云環(huán)境下大數(shù)據挖掘和分析技術實戰(zhàn)（楊老師）

學員基礎
1，對IT系統(tǒng)設計有一定的理論與實踐經驗。
2，數(shù)據倉庫與數(shù)據挖掘處理有一定的基礎知識。
3，對Hadoop/Yarn/Spark大數(shù)據技術有一定的了解。
 
師資
由業(yè)界知名大數(shù)據專家親自授課：
楊老師   主要研究網絡信息分析以及云計算相關技術，長期從事通信網管系統(tǒng)、網絡信息處理、商務智能(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)經驗。
 
培訓內容
第一講 大數(shù)據挖掘及其背景
1)大數(shù)據環(huán)境下的數(shù)據分析
2)數(shù)據挖掘定義
3)Hadoop相關技術
4)大數(shù)據挖掘知識點
 
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進行算法設計
4）DAG及其算法設計
 
第三講 大數(shù)據挖掘分析工具
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）分類技術在Mahout/MLib中的實現(xiàn)方法
 
第四講 大數(shù)據推薦及其應用開發(fā)
1）一個推薦系統(tǒng)的模型
2）基于內容的推薦
3）協(xié)同過濾
4）基于Mahout的電影推薦案例
 
第五講 大數(shù)據分類技術及其應用
1）分類的定義
2）分類主要算法
3）Mahout分類過程
4）評估指標以及評測
5）貝葉斯算法新聞分類實例
 
第六講 大數(shù)據聚類技術及其應用
1）聚類的定義
2）聚類的主要算法
3）K-Means、Canopy及其應用示例
4）Fuzzy K-Means、Dirichlet及其應用示例
5）基于MLlib的新聞聚類實例
 
第七講 大數(shù)據關聯(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）近鄰搜索的應用
 
第八講 流數(shù)據挖掘相關技術
1）流數(shù)據挖掘及分析
2）Storm和流數(shù)據處理模型
3）流處理中的數(shù)據抽樣
4）流過濾和Bloom filter
 
第九講 云環(huán)境下大數(shù)據挖掘應用
1）與Yarn/Spark集群應用的協(xié)作
2）與Docker等其它云工具配合
3）大數(shù)據挖掘行業(yè)應用展望
 
培訓目標
1, 學習云環(huán)境下大數(shù)據分析挖掘的相關基礎知識。
2，學習Mahout和MLlib的核心技術方法及應用。
3，了解云環(huán)境下大數(shù)據分析的使用流程和方法。
4, 掌握Storm流處理技術和Docker等技術與大數(shù)據挖掘結合的方法。