综合教程技术培训课程简介
《数据挖掘思维与实战》发掘数据隐藏价值，构建高薪知识架构
本套课程从构建数据挖掘思维的角度出发，为你详解数据挖掘，具体分为三大部分：
第一部分：
基础知识准备。 你建立对数据挖掘的全局认知，学习课程中可能会涉及的一些基础知识（包括必备的 Python 语言知识，以及如何搭建 Python 环境），夯实基础知识，帮你快速进入状态。
第二部分：
数据挖掘过程。 授人以鱼不如授人以渔，这个部分的重点是让你能够在思想和行为上都做足准备，全面细致地了解数挖掘方法的实施过程。从理论到实战搞懂“数据挖掘”这个词是如何一步步变具体的。
第三部分：
算法详解。 涉及数据挖掘的分类、聚类、回归、关联分析这四大问题，以及自然语言处理的部分知识。着重介绍核心算法的理念、优缺点、应用场景，让你能够快速上手应用。每个模块的最后一个课时，都会通过实践案例，让你掌握实战处理技巧。
彩蛋： 专栏的最后会提供数据挖掘的开源工具和学习资源： 如果你不会写代码，也可以先使用这些工具来进行数据挖掘；如果你希望在数据挖掘方面有更加深入的学习和理解，那么这些资源也会帮到你。
课程内容目录：
开篇词 掌握数据挖掘，搭上划时代的数字化列车
模块一：数据挖掘基础知识
01 数据挖掘，到底在解决什么问题？
02 Python的数据结构和基本语法
03 工欲善其事必先利其器，扩展包与Python环境
模块二：数据挖掘工作流程
04 理解业务和数据：我们需要做好什么计划？
05 准备数据：如何处理出完整、干净的数据？
06 数据建模：该如何选择一个适合我需求的算法？
07 模型评估：如何确认我们的模型已经达标？
08 模型应用：我们的模型是否可以解决业务需求？
模块三：分类问题
09 KNN算法：近朱者赤，近墨者黑
10 决策树：女神使用的约会决策
11 朴素贝叶斯：算一算你是否要买延误险
12 支持向量机（SVM）：用一条线分开红豆与绿豆
13 人工神经网络：当前最火热的深度学习基础
14 实践1：使用XGB实现酒店信息消歧
模块四：聚类问题
15 k-means聚类：擒贼先擒王，找到中心点，它附近的都是一类
16 DBScan聚类：打破形状的限制，使用密度聚类
17 实践2：如何使用word2vec和k-means聚类寻找相似的城市
模块五：回归问题
18 线性回归与逻辑回归:找到一个函数去拟合数据
19 实践3：使用线性回归预测房价
模块六：关联分析
20 Apriori与FP-Growth：不得不再说一遍啤酒与尿布的故事
21 实践4：用关联分析找到景点与玩法的关系
模块七：自然语言处理
22 TF-IDF：一种简单、古老，但有用的关键词提取技术
23 word2vec：让文字可以进行逻辑运算，女人+王冠=女王
24 实践5：使用fastText进行新闻文本分类
彩蛋 数据挖掘工程师如何进阶
结语 培养数据挖掘思维，终身学习
