 班級規模及環境--熱線:4008699035 手機:15921673576( 微信同號) |
|
堅持小班授課，為保證培訓效果，增加互動環節，每期人數限3到5人。 |
| 上課時間和地點 |
上課地點：【上海】：同濟大學(滬西)/新城金郡商務樓(11號線白銀路站) 【深圳分部】：電影大廈(地鐵一號線大劇院站)/深圳大學成教院 【北京分部】：北京中山學院/福鑫大樓 【南京分部】：金港大廈(和燕路) 【武漢分部】：佳源大廈（高新二路） 【成都分部】：領館區1號（中和大道） 【沈陽分部】：沈陽理工大學/六宅臻品 【鄭州分部】：鄭州大學/錦華大廈 【石家莊分部】：河北科技大學/瑞景大廈 【廣州分部】：廣糧大廈 【西安分部】：協同大廈
最近開課時間(周末班/連續班/晚班）：2025年7月14日..用心服務..........--即將開課--...................... |
| 實驗設備 |
☆資深工程師授課
☆注重質量
☆邊講邊練
☆合格學員免費推薦工作
★實驗設備請點擊這兒查看★ |
| 質量保障 |
1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
2、課程完成后,授課老師留給學員手機和Email,保障培訓效果,免費提供半年的技術支持。
3、培訓合格學員可享受免費推薦就業機會。 |
課程大綱 |
互聯網點擊數據、傳感數據、日志文件、具有豐富地理空間信息的移動數據和涉及網絡的各類評論，成為了海量信息的多種形式。當數據以成百上千TB不斷增長的時候，我們在內部交易系統的歷史信息之外，需要一種基于大數據分析的決策模型和技術支持。
????
大數據通常具有：數據體量(Volume)巨大,數據類型(Variety)繁多,價值(Value)密度低,處理速度(Velocity)快等四大特征。如何有效管理和高效處理這些大數據已成為當前亟待解決的問題。大數據處理意味著更嚴峻的挑戰，更好地管理和處理這些數據也將會獲得意想不到的收獲。
????
Google發布的GFS和MapReduce等高可擴展、高性能的分布式大數據處理框架，證明了在處理海量網頁數據時該框架的優越性。在此基礎上，Apache Hadoop開源項目開發團隊，克隆并推出了Hadoop/Yarn系統。該系統已受到學術界和工業界的廣泛認可和采納，并孵化出眾多子項目(如Hive，Zookeeper和Mahout等)，日益形成一個易部署、易開發、功能齊全、性能優良的系統。在此基礎上，以Berkley牽頭設計的Spark/BDAS技術，實現了內存級別的分布式處理模式，使用戶無需關注復雜的內部工作機制，無需具備豐富的分布式系統知識及開發經驗，即可實現大規模分布式系統的部署與大數據的并行處理。
????
本課程從大數據挖掘分析技術實戰的角度，結合理論和實踐，全方位地介紹Mahout和 MLlib等大數據挖掘工具的開發技巧。本課程涉及的主題包括：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分析。
????
本課程教學過程中還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。
????
本課程不是一個泛泛的理論性、概念性的介紹課程，而是針對問題討論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研究，在關鍵點上還會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。
培訓目標
1, 全面了解大數據處理技術的相關知識。
2，學習Hadoop/Yarn/Spark的核心數據分析技術
3，深入學習Mahout/MLlib挖掘工具在大數據中的使用。
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。
課程大綱
第一講、大數據挖掘及其背景
??
1)數據挖掘定義
??
2)Hadoop相關技術
??
3)大數據挖掘知識點
第二講、 MapReduce/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、 云挖掘工具Mahout/MLib
1）Hadoop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、 推薦系統及其應用開發
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、 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、 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、 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Hadoop/Yarn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
課程主講
????
由業界知名大數據專家親自授課：
????
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、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。
課程對象
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。
學員基礎
1，對IT系統設計有一定的理論與實踐經驗。
2，數據倉庫與數據挖掘處理有一定的基礎知識。
3，對Hadoop/Yarn/Spark大數據技術有一定的了解。 |
|
|
|
|
|
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業
