近年來，存儲設備的單位成本以驚人的速度下降，我們可以輕而易舉地積累起大量的數(shù)據(jù)。電信 運營商，可以記錄用戶通話、短消息、無線上網(wǎng)產(chǎn)生的每一條信令，省級運營商一小時寫入存儲設備的數(shù)據(jù)量可以達到幾百G。
電子商務網(wǎng)站，可以記錄用戶的每一 次交易，甚至每一次點擊，可以復原用戶的完整訪問路徑找出用戶的興趣點。城市監(jiān)控體系，在各個重要路口，高速公路上的攝像頭，每秒鐘都在產(chǎn)生海量的視頻數(shù) 據(jù)。在生命科學領(lǐng)域，對人體的DNA分析，一個個體就能產(chǎn)生幾個G數(shù)據(jù)，可以想象如果一個生物信息數(shù)據(jù)庫里包含了成千萬的個體數(shù)據(jù)，信息量將會是怎樣一個 規(guī)模，如此等等，不勝枚舉。我們毫無疑問，正處于一個信息迸發(fā)的時代。
不幸的是，我們得到的這些數(shù)據(jù)中的絕大部分，在它的生命周期里基本上都被閑置著，從來沒有考慮過產(chǎn)生任何的價值，的用途就是“保存?zhèn)洳椤薄?/p>
盡管“啤酒與尿布”的故事，已經(jīng)寫入教科書有10多年了，幾乎每一個接受過專業(yè)教育的同仁都知道數(shù)據(jù)挖掘能產(chǎn)生的價值，但是直到今天，我們對數(shù)據(jù)的處理依然很低。造成這種情況的原因有很多。
其中之一是，在各公司里保管數(shù)據(jù)的大多是IT人員，他們通常都缺乏必要的數(shù)學素質(zhì)和知識基礎(chǔ)去進行建模和深入的分析工作，即使是業(yè)務人員也鮮有對數(shù)據(jù)有深入認識者。
我們推出大數(shù)據(jù)系列(包括Hadoop，NoSQL，Mahout等)和數(shù)據(jù)分析系列(包括R，SAS等)課程后，觀察學員(特別是IT工作者和業(yè)務人員)的學習狀況，發(fā)現(xiàn)他們中的大多數(shù)嚴重缺乏進一步挖掘數(shù)據(jù)價值所需的數(shù)學素養(yǎng)。
本門課程的目標，正是要打破這種鴻溝，為大家鞏固基礎(chǔ)，為進一步在數(shù)據(jù)領(lǐng)域前進提供更強動力。統(tǒng)計學，被譽為是數(shù)據(jù)金字塔的“基礎(chǔ)之基礎(chǔ)”，統(tǒng)計學知識扎實，無論學習R，SAS，機器學習，數(shù)據(jù)挖掘，大數(shù)據(jù)分析等領(lǐng)域知識都會得心應手，省去回頭補課的麻煩。
課程內(nèi)容：
第1課 面向小白的統(tǒng)計學：描述性統(tǒng)計(均值，中位數(shù)，眾數(shù)，方差，標準差，與常見的統(tǒng)計圖表)
第2課 賭博設計：概率的基本概念，古典概型
第3課 每人腦袋里有個貝葉斯：條件概率與貝葉斯公式，獨立性
第4課 啊!微積分：隨機變量及其分布(二項分布，均勻分布，正態(tài)分布)
第5課 萬事皆由分布掌握：多維隨機變量及其分布
第6課 磚家的統(tǒng)計學：隨機變量的期望，方差與協(xié)方差
第7課 上帝之手，統(tǒng)計學的哲學基礎(chǔ)：大數(shù)定律、中心極限定理與抽樣分布
第8課 點數(shù)成金，從抽樣推測規(guī)律之一：參數(shù)估計之點估計
第9課 點數(shù)成金，從抽樣推測規(guī)律之二：參數(shù)估計之區(qū)間估計
第10課 對或錯?告別拍腦袋決策：基于正態(tài)總體的假設檢驗
第11課 扔掉正態(tài)分布：秩和檢驗
第12課 預測未來的技術(shù)：回歸分析
第13課 抓住表象背后那只手：方差分析
第14課 沿著時間軸前進，預測電子商務業(yè)績：時間序列分析簡介
第15課 PageRank的背后：隨機過程與馬爾科夫鏈簡介
授課對象： 這是一門數(shù)學課程，適合有志于轉(zhuǎn)往大數(shù)據(jù)分析領(lǐng)域的非數(shù)學專業(yè)人士(例如IT人，業(yè)務人員等)補強數(shù)學基礎(chǔ)，以更好地學習更高級的數(shù)據(jù)分析，數(shù)據(jù)挖掘，機器學習課程
收獲預期： 可以大幅度提高學員的數(shù)學基礎(chǔ)，使其學習其它大數(shù)據(jù)分析課程時覺得更加簡單，得心應手
滬ICP備18048269號-1 
電子營業(yè)執(zhí)照
教育
全國教育網(wǎng)站
企業(yè)信用等級AA級