課程特色/目標
主要透過大數據之分析，提供眾多資料採掘分析演算法，包含羅吉斯回歸、SVM、貝氏網路、決策數、類神經、群集、模式測試、自然語意分析來做大數據採掘。本課程將運用PolyAnalyst視覺化資料採礦工具，協助利用現有的資料庫及各類資料來源，透過分析在大量資料中有效地找出隱藏其內的行為模式或彼此的關聯性，建立預測未來模型，以達到快速掌握趨勢，提升整體競爭力。另外，透過分析能讓大量的資料作更有效率的運用，淬煉出有用資訊和獲得其潛在的情報及知識，如此才能提供更充足的決策情報，課程案例針對業界需求設計實作，提昇企業競爭力。
課程對象
1. 具備大專以上等相關背景之相關工程師
2. 有興趣之學員
註:此為上機課程，請學員務必自備正常size的NoteBook。
備配需求：RAM至少4G，4G以上最佳，硬碟至少40G，建議具有獨立顯卡。
作業系統：Windows 7以上。
講師簡介
黃老師
n經 歷：科技業-軟體系統處技術部經理
n專 長：機器人模擬、布置規劃、系統模擬建模、系統分析、決策分析、資料採礦、系統模擬專案導入、類神經網路、人因工程、認知心理學、人機介面研究應用
| 課程大綱 |
課程內容 |
| 第一天 |
| 前言 |
n 大數據分析現況 |
| n 大數據的分析優勢 |
| n 何謂小數據分析? |
| n 大數據與小數據差異 |
| 大數據之分析工具介紹 |
n 大數據之分析工具簡介 |
| 機械學習演算法選定 |
n 分類演算法應用 |
| n 函數逼近演算法應用 |
| n 分群演算法應用 |
| n 關聯演算法運用 |
| n 時間預測演算法運用 |
| 機械學習演算法介紹與案例操作 |
n Cluster分群演算法 |
| n 羅吉斯分類演算法 |
| n 決策樹分類規則演算法 |
| n 類神經演算法應用 |
| n 逐步回歸演算法 |
| n 時間序列預測 |
| n 購物籃演算法 |
| n 關聯演算法 |
| n SVM支持向量機演算法介紹 |
| n 貝式網路應用 |
| n R語言的結合 |
| 第二天 |
| 中文文本分析應用介紹 |
n 為何需要中文文本分析? |
| n 文本分析的重要性? |
| n 中文大數據文本分析應用於維護紀錄介紹 |
| 文本分析之範例操作 |
n RSS新聞資料載入功能 |
| n PDF資料載入 |
| n CSV、Execl、Access、Map source與GIS節點設定說明 |
| 新聞文本數據分析案例介紹 |
n RSS文字資料前處理與規則訂定 |
| n 關鍵字篩選與詞雲分析 |
| n 詞彙關聯分析 |
| n 自動文字分類 |
| n 客製化字典建立 |
| 文本數據分析案例實作 |
n 文本數據分析案例建模 |
| n 文詞歸類規則建立 |
| n 實際案例與Q&A |
| n 學員個別案例討論 |
結訓與認證
發予結業證書
線上報名
