? ? ? ?大數(shù)據(jù)挖掘建模平臺是由泰迪自主研發(fā)，面向企業(yè)級用戶的大數(shù)據(jù)挖掘建模平臺。平臺采用可視化操作方式，通過豐富內(nèi)置算法，幫助用戶快速、一站式地進行數(shù)據(jù)分析及挖掘建模，可應用于處理海量數(shù)據(jù)、高復雜性的數(shù)據(jù)挖掘任務，為其提供準確、高精度的計算結果。
? ? ? 數(shù)據(jù)挖掘建模平臺適用于高?；蚱髽I(yè)，目前已在信訪、電力、交通運輸、金融、政府、制造等行業(yè)取得成功實踐，為客戶重塑企業(yè)數(shù)據(jù)應用模式。

? ? ? 大數(shù)據(jù)挖掘建模平臺【案例】企業(yè)內(nèi)推平臺信息精準推薦應用
? ? ? 通過學習本案例，可熟悉使用大數(shù)據(jù)挖掘建模平臺的使用方法，了解平臺中不同算法的實現(xiàn)功能，掌握數(shù)據(jù)的預處理方法和推薦算法的相關內(nèi)容，為后續(xù)相關課程學習及將來從事數(shù)據(jù)分析、挖掘研究領域的工作奠定基礎。
? ? ? 作為企業(yè)一種比較新穎的招聘方式，內(nèi)推實現(xiàn)了零距離對接應聘者和招聘方，讓人才高效、自由的流動，讓招聘高效、對等、更有情感，在此形式快速推進發(fā)展的需求下，平臺如何快速且精準推薦就成為了一大難題。本案例基于內(nèi)推平臺信息實現(xiàn)在求職者瀏覽網(wǎng)頁時精準推薦相關求職信息。
? ? ? 案例內(nèi)容：
? ? ? 背景與目標；推薦思路分析；基于物品的協(xié)同過濾推薦介紹；EB工具登錄及簡介；創(chuàng)建空白工程；導入數(shù)據(jù)；篩選正文數(shù)據(jù)；字符替換及記錄去重；劃分訓練集用戶和測試集用戶；構造訓練集和測試集數(shù)據(jù)；構建模型；推薦及性能評估；小結。
? ? ? 大數(shù)據(jù)挖掘建模平臺【案例】學生校園行為分析
? ? ? 通過學習本案例，可掌握數(shù)據(jù)探索、缺失值處理、重復值處理、特征構建、可視化圖形繪制和模型構建的主要方法和技能，為后續(xù)相關課程學習及將來從事數(shù)據(jù)分析、挖掘研究領域的工作奠定基礎。
? ? ? 校園一卡通是集身份認證、金融消費、數(shù)據(jù)共享等多項功能于一體的信息集成系統(tǒng)。在為師生提供優(yōu)質、高效信息化服務的同時，系統(tǒng)自身也積累了大量的歷史記錄，其中蘊含著學生的消費行為以及學校食堂等各部門的運行狀況等信息。本案例基于某學校的部分一卡通數(shù)據(jù)進行分析和處理，并構建模型對學生進行分群，從而了解每一類學生群體的消費特點。
? ? ? 案例內(nèi)容：
? ? ? 基于校園一卡通系統(tǒng)數(shù)據(jù)，分析學生在校園內(nèi)的學習生活行為，為改進學校服務和相關部門的決策提供信息支持。
? ? ?大數(shù)據(jù)挖掘建模平臺【案例】醫(yī)療保險的欺詐發(fā)現(xiàn)
? ? ?通過學習本案例，可掌握數(shù)據(jù)描述性統(tǒng)計分析的方法，掌握數(shù)據(jù)類型轉換、特征構建、數(shù)據(jù)編碼化、數(shù)據(jù)標準化和模型構建的主要方法和技能，為后續(xù)相關課程學習及將來從事數(shù)據(jù)分析、挖掘研究領域的工作奠定基礎。
? ? ?醫(yī)療保險的欺詐騙保的行為包括協(xié)助參保個人套取醫(yī)療保險個人賬戶基金或者統(tǒng)籌基金的情況，掛床住院或將可門診治療的參保個人收治住院的情況，允許或者誘導非參保個人以參保人名義住院的等。本案例基于醫(yī)療機構與投保人兩者的進行索賠的記錄進行分析，通過構建模型判斷是否出現(xiàn)醫(yī)療保險欺詐行為。
? ? ?案例內(nèi)容：
? ? 背景與目標；分析投保人和醫(yī)療機構的信息；特征工程；模型構建。
? ? 簡單易用的大數(shù)據(jù)挖掘建模平臺，讓數(shù)據(jù)創(chuàng)造更大價值！
? ?