工程师
互联网
产品设计
商业模式
大数据
数据挖掘
互联网金融
数据分析
推荐课程
average > 0 ? $model->average . '分' : '10.0分' ?>

“AI 驱动世界”:基于数据的智能分析和挖掘在互联 网中的应用实战案例

风清扬

Dataware 数据挖掘博士

原58同城数据智能部总监负责人,英国帝国理工数据挖掘博士。他长期从事推荐引擎、社交图谱及兴趣图谱挖掘、计算广告等方面深入研发工作,是大数据挖掘和智能系统的资深专家。他目前全面负责58同城大数据智能分析和挖掘的建设。曾担任人人网应用研究中心负责人,兼任人人网清华联合实验室负责人,总体负责人人网社交网络中社交关系链挖掘、好友推荐、兴趣偏好及热点趋势挖掘、图像处理和识别的研发工作。曾从事百度商务搜索部凤巢广告系统研发。他擅长产品技术创新,目前拥有10多个相关专利。他是中科院大学工程与信息技术学院大数据方向专家委员会特聘委员。

原58同城数据智能部总监负责人,英国帝国理工数据挖掘博士。他长期从事推荐引擎、社交图谱及兴趣图谱挖掘、计算广告等方面深入研发工作,是大数据挖掘和智能系统的资深专家。他目前全面负责58同城大数据智能分析和挖掘的建设。曾担任人人网应用研究中心负责人,兼任人人网清华联合实验室负责人,总体负责人人网社交网络中社交关系链挖掘、好友推荐、兴趣偏好及热点趋势挖掘、图像处理和识别的研发工作。曾从事百度商务搜索部凤巢广告系统研发。他擅长产品技术创新,目前拥有10多个相关专利。他是中科院大学工程与信息技术学院大数据方向专家委员会特聘委员。

课程费用

78000.00 /人

课程时长

3

成为教练

课程简介

本课程将围绕大数据最本质的特点—智能化为主线,从大数据的商业模式 创新、大数据产品思维、数据分析重要工具、数据挖掘核心技术等层 面,从浏览型互联网应用、社交网络型互联网应用等多角度多领域做实 站案例讲解。该课程使学员: n 理解大数据基本概念、理解大数据帮助企业进行商业模式创新的方法 和思维、理解大数据团队构成和组织架构、理解大数据产品设计思维、 理解大数据基础技术架构 n 理解大数据行业发展的现状:大数据在传统行业和 TMT 企业中的应用 情况、经典真实案例、对业务提升的影响结果。 n 掌握大数据在浏览型应用(例如:优酷土豆、58 同城等)中的智能化 产品和技术解决方案。 n 掌握大数据在社交型应用中的智能化的产品和技术解决方案。 n 掌握大数据在互联网金融、支付、保险类型应用中的智能化产品和技 术解决方案。 n 掌握如何搭建一个实用的推荐引擎的方法; n 掌握数据挖掘的经典方法论:数据挖掘过程、模型评估标准等 n 侧重掌握最普遍使用的分类预测技术的方法,轻松理解分类预测技术的 重难点主题及一 些新技术:模型优化的原理、Overfitting 和 Underfitting、Variance/Bias 和多模型 方法等;

目标收益

课程大数据技术面的难度值:中;
产品和案例面的丰富度:中;
商业模式创新和组织架构面详尽度:中。

培训对象

具有一定信息化程度的传统企业和 TMT 企业;企业业务决策 者、产品负责人、项目负责人、技术负责人、数据挖掘工程师、数据分析 师、大数据工程师、算法专家以及其他对数据挖掘经验有兴趣的的人员

课程内容

大量大数据挖掘实践案例 难点理论讲述浅显易懂数据挖掘算 法讲述会超出传统教科书的讲解范畴,不会赘述具体经典算法,而是讲述 经典课本上不会出现的适应大数据背景下数据挖掘的实用新技术

课程大纲

1.“大数据+” 1.1 引言:大数据概述
1.1.1 奥斯卡 6 项大奖电影“点球成金”揭示了什么? 大数据解决的问题是什么? 1.1.2 全球著名的咨询服务公司 Gartner 怎么看大数据?

1.1.3 大数据本质特征概述
1.1.4 大数据能解决什么问题?
1.2 大数据的技术面
1.3 大数据驱动商业模式创新
1.3.1 “互联网+”驱动新的商业模式创新
1.3.2 “大数据+”驱动新的商业模式创新
1.3.3 成功“大数据+”企业战略实施案例
1.3.4 大数据企业战略和项目实施方法总结和禁忌点
1.4 大数据团队建设
1.4.1 大数据公司(部门)的都在做什么?
1.4.2 大数据团队组成
1.5 “大数据+”行业应用案例分享
1.5.1 大数据在企业生产、物流、营销、销售、售后、企 业外部环境分析等环节的作用
1.5.2 互联网案例分享
1.5.3 传统企业案例分享
1.6 总结
2.以大数据为基 础,AI 为核心精准 营销变革 2.1 精准营销概述
2.1.1 一对一精准营销的发展历程
2.1.2 精准营销的三种海量数据
2.1.3 精准营销分析的三个典型方向
2.1.4 精准营销的案例
2.1.5 营销客户分析模型框架总结
2.2 计算广告简介
2.2.1 传统广告与计算广告
2.2.2 计算广告售卖方式与基本形式
2.2.3 计算广告基本原理与算法模型
2.2.4 计算广告其他
2.3 精准营销 AI 实践:CTR 预估
2.3.1 问题定义
2.3.2 算法流程
2.3.3 特征选择与模型选择
2.4 常用机器学习算法简介
2.4.1 机器学习算法基本原理
2.4.2 多模型算法举例:Boosting
2.4.3 多模型算法举例:Random Forest
2.4.4 算法评估指标简介
3.以大数据为中心 的常见互联网应用 的数据挖掘实战 3.1 互联网应用的分类 3.2 浏览型应用中的大数据应用实例
3.2.1 全局唯一用户识别 GUID
3.2.2 用户及业务画像
3.3.3 用户流失分析与预测
4.学员问题解答 4.学员问题解答
1.“大数据+”
1.1 引言:大数据概述
1.1.1 奥斯卡 6 项大奖电影“点球成金”揭示了什么? 大数据解决的问题是什么? 1.1.2 全球著名的咨询服务公司 Gartner 怎么看大数据?

1.1.3 大数据本质特征概述
1.1.4 大数据能解决什么问题?
1.2 大数据的技术面
1.3 大数据驱动商业模式创新
1.3.1 “互联网+”驱动新的商业模式创新
1.3.2 “大数据+”驱动新的商业模式创新
1.3.3 成功“大数据+”企业战略实施案例
1.3.4 大数据企业战略和项目实施方法总结和禁忌点
1.4 大数据团队建设
1.4.1 大数据公司(部门)的都在做什么?
1.4.2 大数据团队组成
1.5 “大数据+”行业应用案例分享
1.5.1 大数据在企业生产、物流、营销、销售、售后、企 业外部环境分析等环节的作用
1.5.2 互联网案例分享
1.5.3 传统企业案例分享
1.6 总结
2.以大数据为基 础,AI 为核心精准 营销变革
2.1 精准营销概述
2.1.1 一对一精准营销的发展历程
2.1.2 精准营销的三种海量数据
2.1.3 精准营销分析的三个典型方向
2.1.4 精准营销的案例
2.1.5 营销客户分析模型框架总结
2.2 计算广告简介
2.2.1 传统广告与计算广告
2.2.2 计算广告售卖方式与基本形式
2.2.3 计算广告基本原理与算法模型
2.2.4 计算广告其他
2.3 精准营销 AI 实践:CTR 预估
2.3.1 问题定义
2.3.2 算法流程
2.3.3 特征选择与模型选择
2.4 常用机器学习算法简介
2.4.1 机器学习算法基本原理
2.4.2 多模型算法举例:Boosting
2.4.3 多模型算法举例:Random Forest
2.4.4 算法评估指标简介
3.以大数据为中心 的常见互联网应用 的数据挖掘实战
3.1 互联网应用的分类 3.2 浏览型应用中的大数据应用实例
3.2.1 全局唯一用户识别 GUID
3.2.2 用户及业务画像
3.3.3 用户流失分析与预测
4.学员问题解答
4.学员问题解答
提交需求