工作坊 | 大数据智能分析和挖掘在互联网中的应用实战案例

大数据分析和挖掘在互联网公司中已经得到实质性的推进和应用，典型的应用场景包括搜索引擎的搜索结果和搜索广告排序、电商网站的商品推荐和虚假信息检测、电子邮件服务中垃圾邮件检测、互联网安全公司的病毒和木马检测、视频和新闻分享网站中视频和新闻推荐、互联网金融服务中的用户信誉评估等。

特别是，社交网络的火爆可以看成是促使大数据技术迅猛发展的直接驱动原因。社交网络的数据呈现大规模、异构、网状相连的特征，为大数据挖掘提供了更复杂、更有挑战的案例。在社交网络中，大数据挖掘的应用更是覆盖了 70% 左右的场景。经典的使用场景诸如好友新鲜事(tweets)智能排序、好友推荐、好友搜索、社交广告等。

当前，本地生活服务、O2O、互联网金融、企业级服务等的火爆，更是大数据的用武之地，成为助推业务发展最有效的技术利器和产品设计及运营的思维。

大数据受到广泛认可，究其原因，主要是如果大数据相关技术得到较好的使用，会带来从服务的访问量到收入变现能力等关键数据指标的实质提升。以讲师亲身项目经验为例：一个新的好友推荐算法的上线可能带来 80%以上的 “关注量”或者“加好友申请量”的提高;对手机通讯录匹配算法的优化升级，可使手机号对应的社交网络的用户帐号匹配量增加 55%以上；社交广告中用户定向和广告排序算法的引入，可使广告收入暴涨 100% 以上。又如，用户社交圈智能划分算法的上线，使很多用户的三四百个好友被自动合理分到合适的社交圈中，免去他们手动逐个操作的麻烦，提升了用户体验，他们评价 “真心觉得做到了我的心里”、“给数据挖掘跪了”。

为了帮助程序员更好掌握大数据分析和挖掘技能，我们邀请了Dataware创始人，原 58 同城数据智能部总监，英国帝国理工数据挖掘博士风清扬老师在北京开设了《大数据智能分析和挖掘在互联网中的应用实战案例》工作坊课程，帮助学员提升研发技能。

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。

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。

1. 理解大数据基本概念；

2. 理解大数据帮助企业进行商业模式创新的方法和思维；

3. 理解大数据团队构成和组织架构；

4. 理解大数据产品设计思维；

5. 理解大数据基础技术架构；

6. 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；

7. 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；

8. 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；

9. 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；

10. 掌握如何搭建一个实用的推荐引擎的方法；

11. 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；

12. 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。

• 大数据解决的问题是什么

• 大数据公司 (部门) 的都在做什么

• 如何建立自己的大数据能力

• 数据挖掘过程与挖掘工具 Weka 使用实践

• 数据挖掘模型评估方法

• 数据挖掘的模型评估指标

• 工业界应用举例

• 分类挖掘原理探索: 经典的单模型方法

• 分类学习根源问题的更好解决方案: 多模型方法

• 多模型重要算法汇总

• 如何研发一个新的数据挖掘算法: 案例讲解

• 推荐引擎解决的问题

• 推荐系统历史

• 通用推荐引擎基础架构

• 社会化推荐引擎

• 社会化推荐引擎算法案例讲解

• 社交图谱挖掘介绍

• 社交图谱挖掘案例讲解: 好友亲密度模型

• 社交图谱挖掘案例讲解: 好友自动分组

• 互联网应用的分类

• 浏览型应用中的大数据应用实例

• 金融支付保险应用中的大数据应用实例

开课时间：2017 年 3 月 17-18 日

上课时间：9:00-12:00 ; 13:30-16:30

学习环境：线下工作坊

课程周期：2 天

开课地点：北京

课程费用：5600 元 / 人（多人报名有优惠）

戳 「 阅读原文 」了解课程详细大纲。