第一天
上午

大数据概述

1. 大数据基本概念与技术沿革，及其在AI、语音识别、图像识别/视频理解、自然语言处理等领域的应用，同时展示在政府、金融、石油、教育、交通、医疗等行业的成功案例。

2. Hadoop大数据平台的生态系统组件与架构，以及工作原理；介绍HDFS与Hadoop MapReduce的系统架构、核心功能模块、工作原理及应用开发。

3. 大数据的结构化、半结构化及非结构化数据存储与逻辑模型，以及分析建模工具的常用方法。

第一天
下午

数据挖掘及Mahout

1.十大常用的并行数据挖掘算法、原理、应用场景，以及技术实战；
2.并行数据挖掘平台Mahout的技术架构、核心组件的工作原理以及技术；
3.Mahout应用开发技术；
4.Mahout项目实战。

第二天
上午

R语言精要

本讲以R语言基本内容为核心，涵盖向量、数据框、矩阵运算、缺失值和零值处理，注重R语言构造函数编程解决实际问题。同时，详细介绍常用包如plyr、Zoo、car和作图包ggplot2，为R语言数据挖掘打下扎实基础。内容循序渐进，以实际案例为载体，为学习者提供全面而深入的学习体验。

第二天
下午

Logistic回归与
商业大数据建模

Logistic回归是商业建模常用数据挖掘法。本讲将详述其建模原理、与多元线性模型的区别、R语言实现步骤及回归诊断要点、预测方法和结果解读，确保学员全面掌握Logistic回归在R语言中的应用。

第三天
上午

关联规则和
R语言实现

关联规则（著名的“啤酒和尿布”）是数据挖掘的基础和核心技术之一，本讲将着重围绕经典的Apriori算法和eclat算法，阐明关联规则的支持、置信和提升程度与控制，使用R语言快速完成关联规则分析。

第三天
下午

决策树（回归树）
分析和R语言实现

决策树是数据挖掘的经典方法，其原理容易被理解。本讲主要讲授两种最为普遍的决策树算法：CART和C4.5算法，使用rpart和J48函数进行R语言分析。

第四天
上午

机器集成学习的
Bagging和AdaBoost算法

这两种方法将许多分类器的预测结果进行汇总分析，从而达到显著提升分类效果。本讲介绍这2种算法的思想，在R语言中构造训练集和测试集进一步进行分析。

第四天
下午

R语言随机森林
（RandomForest）算法

在机器学习中，随机森林是一个包含多个决策树的分类器，本讲讲清随机森林方法的原理，以致在实际中帮助学员判断适合进行随机森林分析的情况，最终熟练掌握R语言随机森林分析的方法。

第五天
上午

支持向量机和
R语言的实现

本讲将分析支持向量机的结构风险最小原理、间隔和核函数，从而帮助学员深刻理解支持向量机的思想和算法，以及使用中注意的问题，从而帮助学员灵活地应用于各个领域。

第五天
下午

神经网络和
R语言的实现

神经网络由大量的节点和输出函数构成逻辑策略，本讲介绍其原理，主要通过案例的方式讲解R语言实现神经网络算法的过程和注意的事项。

交叉验证比较
各个模型

对于同一个数据，可能有很多模型来拟合，如何衡量和比较模型的精度呢？本讲将介绍交叉验证训练集和测试集的方法来帮助大家在实际中选取最佳模型进行拟合和预测。

使用R语言结合KNN
算法进行文本挖掘

文本挖掘，特别是对中文的文本挖掘日趋重要。本讲介绍文本挖掘的原理和方法，帮助大家使用R语言在大量的非结构化的数据中发现有价值的信息，抽取潜在有用的数据，发现适合模式，实现可视化结果展示。