培训目标：
本课程结束后，受培训人员将能熟练使用Modeler软件，能够根据常见的不同种类的数据挖掘研究需要进行方案设计、数据分析、建模和报告的撰写。在培训中将安排一系列讨论会和实际数据练习，以保证学员有足够的实践机会实际操作Modeler软件。
Modeler培训课程内容：
1 统计分析方法与数据挖掘基本原理培训
  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

 
2、 Modeler软件操作基础及数据处理使用培训
  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
 

 
3 Modeler的高级建模

 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)