我要報名

咨詢電話：
手　　機：	郵箱：

課程介紹

隨著互聯網、移動互聯網和物聯網的發展，我們已經切實地迎來了一個大數據的時代。大數據是指無法在一定時間內用常規軟件工具對其內容進行抓取、管理和處理的數據集合，對大數據的分析已經成為一個非常重要且緊迫的需求。

本課程從大數據分析和挖掘技術實戰的角度，結合理論和實踐，全方位地介紹基于Yarn的Mahout和基于Spark的MLlib等大數據挖掘工具的開發技巧。涉及的主題包括：大數據挖掘及其背景，Mahout和 MLlib大數據挖掘工具，推薦系統及電影推薦案例，分類技術及聚類分析，以及與流挖掘和Docker技術的結合，分析了大數據挖掘前景。

培訓過程中提供了案例分析來幫助學員了解如何用Mahout和 MLlib挖掘工具來解決具體的問題，并介紹了從大數據中挖掘出有價值的信息的關鍵。

本課程是針對問題討論Mahout和 MLlib解決方案的深入課程。教師對于上述領域有深入的理論研究與實踐經驗，在課程中將會針對這些問題與學員一起進行探討，在關鍵點上搭建實驗環境進行實踐研究，以加深對于這些解決方案的理解。通過本課程學習，希望推動大數據分析挖掘項目開發上升到一個新水平。

培訓對象

1，系統架構師、系統分析師、高級程序員、資深開發人員。

2，牽涉到大數據處理的數據中心運行、規劃、設計負責人。

3，政府機關，金融保險、移動和互聯網等大數據來源單位的負責人。

4，高校、科研院所牽涉到大數據與分布式數據處理的項目負責人。

5，對大數據的前沿技術非常感興趣的人。

6，有志于成為一名數據科學家的從業人員。

7，有一定算法和編程基礎的技術愛好者。

培訓目標

1, 學習云環境下大數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，了解云環境下大數據分析的使用流程和方法。

4, 掌握Storm流處理技術和Docker等技術與大數據挖掘結合的方法。

培訓內容

第一講 大數據挖掘及其背景

1)大數據環境下的數據分析

2)數據挖掘定義

3)Hadoop相關技術

4)大數據挖掘知識點

第二講 MapReduce/Spark DAG計算模式

1）分布式文件系統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）推薦系統及其Mahout實現方法

4）信息聚類及其MLlib實現方法

5）分類技術在Mahout/MLib中的實現方法

第四講 大數據推薦及其應用開發

1）一個推薦系統的模型

2）基于內容的推薦

3）協同過濾

4）基于Mahout的電影推薦案例

第五講 大數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 大數據關聯規則和相似項發現

1）購物籃模型

2）Apriori算法

3）抄襲文檔發現

4）近鄰搜索的應用

第八講 流數據挖掘相關技術

1）流數據挖掘及分析

2）Storm和流數據處理模型

3）流處理中的數據抽樣

4）流過濾和Bloom filter

第九講 云環境下大數據挖掘應用

1）與Yarn/Spark集群應用的協作

2）與Docker等其它云工具配合

3）大數據挖掘行業應用展望

楊老師

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、網絡信息處理、商務智能(BI)以及電信決策支持系統的研究開發工作，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經驗。

我要報名

在線報名：大數據分析和挖掘技術實戰-Mahout/MLlib/Storm/Docker(北京)