数据分析中，可通过各种可视化的图形，从多个维度、多个层次展示企业商务的执行情况，发现可能存在的问题或潜在危机，并预测未来业务发展的趋势。也可以发现数据的一些质量问题、分布特点，可以为进一步数据挖掘做预处理

• 数据挖掘算法没有好坏，根据数据与数据分析需求的特点确定算法 • 数据挖掘建模标准（CRISP-DM） – 定义商业问题，理解业务背景，了解业务需求 – 数据探索、预处理与分析 – 确定可能的模型，并验证评估 – 选择分析较优算法，并进一步调优 – 应用部署模型

• 业务理解 • 数据理解 • 数据质量问题与预处理 • 数据分析常见陷阱 • 数据分析方法的选择 • 数据分析结果的评价 • 数据分析团队的组建 • 数据分析人才培养的难题

• 深度学习基础 – 深度学习的发展过程 – 深度学习常用技术框架 – 常用深度学习算法 • 音频质量评价 – 音频样本及特征预处理 – 音频特征选择 – 卷积神经网络模型训练 • 模型参数调优 • 性能验证

• 高危人员分析需求 • 高危人群的相关数据收集与预处理 • 建立模型

6.1 概述 6.2 贝叶斯概率基础 6.3 贝叶斯问题的求解 6.4 简单贝叶斯学习模型 6.5 贝叶斯网络的建造 6.6 贝叶斯潜在语义模型 6.7 半监督文本挖掘算法

序列模式挖掘简介 序列模式挖掘的应用背景 序列模式挖掘算法概述 GSP算法 PrefixSpan算法 Disc-all算法 支持约束的序列模式挖掘复旦大学：《商务智能（商务数据分析）》学习课件_序列模式挖掘算法

复旦大学：《商务智能》课程PPT教学课件（商务数据分析）密度聚类——算法详解

关联规则基本概念 CARMA算法简介 CARMA模块的基本概念 案例分析及Clementine操作步骤 购物篮分析----Tabular类型数据 网络日志分析----Transactional类型数据 值得注意的问题 CARMA算法原理（参考）

复旦大学：《商务智能》课程PPT教学课件（商务数据分析）09 搜索引擎优化 Search Engine Optimization