课程详情

【课程简介】

学习方式：

直播/录播视频学习+在线答疑+每周作业+沙盘演练+毕业考试

共8周课程56课时，每周至少一次直播

直播后提供录制回放视频，在线反复观看，有效期1年

内容介绍：

本课程面向于大学应届毕业生，和希望转型数据科学的攻城狮，程序猿们，学完本课程，您将对整个数据科学的概念和方法有个充分的掌握，也有了足够的技术积累能让您踏入数据科学这个充满魅力的行业。本课程也会指导您怎样准备和参加数据科学的面试，学完本课程，您可以轻轻松松的找到一份知名公司数据科学相关的工作。后续还将会有配套的中级和高级课程。

课程大纲：

第1章：数据科学概念

第1节：身边的数据科学

第2节：数据科学的定义

第3节：本课程的特点

第4节：相关的专题

第2章：关系数据库和关系代数

第1节：数据处理原理

第2节：关系代数

第3节：数据科学中的SQL

第4节：关系数据库的基本原理

第3章：MapReduce

第1节：海量数据的思考

第2节：MapReduce编程模型

第3节：MapReduce中的算法

第4章：NoSQL

第1节：NoSQL解决的问题种类

第2节：Key-Value关键概念

第3节：NoSQL的存储结构

第4节：扩展的NoSQL系统

第5节：Pig简介

第6节：用Pig做分析

第7节：Spark

第5章：图分析

第1节：结构化任务

第2节：遍历型任务

第3节：模式匹配任务和图查询

第4节：递归查询

第5节：图上的表示和算法

第6章：实用统计推断

第1节：统计推断介绍

第2节：采样方法

第3节：实际遇到的问题

第4节：多重假设检验

第5节：贝叶斯方法介绍

第7章：监督学习

第1节：基于规则的学习

第2节：基于树的学习

第3节：模型评估

第4节：增强学习

第5节：K-近邻方法

第8章：化方法

第1节：梯度下降法

第2节：构造损失函数

第3节：算法的考虑

第9章：非监督学习

第1节：聚类

第2节：PCA

第3节：SVD

第10章：文本挖掘

第1节：TF-IDF

第2节：文本生成模型

第3节：主题模型(PLSA，LDA)

第11章：社交网络挖掘

第1节：社交网络的表示

第2节：PageRank

第3节：社交网络分群

第12章：深度学习入门

主讲人：余戈华为数据科学家理学硕士

华为数据挖掘团队Leader，每天10TB+的数据挖掘分析工作。熟知当今用途最广泛的数据挖掘、机器学习和数理统计方法，精通各种数据挖掘平台工具和数理统计包(R，python、Spark等)。