数据挖掘算法落地实践
2017年6月24日
大数据
纪达麒
达观数据首席数据官（CTO）
达观数据首席数据官（CTO），研发团队总负责人。拥有10年技术团队管理经验，擅长数据挖掘以及实时服务系统架构设计工作。纪达麒曾经担任腾讯文学数据中心高级研究员、盛大文学技术总监，搜狗广告系统高级研发工程师，百度工程师等职务，在中国一线互联网公司中承担个性化推荐系统、在线广告系统等核心技术研发工作。多次承担公司重大紧急项目的架构设计和研发管理工作，所开发的个性化推荐系统曾创造了上线后效果提升300%的记录，所带领的数据挖掘团队获得过盛大集团最佳团队奖荣誉。,
  • 分享简介
    数据挖掘技术近几年在各个行业得到不断广泛的应用,如何应用好数据挖掘技术成为各个企业的重要问题。深入讲解数据挖掘技术在个性化推荐系统和分类系统中的实践应用，通过具体场景阐述数据挖掘的核心技术，应用方法以及应用过程中可能碰到的各种问题，帮助听众更全面的掌握相关技能。
  • 分享提纲

    1. 数据挖掘算法实现的基本过程
    2. 推荐算法落地实践
    2.1 推荐系统简介
    2.1.1 推荐系统运用场景
    2.1.2 推荐系统主要设计目标
    2.1.3 推荐系统开发的常见问题
    2.2 从零开始，开发推荐系统的思路和方法
    2.2.1 排行榜算法
    2.2.2 基于内容的推荐算法
    2.2.3 协同过滤推荐算法

    2.2.4 隐语义推荐算法
    2.3 提升推荐系统的关键技术
    2.3.1 三层系统架构
    2.3.2 数据处理
    2.3.3 隐式反馈
    2.3.4 时间的作用
    2.3.5 量化的评估系统
    3. 文本分类算法落地实践
    3.1 文本分类算法的运用场景
    3.2 基于词典文本分类方法
    3.2.1 基于词典的文本分类方法
    3.2.2 基于词典分类方法的问题
    3.3 传统机器学习方法
    3.3.1 传统机器学习方法流程图
    3.3.2 文本特征提取技术
    3.3.3 特征向量权重计算方法
    3.3.4 常用的分类方法
    3.3.5 传统机器学习方法的问题
    3.4 深度学习技术
    3.4.1 深度学习技术优势
    3.4.2 CNN模型
    3.4.3 深度学习的问题
    3.5 多模型融合算法技术
    3.5.1 融合的意义
    3.5.2 常见的融合方法
    4. 数据挖掘技术未来展望

  • 分享收益
    更全面的掌握相关技能
热门推荐