From Data to Decision with Big Data and Predictive Analytics

了解传统的数据管理和分析方法，如SQL、数据仓库、商业智能、OLAP等。了解基本统计和概率（均值、方差、概率、条件概率等......

听众

如果您试图理解您可以访问或想要分析网络上可用的非结构化数据（如Twitter，链接等等），那么本课程适合您。

它主要针对需要选择哪些数据值得收集以及值得分析的决策者和人员。

它不是针对人们配置解决方案，但这些人将从大局中受益。

交货方式

在课程期间，代表们将获得大多数开源技术的工作示例。

讲座后将进行简短的讲座，参加者将进行简单的练习

使用的内容和软件

每次运行课程时都会更新所有使用的软件，因此我们会检查最新版本。

它涵盖了从获取，格式化，处理和分析数据的过程，以解释如何使用机器学习自动化决策制定过程。

快速概览

• 数据源
• 注意数据
• 推荐系统
• 目标 Marketing

数据类型

• 结构化与非结构化
• 静态与流式
• 态度、行为和人口统计数据
• 数据驱动型分析与用户驱动型分析
• 数据有效性
• 数据量、速度和种类

模型

• 建筑模型
• 统计模型
• 机器学习

数据分类

• 聚类
• kGroups， k-means， 最近邻
• 蚁群，鸟类成群结队

预测模型

• 决策树
• 支持向量机
• 朴素贝叶斯分类
• 神经网络
• 马尔可夫模型
• 回归
• 集成方法

王

• 效益/成本比
• 软件成本
• 开发成本
• 潜在优势

构建模型

• 数据准备 （MapReduce）
• 数据清理
• 选择方法
• 开发模型
• 测试模型
• 模型评估
• 模型部署和集成

开源和商业软件概述

• 选择 R-project 包
• Python 库
• Hadoop 和 Mahout
• 与大数据和分析相关的 Apache 项目
• 精选商业解决方案
• 与现有软件和数据源集成