数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示三个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等
本专题从数据挖掘最关键的三大技术出发，帮助学员快速提升数据挖掘能力
1. 全面掌握数据挖掘的算法模型
2. 场景化的行业案例指导，帮助学员快速掌握切实可用的业务代码模板，提升后续工作效率
3. 明星讲师强强联手，通过幽默风趣的讲解，提升学员对数据挖掘领域的学习兴趣
- 温故知新：适合公司内从事算法、数据开发相关的工程师掌握数据挖掘技术，全面提升业务能力
- 技术突破：适合企业中高级数据分析师提升数据挖掘硬技能，突破职业技术瓶颈
- 知识创新：适合目前企业内利用Python做数据分析的相关工程师提升数据挖掘能力以及数据算法能力
Python数据分析系列课程：学习数据挖掘
全面掌握数据挖掘的关键数据模型，通过多项训练，提升数据建模能力
数据挖掘基础实践教程
深度剖析数据挖掘方法体系，系统性掌握数据挖掘的关键要领
Python数据分析系列课程：学习文本挖掘
从基本的分词、词袋模型、分布式表示等概念开始，多面深入学习文本挖掘技术的各个方面
机器学习：基础算法与模型实例
基础知识点通俗解读
机器学习：经典算法与模型实例
经典算法模型面面俱到
机器学习应用：降维算法与案例解析
从理论到实战，掌握降维算法典型应用场景
机器学习应用：聚类算法与案例解析
通俗解读聚类算法，快速上手应用实例
NLP算法——贝叶斯算法入门必备宝典
掌握贝叶斯算法操作原理，实现新闻分类任务
NLP算法——HMM模型详解
零基础必备，从理论到实践实现HMM模型入门
Python数据分析行业案例：推荐系统
帮助学员学习在具体互联网业务背景下推荐系统的实战操作
推荐系统：基本原理与实战解析
通过实战，全面掌握推荐系统原理与工作方式
Python数据分析行业案例课程：信用评分方法
全面掌握金融领域的典型信用评分方法，全代码讲解，真实场景应用
张文彤
博士，数据分析与挖掘专著的作者
张文彤 博士 多年深耕于数据挖掘领域，市场研究领域以及统计应用领域; 多本软件教材、数据分析与挖掘专著的作者；现为上海昊鲲企业管理咨询有限公司合伙人。 曾在复旦大学公共卫生学院任教数载，其教学方式以讲解深入浅出见长；重点突出、简明易懂为鲜明特色。主编SPSS、SAS等统计软件教材10余本；其中，SPSS教材被教育部评为2003-2004年度教育部研究生推荐教材，后续版本被被国内外三百多所高校选用为本科生/研究生教材。
唐宇迪
同济大学硕士，华东理工大学博士
《跟着迪哥学Python数据分析与机器学习实战》作者 精通机器学习算法，主攻计算机视觉方向联通，移动，中信等公司特邀企业培训导师，累计开发课程50余门覆盖人工智能热门方向；