1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
        2、課程完成后,授課老師留給學員手機和Email,保障培訓效果,免費提供半年的技術支持。
        3、培訓合格學員可享受免費推薦就業機會。

數據挖掘與機器學習落地實踐培訓大綱

一、大數據分析挖掘技術介紹
1、map/reduce
2、mahout數據挖掘
3、sql on hadoop
4、spark生態體系
5、R語言
6、MPI并行計算
7、GPU并行計算（深度學習）
8、java并行計算框架
二、常用機器學習算法原理 1、決策樹
2、隨機森林
3、協同過濾推薦算法(余弦相似、修正余弦)
4、Jaccard算法
5、樸素貝葉斯算法
6、k-means聚類算法
7、pagerank算法
8、邏輯回歸
9、圖計算
三、大數據挖掘業務場景和生產平臺 1、互聯網金融業務—如何構建阿里金融系統
2、銀行客戶需求業務
3、大數據分析生產平臺
4、推薦/廣告系統的原理、架構、模型、驗證等。
5、基于GBDT的組合模型架構
四、編程實踐（動手） 1、迭代類機器學習編程入門-求圓周率
2、pagerank的并行化實現（*）
3、邏輯回歸算法的java實現
4、決策樹c45,id3的java實現
5、隨機森林和全樹并行化實現
6、訓練數據和結果模擬器
7、模型結果規則化處理
8、協同過濾java實現
9、基于圖計算的推薦java實現

五、神經網絡及深度學習 1、什么是神經網絡算法
2、多層神經網絡程序如何實現（java程序）
3、神經網絡數學原理（誤差函數、梯度下降求小值、更新權重和截距）
4、推導需要的小化數學知識（導數和偏導數、導數運算、梯度下降原理）
5、數學推導過程
6、什么是深度學習
7、深度學習的計算過程
8、深度學習如何訓練
9、深度學習和神經網絡的關系是什么
10、圖像識別原理