首页
课程中心
专家团队
新闻中心
精彩活动
关于我们

课程中心

大数据分析挖掘-基于Hadoop/Mahout/Mllib的大数据挖掘(含Spark、Storm和Docker应用介绍)

  • 主讲老师:杨老师
  • 培训天数:3天
  • 公开课费用:待定
1、全面了解大数据处理技术的相关知识。
2、学习Hadoop/Yarn/Spark的核心数据分析技术。
3、深入学习Mahout/MLlib挖掘工具在大数据中的使用。
4、掌握Storm流处理技术和Docker等技术与大数据挖掘结合的方法。

互联网点击数据、传感数据、日志文件、具有丰富地理空间信息的移动数据和涉及网络的各类评论,成为了海量信息的多种形式。当数据以成百上千TB不断增长的时候,我们在内部交易系统的历史信息之外,需要一种基于大数据分析的决策模型和技术支持。

大数据通常具有:数据体量(Volume)巨大,数据类型(Variety)繁多,价值(Value)密度低,处理速度(Velocity)快等四大特征。如何有效管理和高效处理这些大数据已成为当前亟待解决的问题。大数据处理意味着更严峻的挑战,更好地管理和处理这些数据也将会获得意想不到的收获。
 
Google发布的GFS和MapReduce等高可扩展、高性能的分布式大数据处理框架,证明了在处理海量网页数据时该框架的优越性。在此基础上,Apache Hadoop开源项目开发团队,克隆并推出了Hadoop/Yarn系统。该系统已受到学术界和工业界的广泛认可和采纳,并孵化出众多子项目(如Hive,Zookeeper和Mahout等),日益形成一个易部署、易开发、功能齐全、性能优良的系统。在此基础上,以Berkley牵头设计的Spark/BDAS技术,实现了内存级别的分布式处理模式,使用户无需关注复杂的内部工作机制,无需具备丰富的分布式系统知识及开发经验,即可实现大规模分布式系统的部署与大数据的并行处理。

本课程从大数据挖掘分析技术实战的角度,结合理论和实践,全方位地介绍Mahout和 MLlib等大数据挖掘工具的开发技巧。本课程涉及的主题包括:大数据挖掘及其背景,Mahout和 MLlib大数据挖掘工具,推荐系统及电影推荐案例,分类技术及聚类分析,以及与流挖掘和Docker技术的结合,分析了大数据挖掘前景分析。

本课程教学过程中还提供了案例分析来帮助学员了解如何用Mahout和 MLlib挖掘工具来解决具体的问题,并介绍了从大数据中挖掘出有价值的信息的关键。

本课程不是一个泛泛的理论性、概念性的介绍课程,而是针对问题讨论Mahout和 MLlib解决方案的深入课程。教师对于上述领域有深入的理论研究与实践经验,在课程中将会针对这些问题与学员一起进行研究,在关键点上还会搭建实验环境进行实践研究,以加深对于这些解决方案的理解。通过本课程学习,希望推动大数据分析挖掘项目开发上升到一个新水平。

 

证书
培训结束,颁发中科院计算所职业培训中心“大数据分析挖掘-基于Hadoop/Mahout/MLlib的大数据挖掘”结业证书。

 

本课程有企业内训形式,授课老师、课程内容、教学方式均依据企业的培训需求灵活设置。

 

本网站内容包括并不限于课程介绍、课程大纲、上课照片、老师介绍等等资料及信息,未经允许不得抄袭和转载。

培训对象
1,系统架构师、系统分析师、高级程序员、资深开发人员。
2,牵涉到大数据处理的数据中心运行、规划、设计负责人。
3,政府机关,金融保险、移动和互联网等大数据来源单位的负责人。
4,高校、科研院所牵涉到大数据与分布式数据处理的项目负责人。

学员基础
1,对IT系统设计有一定的理论与实践经验。
2,数据仓库与数据挖掘处理有一定的基础知识。
3,对Hadoop/Yarn/Spark大数据技术有一定的了解。

第一讲 大数据挖掘及其背景
  1)数据挖掘定义 
  2)Hadoop相关技术
  3)大数据挖掘知识点
第二讲 MapReduce/DAG计算模式
  1)分布式文件系统DFS
  2)MapReduce计算模型介绍
  3)使用MR进行算法设计
  4)DAG及其算法设计
第三讲 云挖掘工具Mahout/MLib 
   1)Hadoop中的Mahoutb介绍
   2)Spark中的Mahout/MLib介绍
   3)推荐系统及其Mahout实现方法
   4)信息聚类及其MLlib实现方法
   5)分类技术在Mahout/MLib中的实现方法  
第四讲 推荐系统及其应用开发
   1)一个推荐系统的模型
   2)基于内容的推荐
   3)协同过滤
   4)基于Mahout的电影推荐案例
第五讲 分类技术及其应用
  1)分类的定义
  2)分类主要算法
  3)Mahout分类过程
  4)评估指标以及评测
  5)贝叶斯算法新闻分类实例
第六讲 聚类技术及其应用
   1)聚类的定义
   2)聚类的主要算法
   3)K-Means、Canopy及其应用示例
   4)Fuzzy K-Means、Dirichlet及其应用示例
   5)基于MLlib的新闻聚类实例
第七讲 关联规则和相似项发现
   1)购物篮模型
   2)Apriori算法
   3)抄袭文档发现
   4)近邻搜索的应用
第八讲 流数据挖掘相关技术
   1)流数据挖掘及分析
   2)Storm和流数据处理模型
   3)流处理中的数据抽样
   4)流过滤和Bloom filter
第九讲 云环境下大数据挖掘应用
   1)与Hadoop/Yarn集群应用的协作
   2)与Docker等其它云工具配合
   3)大数据挖掘行业应用展望

名  称:北京市海淀区中科院计算所职业技能培训学校
开户行:北京银行中关村支行
帐  号:01090302900120105445661

京公网安备 11010802025851号

 京ICP备14030124号-1  

QQ咨询

免费电话

010-82661221

微信咨询

微信客服

在线报名

返回顶部