数据仓库与数据挖掘

数据仓库与数据挖掘概述和认识数据 🍐

1. 数据仓库
2. 数据挖掘
3. Anaconda平台 ✏️ ❤️
4. Jupyter Notebook ✏️ ❤️
5. 认识数据
6. 数据可视化
7. 数据对象的相似性度量

上课地点：至真楼409（1,2）

数据预处理1 🍐

1. 数据预处理概述
2. 数据清理 🍐
3. 数据清洗实操 🍐 ❤️ ✏️
4. 数据清洗之异常检测实操 ✏️ 🍐
5. 数据集成 🍐❤️ ✏️
6. 数据标准化 🍐❤️ ✏️

上课地点：至真楼409（1,2）

数据预处理2 🍐

1. 数据归约 ✏️🍐
2. 数据变换与数据离散化概要 🍐
   • 数据变换之规范化
   • 数据变换之哑变量
   • 数据变换之离散化

数据仓库、ETL、OLAP技术1 🍐

• 一步讲解完怎样创建数据仓库
• 数据仓库概要
• 多维数据模型和OLAP
• 数据仓库的发展
• 数据仓库的设计

数据仓库、ETL、OLAP技术2 🍐

1. Hadoop的生态结构
2. 虚拟机和Docker以及Docker Compose安装
3. 安装Hadoop和Hive并测试
4. 基于Hive的数据仓库实现实操

回归分析 🍐

1. 回归分析概述
2. 线性回归
   2.1 线性回归概述
   2.2 线性回归实战准备
3. 逻辑回归
4. 其他回归方式
   1. 多项式回归
   2. 岭回归
   3. Lasso 回归
   4. 弹性网络回归

关联规则 🍐

1. 关联规则分析概述
2. 频繁项集挖掘方法
3. 提高Apriori算法效率
4. 垂直数据格式挖掘频繁项集-Eclat
5. 关联模式评估
6. 实操- Apriori算法应用

分类 🍐

1. 分类概述
2. 分类决策树归纳
3. ID3算法
4. C4.5算法
5. CART算法
6. KNN算法
7. 支持向量机
8. 朴素贝叶斯分类
9. 模型评估和选择
10. 模型组合分类

聚类 🍐

1. 聚类分析概述
2. K-Means聚类算法
3. 层级聚类
4. 基于密度的聚类
5. 其他聚类方法

深度学习和离群点检测 🍐

1. 神经网络与深度学习
2. CNN和RNN
3. 离群点检测

复习和测试 🍐

数据挖掘实战 🍐

👉 剩下章节，敬请期待！👈