云環(huán)境下大數(shù)據(jù)挖掘和分析技術(shù)實(shí)戰(zhàn)（楊老師）

學(xué)員基礎(chǔ)
1，對IT系統(tǒng)設(shè)計(jì)有一定的理論與實(shí)踐經(jīng)驗(yàn)。
2，數(shù)據(jù)倉庫與數(shù)據(jù)挖掘處理有一定的基礎(chǔ)知識(shí)。
3，對Hadoop/Yarn/Spark大數(shù)據(jù)技術(shù)有一定的了解。
 
師資
由業(yè)界知名大數(shù)據(jù)專家親自授課：
楊老師   主要研究網(wǎng)絡(luò)信息分析以及云計(jì)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(gè)國家和省部級(jí)基金項(xiàng)目，具有豐富的工程實(shí)踐及軟件研發(fā)經(jīng)驗(yàn)。
 
培訓(xùn)內(nèi)容
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(shí)點(diǎn)
 
第二講 MapReduce/Spark DAG計(jì)算模式
1）分布式文件系統(tǒng)DFS
2）MapReduce計(jì)算模型介紹
3）使用MR進(jìn)行算法設(shè)計(jì)
4）DAG及其算法設(shè)計(jì)
 
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(shí)現(xiàn)方法
4）信息聚類及其MLlib實(shí)現(xiàn)方法
5）分類技術(shù)在Mahout/MLib中的實(shí)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(gè)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(píng)估指標(biāo)以及評(píng)測
5）貝葉斯算法新聞分類實(shí)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(shí)例
 
第七講 大數(shù)據(jù)關(guān)聯(lián)規(guī)則和相似項(xiàng)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
 
培訓(xùn)目標(biāo)
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(shí)。
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。