「データマイニングの思考と実践」は、データの隠れた価値を探り、価値の高い知識の枠組みを構築します。

研修コースの内容:
このコースは、データマイニングの考え方を構築するという観点から始まり、データマイニングについて詳しく説明します。コースは 3 つのパートに分かれています。
パート1：基礎知識の準備。 データマイニングの全体的な理解を構築し、コースに関係する可能性のある基本的な知識（必要な Python 言語の知識や Python 環境の構築方法など）を学習し、基本的な知識を強化して、すぐにその状態に到達できるようにします。

パート 2: データ マイニング プロセス。 魚を与えるよりも、魚の釣り方を教える方がよい。このセクションの焦点は、精神的にも行動的にも十分な準備を整え、データ マイニング メソッドの実装プロセスを十分かつ慎重に理解できるようにすることです。理論から実践まで、データマイニングという用語が段階的にどのように具体的になるかを理解します。
パート III: アルゴリズムの詳細な説明。 これには、データマイニングの 4 つの主要な問題 (分類、クラスタリング、回帰、関連分析) と、自然言語処理に関する知識が必要です。コア アルゴリズムの概念、利点と欠点、およびアプリケーション シナリオの紹介に重点を置いており、すぐにアプリケーションを開始できます。各モジュールの最後のレッスンでは、実際のケースを通じて実用的な処理スキルを習得できます。
イースターエッグ: コラムの最後に、データマイニング用のオープンソースツールと学習リソースが提供されます。コードを書けない場合は、これらのツールを使用して最初にデータマイニングを実行することもできます。データマイニングについてさらに深く学び、理解したい場合は、これらのリソースも役立ちます。
「データ マイニングの考え方と実践」では、データの隠れた価値を探り、価値の高い知識フレームワークを構築します。コース コンテンツ ディレクトリ:
冒頭の言葉 データマイニングをマスターして画期的なデジタルトレインに乗りましょう モジュール1: データマイニングの基礎知識
01 データマイニングはどのような問題を解決しますか?
02 Pythonのデータ構造と基本構文
03 仕事をうまくやり遂げたいなら、まずはツールを磨かなければなりません。拡張パッケージとPython環境モジュール2: データマイニングワークフロー
04 ビジネスとデータを理解する: どのような計画を立てる必要があるか?
05 データ準備: 完全かつクリーンなデータをどのように処理するか?
06 データ モデリング: ニーズに合ったアルゴリズムを選択するにはどうすればよいですか?
07 モデル評価: モデルが基準を満たしていることをどのように確認するか?
08 モデルの適用: モデルはビジネス ニーズを解決できますか?
モジュール 3: 分類問題
09 KNNアルゴリズム: 赤い人の周りにいると人はより赤くなり、黒い人の周りにいると人はより黒くなります
10 の決定木: 女神が使うデートの決断
11 ナイーブベイズ: 遅延保険を購入すべきかどうかを計算する
12 サポートベクターマシン（SVM）：線で赤豆と緑豆を分ける
13 人工ニューラルネットワーク: ディープラーニングの最もホットな基盤
14 練習1: XGBを使用してホテル情報の曖昧さ解消を実装するモジュール4: クラスタリング問題
15 k-means クラスタリング: 最初にリーダーをキャプチャし、中心点を見つけます。近くにあるすべてのポイントは同じタイプになります。
16 DBScanクラスタリング: 形状制限を破り、密度クラスタリングを使用する
17 練習2: word2vecとk-meansクラスタリングを使用して類似都市を見つける方法 モジュール5: 回帰問題
18 線形回帰とロジスティック回帰: データに適合する関数を見つける
19 練習3: 線形回帰を用いた住宅価格の予測 モジュール6: 相関分析
20 アプリオリとFP-Growth: ビールとおむつの物語は再び語られるべき
21 練習4: 関連性分析を使用してアトラクションとゲームプレイの関係を見つけるモジュール7: 自然言語処理
22 TF-IDF: シンプルで古いが便利なキーワード抽出手法
23 word2vec: 単語に論理演算を実行させる、女性 + 王冠 = 女王
24 練習5: fastTextを使ってニューステキストを分類する 上級データマイニングエンジニアになる方法 結論 データマイニングの考え方を養い、生涯にわたって学び続ける