我要報名

咨詢電話：
手　　機(jī)：	郵箱：

課程介紹：

隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，我們已經(jīng)切實地迎來了一個大數(shù)據(jù)的時代。大數(shù)據(jù)是指無法在一定時間內(nèi)用常規(guī)軟件工具對其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合，對大數(shù)據(jù)的分析已經(jīng)成為一個非常重要且緊迫的需求。

本課程從大數(shù)據(jù)挖掘分析技術(shù)實戰(zhàn)的角度，結(jié)合理論和實踐，全方位地介紹基于Yarn的Mahout和基于Spark的MLlib等大數(shù)據(jù)挖掘工具的開發(fā)技巧。涉及的主題包括：大數(shù)據(jù)挖掘及其背景，Mahout和 MLlib大數(shù)據(jù)挖掘工具，推薦系統(tǒng)及電影推薦案例，分類技術(shù)及聚類分析，以及與流挖掘和Docker技術(shù)的結(jié)合，分析了大數(shù)據(jù)挖掘前景。

培訓(xùn)過程中提供了案例分析來幫助學(xué)員了解如何用Mahout和 MLlib挖掘工具來解決具體的問題，并介紹了從大數(shù)據(jù)中挖掘出有價值的信息的關(guān)鍵。

本課程是針對問題討論Mahout和 MLlib解決方案的深入課程。教師對于上述領(lǐng)域有深入的理論研究與實踐經(jīng)驗，在課程中將會針對這些問題與學(xué)員一起進(jìn)行探討，在關(guān)鍵點上搭建實驗環(huán)境進(jìn)行實踐研究，以加深對于這些解決方案的理解。通過本課程學(xué)習(xí)，希望推動大數(shù)據(jù)分析挖掘項目開發(fā)上升到一個新水平。

培訓(xùn)受眾：

1，系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級程序員、資深開發(fā)人員。

2，牽涉到大數(shù)據(jù)處理的數(shù)據(jù)中心運(yùn)行、規(guī)劃、設(shè)計負(fù)責(zé)人。

3，政府機(jī)關(guān)，金融保險、移動和互聯(lián)網(wǎng)等大數(shù)據(jù)來源單位的負(fù)責(zé)人。

4，高校、科研院所牽涉到大數(shù)據(jù)與分布式數(shù)據(jù)處理的項目負(fù)責(zé)人。

5，對大數(shù)據(jù)的前沿技術(shù)非常感興趣的人。

6，有志于成為一名數(shù)據(jù)科學(xué)家的從業(yè)人員。

7，有一定算法和編程基礎(chǔ)的技術(shù)愛好者。

課程收益：

1, 學(xué)習(xí)云環(huán)境下大數(shù)據(jù)分析挖掘的相關(guān)基礎(chǔ)知識。

2，學(xué)習(xí)Mahout和MLlib的核心技術(shù)方法及應(yīng)用。

3，了解云環(huán)境下大數(shù)據(jù)分析的使用流程和方法。

4, 掌握Storm流處理技術(shù)和Docker等技術(shù)與大數(shù)據(jù)挖掘結(jié)合的方法。

課程大綱：

第一講 大數(shù)據(jù)挖掘及其背景

1)大數(shù)據(jù)環(huán)境下的數(shù)據(jù)分析

2)數(shù)據(jù)挖掘定義

3)Hadoop相關(guān)技術(shù)

4)大數(shù)據(jù)挖掘知識點

第二講 MapReduce/Spark DAG計算模式

1）分布式文件系統(tǒng)DFS

2）MapReduce計算模型介紹

3）使用MR進(jìn)行算法設(shè)計

4）DAG及其算法設(shè)計

第三講 大數(shù)據(jù)挖掘分析工具

1）Yarn中的Mahoutb介紹

2）Spark中的Mahout/MLib介紹

3）推薦系統(tǒng)及其Mahout實現(xiàn)方法

4）信息聚類及其MLlib實現(xiàn)方法

5）分類技術(shù)在Mahout/MLib中的實現(xiàn)方法

第四講 大數(shù)據(jù)推薦及其應(yīng)用開發(fā)

1）一個推薦系統(tǒng)的模型

2）基于內(nèi)容的推薦

3）協(xié)同過濾

4）基于Mahout的電影推薦案例

第五講 大數(shù)據(jù)分類技術(shù)及其應(yīng)用

1）分類的定義

2）分類主要算法

3）Mahout分類過程

4）評估指標(biāo)以及評測

5）貝葉斯算法新聞分類實例

第六講 大數(shù)據(jù)聚類技術(shù)及其應(yīng)用

1）聚類的定義

2）聚類的主要算法

3）K-Means、Canopy及其應(yīng)用示例

4）Fuzzy K-Means、Dirichlet及其應(yīng)用示例

5）基于MLlib的新聞聚類實例

第七講 大數(shù)據(jù)關(guān)聯(lián)規(guī)則和相似項發(fā)現(xiàn)

1）購物籃模型

2）Apriori算法

3）抄襲文檔發(fā)現(xiàn)

4）近鄰搜索的應(yīng)用

第八講 流數(shù)據(jù)挖掘相關(guān)技術(shù)

1）流數(shù)據(jù)挖掘及分析

2）Storm和流數(shù)據(jù)處理模型

3）流處理中的數(shù)據(jù)抽樣

4）流過濾和Bloom filter

第九講 云環(huán)境下大數(shù)據(jù)挖掘應(yīng)用

1）與Yarn/Spark集群應(yīng)用的協(xié)作

2）與Docker等其它云工具配合

3）大數(shù)據(jù)挖掘行業(yè)應(yīng)用展望

楊老師

主要研究網(wǎng)絡(luò)信息分析以及云計算相關(guān)技術(shù)，長期從事通信網(wǎng)管系統(tǒng)、網(wǎng)絡(luò)信息處理、商務(wù)智能(BI)以及電信決策支持系統(tǒng)的研究開發(fā)工作，主持和參與了多個國家和省部級基金項目，具有豐富的工程實踐及軟件研發(fā)經(jīng)驗。

我要報名

在線報名：大數(shù)據(jù)挖掘和分析技術(shù)實戰(zhàn)-Hadoop/Mahout/MLlib/Storm/Docker(北京)