•  課程目標(biāo)

  社交網(wǎng)絡(luò)用戶的數(shù)據(jù)對象、數(shù)據(jù)主題、數(shù)據(jù)類型、數(shù)據(jù)維度和數(shù)據(jù)關(guān)系都十分豐富。面對數(shù)據(jù)應(yīng)用業(yè)務(wù)場景的多樣性，如何滿足業(yè)務(wù)靈活多變的數(shù)據(jù)需求，構(gòu)建用戶畫像大數(shù)據(jù)生態(tài)體系，是當(dāng)前用戶大數(shù)據(jù)提出的解決方案之一。本課題旨在幫助學(xué)員了解各種數(shù)據(jù)挖掘算法的基本原理及其編程實(shí)現(xiàn)方法，以及最新的深度學(xué)習(xí)算法的原理及其Python編程實(shí)現(xiàn)方法等內(nèi)容，實(shí)現(xiàn)用戶畫像的快速、準(zhǔn)確構(gòu)建。本課程班采用“實(shí)際案例講解、動(dòng)手編程實(shí)踐”相結(jié)合的方式進(jìn)行授課。
  

  
  

•  師資團(tuán)隊(duì)

• 華清創(chuàng)客企業(yè)內(nèi)訓(xùn)講師，均是來自各個(gè)領(lǐng)域的資深專家，均擁有6年以上大型項(xiàng)目經(jīng)驗(yàn)。

•  培養(yǎng)對象

  學(xué)員學(xué)習(xí)本課程應(yīng)具備下列基礎(chǔ)知識：
  ①具備Python/Java語言編程的基本知識和初步技能；
  ②了解基本的數(shù)據(jù)挖掘知識；

•  培訓(xùn)方式

第一種：華清創(chuàng)客講師面授
課時(shí)：共4天，每天6學(xué)時(shí)，總計(jì)24學(xué)時(shí)
◆費(fèi)用：3200元
◆外地學(xué)員：代理安排食宿（需提前預(yù)定）

第二種：線上直播授課
直播課時(shí)：共8天，每天3學(xué)時(shí)，總計(jì)24學(xué)時(shí)；
輔導(dǎo)：授課期間，輔導(dǎo)老師每天有1小時(shí)的輔導(dǎo)直播
◆費(fèi)用：3200元

第三種：企業(yè)訂制培訓(xùn)
課時(shí)：根據(jù)定制的大綱確定課時(shí)
費(fèi)用：根據(jù)課程難度，每課時(shí)2000~3500元

• •  質(zhì)量保證

    1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在下期培訓(xùn)班中重聽；

    2、培訓(xùn)結(jié)束后免費(fèi)提供一個(gè)月的技術(shù)支持，充分保證培訓(xùn)后出效果；

    3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會。

  •  課程大綱

    
    

    第一部分 用戶畫像概述      

             1. 用戶畫像的概念

             2. 用戶畫像的用途

             3. 用戶畫像實(shí)戰(zhàn)場景介紹

             4. 用戶畫像構(gòu)建方法

            

    第二部分 基礎(chǔ)工具包介紹 

             1. Python編程入門

             2. Scikit-learn工具包簡介

             3. Weka工具包簡介

             4. 系列案例：常用機(jī)器學(xué)習(xí)方法的Python實(shí)現(xiàn)

             5. 系列案例：基于Scikit-learn的分類模型構(gòu)建

            

    第三部分 數(shù)據(jù)預(yù)處理 

             1. 數(shù)據(jù)預(yù)處理目的

             2. 數(shù)據(jù)預(yù)處理原則

             3. 數(shù)據(jù)預(yù)處理內(nèi)容

             4. 數(shù)據(jù)預(yù)處理方法

             5. 案例實(shí)踐：微博數(shù)據(jù)清洗實(shí)戰(zhàn)

            

    第四部分 特征選擇      

             1. 特征選擇概念

             2. 特征選擇基本步驟

             3. 特征選擇方法

             4. 案例實(shí)踐：微博數(shù)據(jù)特征選擇實(shí)戰(zhàn)

            

    第五部分 用戶畫像體系構(gòu)建      

             1. 基于規(guī)則的特征標(biāo)簽識別技術(shù)

             2. 基于模型的特征標(biāo)簽識別技術(shù)

             3. 基于算法的人物特征標(biāo)簽識別技術(shù)

             4. 用戶畫像構(gòu)建的常用技術(shù)總結(jié)

            

    第六部分 傳統(tǒng)文本分類方法      

             1. 文本分類定義

             1. 詞袋模型

             2. 共現(xiàn)矩陣

             3. TF-IDF

             4. 文本分類的常用方法和主流算法

             5. 文本分分類的評估指標(biāo)

             6. 案例實(shí)踐：樸素貝葉斯分類器實(shí)戰(zhàn)

            

    第七部分 深度學(xué)習(xí)文本分類模型      

             1. TextCNN模型

             2. LSTM模型

             3. RCNN模型

             4. FastText模型

            

    第八部分 用戶畫像案例實(shí)戰(zhàn)      

             1. 微博用戶性別畫像

             2. 搜索用戶畫像構(gòu)建