1.大数据时代概述

1.1 大数据解决的问题是什么？
1.2 大数据公司（部门）的都在做什么？
1.3 如何建立自己的大数据能力？

2.数据挖掘过程和实用工具使用

2.1 数据挖掘过程的方法及其思想介绍
2.2 挖掘工具Weka使用实践

3.深入分类挖掘新技术

3.1 产业实战中如何研发一个新的数据挖掘算法
3.2 机器学习算法理论深入
3.3 常用多模型算法详解
3.4 Dynamic Data Mining（DDM）：分而治之的多模型框架研发过程
3.5 模型评估高级话题

4.深入常用实战数据预处理与有偏挖掘技术

4.1 有偏数据挖掘
4.2 高级数据预处理实战策略

5.深入在线学习与数据流挖掘

5.1 在线数据流挖掘基本概念
5.2 数据流挖掘的关键挑战
5.3 两类经典在线流挖掘算法汇总
5.4 进阶：有偏在线数据流挖掘的解决方案
5.5 在线数据流挖掘总结

6.深入社交图谱及推荐引擎实战

6.1 推荐引擎解决的问题
6.2 推荐系统历史
6.3 通用推荐引擎基础架构
6.4 社会化推荐引擎
6.5 社会化推荐引擎算法案例讲解
6.6 社交图谱挖掘介绍
6.7 社交图谱挖掘案例讲解：好友亲密度模型
6.8 社交图谱挖掘案例讲解：好友自动分组