大數(shù)據(jù)分析- 基于Hadoop/Mahout的大數(shù)據(jù)挖掘”培訓課程

一、培訓對象

1，系統(tǒng)架構師、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)中心運行、規(guī)劃、設計負責人。

3，政府機關，金融保險、移動和互聯(lián)網(wǎng)等大數(shù)據(jù)來源單位的負責人。

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

 

二、學員基礎

1，對IT系統(tǒng)設計有一定的理論與實踐經(jīng)驗。

2，有一定的數(shù)據(jù)倉庫與大數(shù)據(jù)處理的基礎知識。

3，有一定的Hadoop技術的基礎知識。

 

三、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)絡信息分析以及云計算相關技術，長期從事通信網(wǎng)管系統(tǒng)、網(wǎng)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(jīng)驗。

 

四、培訓要點

互聯(lián)網(wǎng)點擊數(shù)據(jù)、傳感數(shù)據(jù)、日志文件、具有豐富地理空間信息的移動數(shù)據(jù)和涉及網(wǎng)絡的各類評論，成為了海量信息的多種形式。當數(shù)據(jù)以成百上千TB不斷增長的時候，我們在內(nèi)部交易系統(tǒng)的歷史信息之外，需要一種基于大數(shù)據(jù)分析的決策模型和技術支持。

大數(shù)據(jù)通常具有：數(shù)據(jù)體量(Volume)巨大,數(shù)據(jù)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(shù)據(jù)已成為當前亟待解決的問題。大數(shù)據(jù)處理意味著更嚴峻的挑戰(zhàn)，更好地管理和處理這些數(shù)據(jù)也將會獲得意想不到的收獲。 

Google發(fā)布的GFS和MapReduce等高可擴展、高性能的分布式大數(shù)據(jù)處理框架，證明了在處理海量網(wǎng)頁數(shù)據(jù)時該框架的優(yōu)越性。GFS/MapReduce框架實現(xiàn)了更高應用層次的抽象，使用戶無需關注復雜的內(nèi)部工作機制，無需具備豐富的分布式系統(tǒng)知識及開發(fā)經(jīng)驗，即可實現(xiàn)大規(guī)模分布式系統(tǒng)的部署與大數(shù)據(jù)的并行處理。

Apache Hadoop開源項目開發(fā)團隊。他們克隆了GFS/MapReduce框架，推出了Hadoop系統(tǒng)。該系統(tǒng)已受到學術界和工業(yè)界的廣泛認可和采納，并孵化出眾多子項目(如Pig，Zookeeper和Hive等)，日益形成一個易部署、易開發(fā)、功能齊全、性能優(yōu)良的系統(tǒng)。

本課程從大數(shù)據(jù)技術以及Hadoop實戰(zhàn)的角度，結合理論和實踐，全方位地介紹Hadoop以及Mahout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， Hadoop及Mahout大數(shù)據(jù)挖掘工具，推薦系統(tǒng)及電影推薦案例，分類技術及聚類分析，流挖掘及其它挖掘技術，大數(shù)據(jù)挖掘前景分析。

教學過程中貫穿了案例分析來幫助學員了解如何用Hadoop和Mahout挖掘工具來解決具體的問題，在關鍵點上搭建實驗環(huán)境進行實踐研究，以加深對于這些解決方案的理解。并介紹了從大數(shù)據(jù)中挖掘出有價值的信息的關鍵。

 

五、培訓內(nèi)容

第 一講大數(shù)據(jù)挖掘及其背景

  1)數(shù)據(jù)挖掘定義 

  2)Hadoop相關技術

  3)大數(shù)據(jù)挖掘知識點

第二講 MapReduce計算模式

  1）分布式文件系統(tǒng)

  2）MapReduce

  3）使用MR的算法設計

第三講 Hadoop中的云挖掘工具Mahout 

  1）Mahout介紹

  2）推薦系統(tǒng)

   3）信息聚類

   4）分類技術

   5）其它挖掘 

第四講 推薦系統(tǒng)及其應用開發(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）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）路透新聞聚類實例

第七講 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(jù)挖掘相關技術

   1）流數(shù)據(jù)挖掘及分析

   2）流數(shù)據(jù)模型

   3）數(shù)據(jù)抽樣

   4）流過濾

第九講 大數(shù)據(jù)挖掘應用前景

   1）與Hadoop集群應用的協(xié)作

   2）與RHadoop等其它云挖掘工具配合

   3）大數(shù)據(jù)挖掘行業(yè)應用展望

 

六、培訓目標

1, 全面了解大數(shù)據(jù)處理技術的相關知識。

2，學習Hadoop的核心技術方法以及應用特征。

3，深入使用Mahout挖掘工具在大數(shù)據(jù)中的使用。 

4，掌握流數(shù)據(jù)挖掘和其它大數(shù)據(jù)挖掘關鍵技術。

 

七、培訓時間、地點

時間： 2015年8月12日-8月14日            地點：北京

       2015年8月27日-8月29日            地點：上海

八、證書

培訓結束，頒發(fā)中科院計算所職業(yè)培訓中心“大數(shù)據(jù)分析- 基于Hadoop/Mahout的大數(shù)據(jù)挖掘”結業(yè)證書。

 

九、費用

培訓費：5500元/人（含教材、證書、午餐、學習用具等）。住宿協(xié)助安排，費用自理。