
媒體大數據挖掘培訓
第一講 緒論
1.3 數據挖(wa)掘技術與應(ying)用場景
1.2 融(rong)媒(mei)體時代下的媒(mei)體數(shu)據(ju)特性
1.4 數據新聞的理解與發(fa)展(zhan)
1.1 大數據的概念及發展(zhan)趨勢
第二講 數據獲取
2.7 Gooseeker數據爬(pa)取(qu)案例-爬(pa)蟲規則的(de)制作
2.5 API的(de)基礎介紹與原理1
2.6 API的基礎介紹與原理2
2.9 python數據爬取案例-api的使用
2.2 HTML基礎(chu)與(yu)正則表達式(shi)基礎(chu)
2.3 Gooseeker-數(shu)據爬取軟件基礎介(jie)紹
2.10 python數(shu)據爬取案例-模擬瀏覽器
2.1 數據爬(pa)取的基礎(chu)知識
2.4 Python-數據(ju)爬(pa)取程序基(ji)礎介紹
2.8 python數據爬(pa)(pa)取案例(li)-爬(pa)(pa)蟲規則的編寫
第三講:文本分(fen)析:內容的(de)挖(wa)掘(jue)
3.6 中文(wen)停用詞過濾的案例實戰
3.3 初識中(zhong)文(wen)分詞(ci)
3.7 中文(wen)詞頻統計的案例實(shi)戰
3.1 文本分(fen)析的概念與(yu)分(fen)詞
3.5 中文(wen)關鍵詞(ci)提取(qu)的方(fang)法與(yu)案例(li)實(shi)戰
3.4 中文分詞(ci)的案例實戰(zhan)
3.8 中文(wen)命名實(shi)體(ti)的方(fang)法與案例實(shi)戰
3.2 KNIME中的英文分(fen)詞案例
第四講:網(wang)絡分(fen)析(xi):關系的挖掘
4.8 網(wang)絡傳(chuan)播結構的構建方法
4.9 網(wang)絡傳播結構的解讀
4.2 社會關(guan)系網絡(luo)網絡(luo)挖(wa)掘(jue)實戰(zhan)1
4.3 微博(bo)傳播網(wang)絡挖(wa)掘案例1
4.5 社會網絡分析(xi)
4.6 社交網絡(luo)傳播
4.4 網(wang)絡的基本概念與特征量
4.7 社交網(wang)絡營銷
4.1 初識網絡(luo)分析
第五講:數據挖掘
5.5 文本(ben)挖掘案(an)例:新聞聚類(lei)
5.1 數據挖掘(jue)的(de)基礎理論與價(jia)值(zhi)
5.7 推薦系(xi)統的(de)基本介紹
5.3 數(shu)據挖掘應用于商(shang)業主要技術
5.6 文本挖(wa)掘案(an)例:圖書(shu)評論的情感分類
5.4 數據挖掘案例(li)-modeler軟(ruan)件的使用與操作
5.2 數(shu)據挖掘的(de)基本概念與方法
5.8 基于(yu)深(shen)度學習的海(hai)報推(tui)薦系統(tong)
第六講:大數據(ju)可視化
6.5 不同數據類(lei)型的可視(shi)化(hua)技術
6.4 數(shu)據挖掘與可視化
6.8 可視化案例分析一:個(ge)性(xing)化詞云制(zhi)作
6.12 可視化(hua)案例分析(xi)四:Excel高級應用2
6.2 可視化技術概述
6.6 數據新(xin)聞可(ke)視化
6.7 媒體(ti)大數據可視化
6.11 可視化案例分(fen)析四:Excel高(gao)級應用1
6.10 可視化案例分(fen)析三:Echart可視化技術
6.3 可視化技(ji)術分(fen)類
6.1 初識大數據可視(shi)化
6.9 可視化案(an)例(li)分析二:網絡爬蟲技術
6.13 可視化案例分(fen)析四:Tableau可視化技術(shu)