各有關(guān)單位：
中國科學(xué)院計算技術(shù)研究所是國家專門的計算技術(shù)研究機構(gòu)，同時也是中國信息化建設(shè)的重要支撐單位，中科院計算所培訓(xùn)中心是致力于高端IT類人才培養(yǎng)及企業(yè)內(nèi)訓(xùn)的專業(yè)培訓(xùn)機構(gòu)。中心憑借科學(xué)院的強大師資力量，在總結(jié)多年大型軟件開發(fā)和組織經(jīng)驗的基礎(chǔ)上，自主研發(fā)出一整套課程體系，其目的是希望能夠切實幫助中國軟件企業(yè)培養(yǎng)高級軟件技術(shù)人才，提升整體研發(fā)能力，迄今為止已先后為國家培養(yǎng)了數(shù)萬名計算機專業(yè)人員，并先后為數(shù)千家大型國內(nèi)外企業(yè)進(jìn)行過專門的定制培訓(xùn)服務(wù)。
隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，我們已經(jīng)切實地迎來了一個大數(shù)據(jù)的時代。如何對海量數(shù)據(jù)進(jìn)行挖掘和分析，已經(jīng)成為一個非常重要且緊迫的需求。
R是一個用于統(tǒng)計計算和統(tǒng)計制圖的優(yōu)秀工具，也是GNU的一個自由、免費、源代碼開放的軟件。R包括一套完整的數(shù)據(jù)處理、計算和制圖軟件系統(tǒng)。其功能包括：數(shù)據(jù)存儲和處理系統(tǒng)，數(shù)組運算工具（其向量、矩陣運算方面功能尤其強大），完整連貫的統(tǒng)計分析工具，優(yōu)秀的統(tǒng)計制圖功能。
Python是一個數(shù)據(jù)分析和圖形顯示的程序設(shè)計環(huán)境，用于統(tǒng)計分析、繪圖的語言和操作環(huán)境。Python有簡便而強大的編程語言：可操縱數(shù)據(jù)的輸入和輸入，可實現(xiàn)分支、循環(huán)，用戶可自定義功能。
本培訓(xùn)將對基于Python和R語言進(jìn)行數(shù)據(jù)處理、數(shù)據(jù)探索的基本方法，利用R語言實現(xiàn)模型選擇、Logistic回歸及決策樹算法，以及貝葉斯算法及支持向量機、神經(jīng)網(wǎng)絡(luò)等算法原理及實現(xiàn)進(jìn)行講解。具體事宜通知如下：

證書
培訓(xùn)結(jié)束，頒發(fā)中科院計算所職業(yè)培訓(xùn)中心“Python和R數(shù)據(jù)挖掘技術(shù)-基于Python和R語言的數(shù)據(jù)挖掘和統(tǒng)計分析技術(shù)”結(jié)業(yè)證書。

培訓(xùn)對象
1，系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級程序員、資深開發(fā)人員。
2，牽涉到數(shù)據(jù)挖掘和統(tǒng)計分析的數(shù)據(jù)中心運行、規(guī)劃、設(shè)計負(fù)責(zé)人。
3，政府機關(guān)，金融保險、移動和互聯(lián)網(wǎng)等大數(shù)據(jù)來源單位的負(fù)責(zé)人。
4，高校、科研院所牽涉到數(shù)據(jù)挖掘與統(tǒng)計分析處理的項目負(fù)責(zé)人。
學(xué)員基礎(chǔ)
1，對IT系統(tǒng)設(shè)計有一定的理論與實踐經(jīng)驗。
2，對數(shù)據(jù)挖掘和數(shù)據(jù)處理方法有一定的基礎(chǔ)知識。
3，對Hadoop/Spark等大數(shù)據(jù)技術(shù)有一定的了解。


培訓(xùn)內(nèi)容
第一講 數(shù)據(jù)挖掘，Python和R簡介
1.1 數(shù)據(jù)挖掘
1.2 Python語言
1.3 R語言
1.4 Iris數(shù)據(jù)集
1.5 Bodyfat數(shù)據(jù)集
第二講 數(shù)據(jù)的導(dǎo)入與導(dǎo)出
2.1 R數(shù)據(jù)的保存與加載
2.2 CSV文件的導(dǎo)入與導(dǎo)出
2.3 通過ODBC從數(shù)據(jù)庫中讀取數(shù)據(jù)
2.4 從Excel中導(dǎo)入與導(dǎo)出數(shù)據(jù)
2.5 Python的數(shù)據(jù)操作
第三講 數(shù)據(jù)可視化展現(xiàn)
3.1 查看數(shù)據(jù)
3.2 單個變量展現(xiàn)
3.3 多個變量展現(xiàn)
3.4 更多探索
3.5 將圖表保存到文件中
第四講 決策樹與隨機森林
4.1 使用party包構(gòu)建決策樹
4.2 使用rpart包構(gòu)建決策樹
4.3 隨機森林
4.4 Python中的決策樹實現(xiàn)
4.5 Python決策樹實例
第五講 回歸分析
5.1 線性回歸
5.2 邏輯回歸
5.3 廣義線性回歸
5.4 非線性回歸
5.5 Python中的回歸實現(xiàn)
5.6 Python回歸實例
第六講 聚類分析
6.1 k-means聚類
6.2 k-medoids聚類
6.3 層次聚類
6.4 基于密度的聚類
6.5 Python中的聚類實現(xiàn)
6.6 Python聚類實例
第七講 離群點檢測
7.1 單變量的離群點檢測
7.2 局部離群點因子檢測
7.3 用聚類方法進(jìn)行離群點檢測
7.4 時間序列數(shù)據(jù)的離群點檢測
7.5 Python中的孤立點實例
第八講 時間序列分析
8.1 R中的時間序列數(shù)據(jù)
8.2 時間序列分解
8.3 時間序列預(yù)測
8.4 時間序列聚類
8.5 時間序列分類
8.6 Python中的時間序列實例
第九講 關(guān)聯(lián)規(guī)則
9.1 關(guān)聯(lián)規(guī)則的基本概念
9.2 Titanic數(shù)據(jù)集
9.3 關(guān)聯(lián)規(guī)則挖掘
9.4 消除冗余
9.5 解釋規(guī)則
9.6 關(guān)聯(lián)規(guī)則的可視化
9.7 Python中的關(guān)聯(lián)規(guī)則實例
第十講 社交網(wǎng)絡(luò)分析
10.1 詞項網(wǎng)絡(luò)
10.2 推文網(wǎng)絡(luò)
10.3 雙模式網(wǎng)絡(luò)
10.4 Python中的社交網(wǎng)絡(luò)分析實例