的關(guān)系
1.2.4 數(shù)據(jù)運(yùn)維能力提升
1.3 大數(shù)據(jù)的應(yīng)用舉例
1.3.1 大數(shù)據(jù)提升客戶分析能力
1.3.2 大數(shù)據(jù)提升產(chǎn)品分析能力
1.3.3 大數(shù)據(jù)提升管理水平
1.3.4 大數(shù)據(jù)提升各行業(yè)“智慧 ”
1.4 大數(shù)據(jù)下的人工智能（AI）
1.4.1 什么是人工智能
1.4.2 人工智能改變哪些行業(yè)？
1.4.3 大數(shù)據(jù)下的人工智能有何不同？
1.4.4 人工智能的“顛覆 ”
1.5 大數(shù)據(jù)如何精細(xì)化管理
1.5.1 量化管理的引出
1.5.2 大數(shù)據(jù)如何提升“量化 ”的維度和深度
1.5.3 從藝術(shù)到技術(shù)
1.5.4 自動(dòng)駕駛到自動(dòng)管理？
1.6 金融企業(yè)的大數(shù)據(jù)“商機(jī) ”
1.6.1 從網(wǎng)絡(luò)運(yùn)營(yíng)到數(shù)據(jù)運(yùn)營(yíng)
1.6.2 提煉“ 內(nèi)功 ”
1.6.3 提升外部管理能力
1.6.4 擴(kuò)展增值產(chǎn)品運(yùn)營(yíng)市場(chǎng)
134651163792 機(jī)器學(xué)習(xí)基礎(chǔ)
-------------------------------------------------------------
2.1 多維分析方法
2.1.1 OLAP 分析
2.1.2 上鉆和下鉆
2.1.3 用 OLAP 分析問題
2.2 分析算法
2.2.1 回歸算法
2.2.1.1 線性回歸 2.2.1.2 邏輯回歸
2.2.2 決策樹算法
2.2.2.1 C4.5 算法
2.2.2.2 CART 算法
2.2.3 貝葉斯算法
2.2.3.1 樸素貝葉斯算法
2.2.3.2 BBN（Bayesian Belief Network）算法
2.2.4 基于核的算法
2.2.4.1 支持向量機(jī) SVM 算法
2.2.4.2 線性判別分析(Linear Discriminate Analysis ，LDA)
2.2.5 聚類算法
2.2.5.1 K-MEANS 算法
2.2.5.2 期望最大化算法(Expectation Maximization ， ME)
2.2.6 關(guān)聯(lián)規(guī)則算法
2.2.6.1 Apriori 算法
2.2.7 降低維度算法
2.2.7.1 主成份分析(Principle Component Analysis， PCA)算法
2.2.7.2 偏最小二乘回歸(Partial Least Square Regression ，PLS)算法
2.2.8 集成算法
2.2.8.1 隨機(jī)森林算法
2.2.8.2 梯度推進(jìn)機(jī)
2.3 機(jī)器學(xué)習(xí)方法在金融行業(yè)應(yīng)用舉例
134651166713 大數(shù)據(jù)技術(shù)基礎(chǔ)
-------------------------------------------------------------
3.1 從數(shù)據(jù)倉庫開始
3.1.1 數(shù)據(jù)倉庫的“集中 ”
3.1.2 數(shù)據(jù)倉庫的模型標(biāo)準(zhǔn)化
3.1.3 大數(shù)據(jù)的演進(jìn)
3.2 HADOOP 生態(tài)圈
3.2.1 開源社區(qū)概述
3.2.2 開源改變了什么？
3.2.3 HADOOP 生態(tài)圈內(nèi)容
3.2.4 HADOOP 的技術(shù)原則
3.2.5 HADOOP 的運(yùn)維
3.3 HADOOP 基礎(chǔ)
3.3.1 HDFS 的原理
3.3.2 MAP/REDUCE 原理
3.3.3 YARN 原理
3.4 HIVE/ HBASE 技術(shù)
3.4.1 HIVE 的原理
3.4.2 HBASE 的原理
3.4.3 兩者的關(guān)系
3.5 SPARK 技術(shù)
3.5.1 基本原理
3.5.2 應(yīng)用案例
3.6 KAFKA/ FLUME
3.6.1 基本原理
3.6.2 應(yīng)用案例
3.7 各個(gè)技術(shù)的特點(diǎn)對(duì)比
134651161754 大數(shù)據(jù)下的企業(yè)運(yùn)營(yíng)
-------------------------------------------------------------
4.1 從泰勒經(jīng)濟(jì)學(xué)說起
4.1.1 簡(jiǎn)述泰勒經(jīng)濟(jì)學(xué)
4.1.2 數(shù)據(jù)與企業(yè)管理的天然聯(lián)系
4.1.3 讓大數(shù)據(jù)滲透到企業(yè)的每個(gè)毛孔
4.2 客戶分析
4.2.1 客戶的數(shù)據(jù)維度
4.2.2 客戶視圖分析
4.2.3 客戶離網(wǎng)分析等
4.3 產(chǎn)品分析
4.3.1 產(chǎn)品數(shù)據(jù)維度
4.3.2 產(chǎn)品視圖分析
4.3.3 產(chǎn)品的潛在客戶分析
4.3.4 如何優(yōu)化產(chǎn)品？
4.4 精準(zhǔn)營(yíng)銷
4.4.1 營(yíng)銷的本質(zhì)——配對(duì)
4.4.2 精準(zhǔn)營(yíng)銷——數(shù)據(jù)的魅力
4.4.3 營(yíng)銷時(shí)機(jī)、渠道等選擇
4.5 員工的管理
4.5.1 員工的量化分析
4.5.2 大數(shù)據(jù)下的“辦公室分析 ”
4.5.3 員工績(jī)效考評(píng)
4.5.4 如何避免“蒼蠅犯大案 ”
4.6 外部生態(tài)圈的管理
4.6.1 生態(tài)圈的概念
4.6.2 金融企業(yè)的生態(tài)圈
4.6.3 上下游企業(yè)的管理
4.6.4 如何識(shí)別渠道欺詐？
4.7 【例】某大數(shù)據(jù)系統(tǒng)應(yīng)用案例
134651130415 *大數(shù)據(jù)的互聯(lián)網(wǎng)思維
-------------------------------------------------------------
5.1 互聯(lián)網(wǎng)思維概述
5.1.1 什么是互聯(lián)網(wǎng)思維？
5.1.2 互聯(lián)網(wǎng)思維在互聯(lián)網(wǎng)企業(yè)中的落地
5.1.3 互聯(lián)網(wǎng)思維的案例
5.2 大數(shù)據(jù)的客戶體驗(yàn)
5.2.1 什么是客戶體驗(yàn)？
5.2.2 大數(shù)據(jù)的客戶有哪些？
5.2.3 如何提升客戶大數(shù)據(jù)使用體驗(yàn)？
5.2.4 【例】大數(shù)據(jù)的客戶提升案例
5.3 大數(shù)據(jù)的產(chǎn)品設(shè)計(jì)
5.3.1 大數(shù)據(jù)產(chǎn)品應(yīng)該長(zhǎng)什么樣？
5.3.2 產(chǎn)品如何簡(jiǎn)約？
5.3.3 提供“千人千面 ”的產(chǎn)品
5.3.4 大數(shù)據(jù)的“爆品 ”在哪里？
5.3.5 【例】大數(shù)據(jù)產(chǎn)品示例
5.4 大數(shù)據(jù)的極致思維
5.4.1 如何極致？
5.4.2 數(shù)據(jù)的極致
5.4.3 報(bào)告的極致
5.4.4 講故事的極致
5.4.5 服務(wù)的極致
5.5 大數(shù)據(jù)的平臺(tái)思維
5.5.1 什么是平臺(tái)思維？
5.5.2 大數(shù)據(jù)的平臺(tái)化如何實(shí)現(xiàn)？
5.5.3 從 APP STORE 到 BI STORE
5.6 其它
5.6.1 互聯(lián)網(wǎng)思維如何用于企業(yè)運(yùn)營(yíng)？
5.6.2 互聯(lián)網(wǎng)思維堪比“文藝復(fù)興 ”？
5.7 【例】互聯(lián)網(wǎng)思維在某企業(yè)大數(shù)據(jù)系統(tǒng)中的落地實(shí)踐
134651161746 大數(shù)據(jù)的收集及整理
-------------------------------------------------------------
6.1 大數(shù)據(jù)的收集
6.1.1 內(nèi)部數(shù)據(jù)
6.1.1.1 哪些 IT 系統(tǒng)？
6.1.1.2 財(cái)務(wù)系統(tǒng)
6.1.1.3 招聘系統(tǒng)等
6.1.2 外部數(shù)據(jù)
6.1.2.1 爬蟲獲取數(shù)據(jù)
6.1.2.2 交換數(shù)據(jù)
6.1.2.3 購買數(shù)據(jù)等
6.2 大數(shù)據(jù)的整理
6.2.1 如何表述數(shù)據(jù)間的關(guān)系？
6.2.2 數(shù)據(jù)建模的概念
6.2.3 數(shù)據(jù)建模的方法
6.3 大數(shù)據(jù)的數(shù)據(jù)治理
6.3.1 數(shù)據(jù)質(zhì)量問題
6.3.2 數(shù)據(jù)質(zhì)量如何管控
6.3.3 數(shù)據(jù)字典的定義
6.4 大數(shù)據(jù)的數(shù)據(jù)資產(chǎn)
6.4.1 什么是數(shù)據(jù)資產(chǎn)？
6.4.2 數(shù)據(jù)資產(chǎn)如何梳理？
6.5 【案例】某數(shù)據(jù)收集整理實(shí)際案例
134651161877 金融行業(yè)大數(shù)據(jù)案例
-------------------------------------------------------------
7.1 某金融企業(yè)大數(shù)據(jù)建設(shè)案例分享
7.2 某金融企業(yè)大數(shù)據(jù)應(yīng)用案例分享
7.3 某金融企業(yè)大數(shù)據(jù)管理案例分享
7.4 某金融企業(yè)大數(shù)據(jù)變現(xiàn)案例分享
7.5 其它行業(yè)大數(shù)據(jù)案例分享
134651164928 總結(jié)
-------------------------------------------------------------

段方老師的其它課程