课程描述

 介绍数据挖掘方法论以及CRISP-DM的6个步骤

 培训对象

 战略规划部、市场研究部、数据分析部等相关研究人员

 必要技能

 统计方法基础知识、数据挖掘基本原理

 培训内容

 统计分析方法与数据挖掘基本原理

 第一讲

 如何从掌握统计方法到掌握数据挖掘

 与传统的统计分析方法相比而言：

 什么是数据挖掘？

 数据挖掘能做什么？

 数据挖掘在协助企业业务的分类、预测、聚类和模型可视化方面的特点；

 数据挖掘在其他商业领域的应用，如完善客户关系管理、赢得市场营销战役；

 如何从掌握统计分析方法到掌握数据挖掘？

 第二讲

 数据挖掘基本原理和实践操作方法论

 数据挖掘的基本原理

 数据挖掘实践中所要求的数据结构、衍生变量和数据转换

 数据挖掘的模型建构方法、模型的评估、模型的检验和修订

 目前主流的数据挖掘工具软件比较

 如何在实践操作中运用CRISP-DM数据挖掘程序

 如何从商业角度和数据角度了解数据挖掘解决问题的类型和思路

 CRISP-DM的6个步骤以及每个步骤应该完成的工作和产生的结果

 培训对象

 客户企业所指派的Modeler实际使用人员

 涉及产品

 Modeler

 培训内容

 Modeler软件操作基础培训

 Modeler的数据处理技术

 第一讲

 操作概述

 基础界面介绍：

 Modeler 14.2所包含的功能模块

 与Modeler先前版本的比较

 基础操作之数据准备

 读取数据文件

 数据质量评估

 数据处理

 寻找数据中的关系

 第二讲

 建模概述

 Modeler中所包含的数据建模概述

 神经网络技术建模

 决策树技术建模

 模型比较与模型合并

 Kohonen神经网络

 关联规则

 时序发现

 模型的发布

 第三讲

 数据处理技术

 合并多个数据源数据

 抽取样本，选择和缓存数据

 处理缺失数据

 处理日期

 处理时序数据

 文件操作

 数据聚合

 附录: 通过ODBC读取数据

 附录: Modeler的数据库连接

 课程描述

 介绍Modeler的建模技术以及Meta Modeling技术

 培训对象

 完成第二、三课学习的学员

 必要技能

 第二、三课学习的技能

 培训内容

 利用神经网络完成分群（Neural networks for classification）

 高级规则归纳（Advanced rule induction）

 聚类技术（clustering）

 高级关联规则（Advanced association rules）

 线性回归（Linear Regression）

 逻辑回归（Logistic Regression）

 浓缩数据：基本组件（Data Reduction: Principal Components）

 从模型中获取数据(meta models, error modeling)