R語言機器學(xué)習(xí)
R本身是一款十分出色的數(shù)據(jù)分析和數(shù)據(jù)可視化軟件，同時作為代機器學(xué)習(xí)的工具，其中包括大量用于機器學(xué)習(xí)的添加包。此部分帶領(lǐng)大家學(xué)習(xí)R語言更是帶領(lǐng)大家進入機器學(xué)習(xí)的領(lǐng)域，機器學(xué)習(xí)算法為主線的同時，通過案例學(xué)習(xí)將會讓大家對內(nèi)容脈絡(luò)掌握的更加清晰。
1) R語言介紹，基本函數(shù)，數(shù)據(jù)類型
2) 線性回歸
3) 樸素貝葉斯聚類
4) 決策樹分類
5) k均值聚類    a) 離群點檢測
6) 關(guān)聯(lián)規(guī)則探索
7) 神經(jīng)網(wǎng)絡(luò)
Mahout機器學(xué)習(xí)
Mahout提供一些可擴展的機器學(xué)習(xí)領(lǐng)域經(jīng)典算法的實現(xiàn)，很多公司會使用Mahout方便快捷地創(chuàng)建智能應(yīng)用程序。Mahout包含許多實現(xiàn)，包括聚類、分類、推薦過濾、頻繁子項挖掘。Mahout通過使用 Apache Hadoop，可以有效地擴展到云中。被業(yè)界奉為第二代機器學(xué)習(xí)工具。此部分過后大家不僅會學(xué)習(xí)到mahout的組件而且會有項目讓大家真正把它應(yīng)用到工作中。
1) 介紹為什么使用它,它的前景
a) 簡單介紹Mahout     b) 簡單介紹機器學(xué)習(xí)     c) 實例演示Mahout單機推薦程序
2) 配置安裝（hadoop2.x版本的）編譯安裝步驟說明
a) 命令行中測試運行協(xié)同過濾概念
3) 推薦
a) 講解基于用戶的協(xié)同過濾     b) 講解基于物品的協(xié)同過濾
4) 分類
a) 分類概念     b) 分類的應(yīng)用及Mahout分類優(yōu)勢     c) 分類和聚類、推薦的區(qū)別     d) 分類工作原理
e) 分類中概念術(shù)語     f) 分類項目工作流     g) 如何定義預(yù)測變量     h) 線性分類器的介紹，及貝葉斯分類器
i) 決策樹分類器的介紹，及隨機森林分類器     j) 如何使用貝葉斯分類器和隨機森林分類器的代碼展示
5) 聚類
a) 聚類概念     b) 聚類步驟流程     c) 聚類中的距離測度     d) 講解K-means聚類     e) K-means聚類算法展示
f) 聚類其他算法     g) 介紹TF-IDF     h) 歸一化     i) 微博聚類案例
項目實戰(zhàn)
微博營銷數(shù)據(jù)挖掘項目 使用數(shù)據(jù)來自微博平臺，項目目標通過機器學(xué)習(xí)所學(xué)知識挖掘目標客戶群體，找到代言人進行微博營銷廣告投放。
項目技術(shù)架構(gòu)體系：
a) 分布式平臺 Hadoop，MapReduce
b) 數(shù)據(jù)采集 Flume
c) 數(shù)據(jù)清洗 ETL
d) 數(shù)據(jù)庫 Hbase，Redis
e) 機器學(xué)習(xí) Mahout