您的位置：企業(yè)培訓(xùn)網(wǎng) > 專業(yè)培訓(xùn) > IT技術(shù)培訓(xùn) > 大數(shù)據(jù)建模與分析挖掘應(yīng)用實戰(zhàn)培訓(xùn)班關(guān)于舉辦 “大數(shù)據(jù)建模與分析挖掘應(yīng)用”實戰(zhàn)培訓(xùn)班的通知
一、課程簡介
大數(shù)據(jù)建模與分析挖掘技術(shù)已經(jīng)逐步地應(yīng)用到新興互聯(lián)網(wǎng)企業(yè)（如電子商務(wù)網(wǎng)站、搜索引擎、社交網(wǎng)站、互聯(lián)網(wǎng)廣告服務(wù)提供商等）、銀行金融證券企業(yè)、電信運營等行業(yè)，給這些行業(yè)帶來了一定的數(shù)據(jù)價值增值作用。
本次課程面向有一定的數(shù)據(jù)分析挖掘算法基礎(chǔ)的工程師，帶大家實踐大數(shù)據(jù)分析挖掘平臺的項目訓(xùn)練，系統(tǒng)地講解數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)建模、挖掘模型建立、大數(shù)據(jù)分析與挖掘算法應(yīng)用在業(yè)務(wù)模型中，結(jié)合主流的Hadoop與Spark大數(shù)據(jù)分析平臺架構(gòu)，實現(xiàn)項目訓(xùn)練。
結(jié)合業(yè)界使用最廣泛的主流大數(shù)據(jù)平臺技術(shù)，重點剖析基于大數(shù)據(jù)分析算法與BI技術(shù)應(yīng)用，包括分類算法、聚類算法、預(yù)測分析算法、推薦分析模型等在業(yè)務(wù)中的實踐應(yīng)用，并根據(jù)講師給定的數(shù)據(jù)集，實現(xiàn)兩個基本的日志數(shù)據(jù)分析挖掘系統(tǒng)，以及電商（或內(nèi)容）推薦系統(tǒng)引擎。
本課程基本的實踐環(huán)境是Linux集群，JDK1.8， Hadoop 2.7.*，Spark 2.1.*。
學(xué)員需要準(zhǔn)備的電腦最好是i5及以上CPU，4GB及以上內(nèi)存，硬盤空間預(yù)留50GB（可用移動硬盤），基本的大數(shù)據(jù)分析平臺所依賴的軟件包和依賴庫等，講師已經(jīng)提前部署在虛擬機鏡像（VMware鏡像），學(xué)員根據(jù)講師的操作任務(wù)進行實踐。
本課程采用技術(shù)原理與項目實戰(zhàn)相結(jié)合的方式進行教學(xué)，在講授原理的過程中，穿插實際的系統(tǒng)操作，本課程講師也精心準(zhǔn)備的實際的應(yīng)用案例供學(xué)員動手訓(xùn)練。
二、培訓(xùn)時間及地點
2022年04月14日-04月17日（14日報到） 杭州
2022年05月26日-05月29日（26日報到） 成都
2022年06月24日-06月27日（24日報到） 廣州
三、培訓(xùn)目標(biāo)
1.本課程讓學(xué)員充分掌握大數(shù)據(jù)平臺技術(shù)架構(gòu)、大數(shù)據(jù)分析的基本理論、機器學(xué)習(xí)的常用算法、國內(nèi)外主流的大數(shù)據(jù)分析與BI商業(yè)智能分析解決方案、以及大數(shù)據(jù)分析在搜索引擎、廣告服務(wù)推薦、電商數(shù)據(jù)分析、金融客戶分析方面的應(yīng)用案例。
2.本課程強調(diào)主流的大數(shù)據(jù)分析挖掘算法技術(shù)的應(yīng)用和分析平臺的實施，讓學(xué)員掌握主流的基于大數(shù)據(jù)Hadoop和Spark、R的大數(shù)據(jù)分析平臺架構(gòu)和實際應(yīng)用，并用結(jié)合實際的生產(chǎn)系統(tǒng)案例進行教學(xué)，掌握基于Hadoop大數(shù)據(jù)平臺的數(shù)據(jù)挖掘和數(shù)據(jù)倉庫分布式系統(tǒng)平臺應(yīng)用，以及商業(yè)和開源的數(shù)據(jù)分析產(chǎn)品加上Hadoop平臺形成大數(shù)據(jù)分析平臺的應(yīng)用剖析。
3.讓學(xué)員掌握常見的機器學(xué)習(xí)算法，深入講解業(yè)界成熟的大數(shù)據(jù)分析挖掘與BI平臺的實踐應(yīng)用，并以客戶分析系統(tǒng)、日志分析和電商推薦系統(tǒng)為案例，串聯(lián)常用的數(shù)據(jù)挖掘技術(shù)進行應(yīng)用教學(xué)。
四、培訓(xùn)人群
1.大數(shù)據(jù)分析應(yīng)用開發(fā)工程師
2.大數(shù)據(jù)分析項目的規(guī)劃咨詢管理人員
3.大數(shù)據(jù)分析項目的IT項目高管人員
4.大數(shù)據(jù)分析與挖掘處理算法應(yīng)用工程師
5.大數(shù)據(jù)分析集群運維工程師
6.大數(shù)據(jù)分析項目的售前和售后技術(shù)支持服務(wù)人員
五、培訓(xùn)特色
定制授課+ 實戰(zhàn)案例訓(xùn)練+ 互動咨詢討論，共3天
（說明：講師會提供虛擬機鏡像，并把Hadoop，Spark等系統(tǒng)提前部署在虛擬機中，分析挖掘平臺構(gòu)建在Hadoop與Spark之上，學(xué)員自帶筆記本，運行虛擬機，并利用同樣的鏡像啟動多臺虛擬機，構(gòu)建實驗集群，鏡像會提前給學(xué)員）
六、詳細大綱與培訓(xùn)內(nèi)容
|
兩個完整的項目任務(wù)和實踐案例（重點） |
1.日志分析建模與日志挖掘項目實踐 a)Hadoop，Spark，并結(jié)合ELK技術(shù)構(gòu)建日志分析系統(tǒng)和日志數(shù)據(jù)倉庫 b)互聯(lián)網(wǎng)微博日志分析系統(tǒng)項目 2.推薦系統(tǒng)項目實踐 a)電影數(shù)據(jù)分析與個性化推薦關(guān)聯(lián)分析項目 b)電商購物籃分析項目 Hadoop，Spark，可結(jié)合Oryx分布式集群在個性化推薦和精準(zhǔn)營銷項目。 |
項目的階段性步驟貫穿到三天的培訓(xùn)過程中，第三天完成整個項目的原型 |
培訓(xùn)內(nèi)容安排如下：
|
時間 |
內(nèi)容提要 |
授課詳細內(nèi)容 |
實踐訓(xùn)練 |
|
第一天 |
業(yè)界主流的數(shù)據(jù)倉庫工具和大數(shù)據(jù)分析挖掘工具 |
1. 業(yè)界主流的基于Hadoop和Spark的大數(shù)據(jù)分析挖掘項目解決方案 2. 業(yè)界數(shù)據(jù)倉庫與數(shù)據(jù)分析挖掘平臺軟件工具 3. Hadoop數(shù)據(jù)倉庫工具Hive 4. Spark實時數(shù)據(jù)倉庫工具SparkSQL 5. Hadoop數(shù)據(jù)分析挖掘工具Mahout 6. Spark機器學(xué)習(xí)與數(shù)據(jù)分析挖掘工具MLlib 7. 大數(shù)據(jù)分析挖掘項目的實施步驟 |
配置數(shù)據(jù)倉庫工具Hadoop Hive和SparkSQL 部署數(shù)據(jù)分析挖掘工具Hadoop Mahout和Spark MLlib |
|
大數(shù)據(jù)分析挖掘項目的數(shù)據(jù)集成操作訓(xùn)練 |
1. 日志數(shù)據(jù)解析和導(dǎo)入導(dǎo)出到數(shù)據(jù)倉庫的操作訓(xùn)練 2. 從原始搜索數(shù)據(jù)集中抽取、集成數(shù)據(jù)，整理后形成規(guī)范的數(shù)據(jù)倉庫 3. 數(shù)據(jù)分析挖掘模塊從大型的集中式數(shù)據(jù)倉庫中訪問數(shù)據(jù)，一個數(shù)據(jù)倉庫面向一個主題，構(gòu)建兩個數(shù)據(jù)倉庫 4. 同一個數(shù)據(jù)倉庫中的事實表數(shù)據(jù)，可以給多個不同類型的分析挖掘任務(wù)調(diào)用 5. 去除噪聲 |
項目數(shù)據(jù)集加載ETL到Hadoop Hive數(shù)據(jù)倉庫并建立多維模型 | |
|
基于Hadoop的大型數(shù)據(jù)倉庫管理平臺—HIVE數(shù)據(jù)倉庫集群的多維分析建模應(yīng)用實踐 |
6. 基于Hadoop的大型分布式數(shù)據(jù)倉庫在行業(yè)中的數(shù)據(jù)倉庫應(yīng)用案例 7. Hive數(shù)據(jù)倉庫集群的平臺體系結(jié)構(gòu)、核心技術(shù)剖析 8. Hive Server的工作原理、機制與應(yīng)用 9. Hive數(shù)據(jù)倉庫集群的安裝部署與配置優(yōu)化 10. Hive應(yīng)用開發(fā)技巧 11. Hive SQL剖析與應(yīng)用實踐 12. Hive數(shù)據(jù)倉庫表與表分區(qū)、表操作、數(shù)據(jù)導(dǎo)入導(dǎo)出、客戶端操作技巧 13. Hive數(shù)據(jù)倉庫報表設(shè)計 14. 將原始的日志數(shù)據(jù)集，經(jīng)過整理后，加載至Hadoop + Hive數(shù)據(jù)倉庫集群中，用于共享訪問 |
利用HIVE構(gòu)建大型數(shù)據(jù)倉庫項目的操作訓(xùn)練實踐 | |
|
Spark大數(shù)據(jù)分析挖掘平臺實踐操作訓(xùn)練 |
15. Spark大數(shù)據(jù)分析挖掘平臺的部署配置 16. Spark數(shù)據(jù)分析庫MLlib的開發(fā)部署 17. Spark數(shù)據(jù)分析挖掘示例操作，從Hive表中讀取數(shù)據(jù)并在分布式內(nèi)存中運行 |
||
|
第二天 |
聚類分析建模與挖掘算法的實現(xiàn)原理和技術(shù)應(yīng)用 |
18. 聚類分析建模與算法原理及其在Spark MLlib中的實現(xiàn)與應(yīng)用，包括： a) Canopy聚類（canopy clustering） b) K均值算法（K-means clustering） c) 模糊K均值（Fuzzy K-means clustering） d) EM聚類，即期望最大化聚類（Expectation Maximization） e) 以上算法在Spark MLib中的實現(xiàn)原理和實際場景中的應(yīng)用案例。 19. Spark聚類分析算法程序示例 |
基于Spark MLlib的聚類分析算法，實現(xiàn)日志數(shù)據(jù)集中的用戶聚類 |
|
分類分析建模與挖掘算法的實現(xiàn)原理和技術(shù)應(yīng)用 |
20. 分類分析建模與算法原理及其在Spark MLlib中的實現(xiàn)與應(yīng)用， 包括： f) Spark決策樹算法實現(xiàn) g) 邏輯回歸算法（logistics regression） h) 貝葉斯算法（Bayesian與Cbeyes） i) 支持向量機（Support vector machine） j) 以上算法在Spark MLlib中的實現(xiàn)原理和實際場景中的應(yīng)用案例。 21. Spark客戶資料分析與給用戶貼標(biāo)簽的程序示例 22. Spark實現(xiàn)給商品貼標(biāo)簽的程序示例 23. Spark實現(xiàn)用戶行為的自動標(biāo)簽和深度技術(shù) |
基于Spark MLlib的分類分析算法模型與應(yīng)用操作 | |
|
關(guān)聯(lián)分析建模與挖掘算法的實現(xiàn)原理和技術(shù)應(yīng)用 |
24. 預(yù)測、推薦分析建模與算法原理及其在Spark MLlib中的實現(xiàn)與應(yīng)用，包括： k) Spark頻繁模式挖掘算法（parallel FP Growth Algorithm）應(yīng)用 l) Spark關(guān)聯(lián)規(guī)則挖掘（Apriori）算法及其應(yīng)用 m) 以上算法在Spark MLib中的實現(xiàn)原理和實際場景中的應(yīng)用案例。 25. Spark關(guān)聯(lián)分析程序示例 |
基于Spark MLlib的關(guān)聯(lián)分析操作 | |
|
第三天 |
推薦分析挖掘模型與算法技術(shù)應(yīng)用 |
26. 推薦算法原理及其在Spark MLlib中的實現(xiàn)與應(yīng)用，包括： a) Spark協(xié)同過濾算法程序示例 b) Item-based協(xié)同過濾與推薦 c) User-based協(xié)同過濾與推薦 d) 交叉銷售推薦模型及其實現(xiàn) |
推薦分析實現(xiàn)步驟與操作（重點） |
|
回歸分析模型與預(yù)測算法 |
27. 利用線性回歸（多元回歸）實現(xiàn)訪問量預(yù)測 28. 利用非線性回歸預(yù)測成交量和訪問量的關(guān)系 29. 基于R+Spark實現(xiàn)回歸分析模型及其應(yīng)用操作 30. Spark回歸程序?qū)崿F(xiàn)異常點檢測的程序示例 |
回歸分析預(yù)測操作例子 | |
|
圖關(guān)系建模與分析挖掘及其鏈接分析和社交分析操作 |
31. 利用Spark GraphX實現(xiàn)網(wǎng)頁鏈接分析，計算網(wǎng)頁重要性排名 32. 實現(xiàn)信息傳播的社交關(guān)系傳遞分析，互聯(lián)網(wǎng)用戶的行為關(guān)系分析任務(wù)的操作訓(xùn)練 |
圖數(shù)據(jù)的分析挖掘操作，實現(xiàn)微博數(shù)據(jù)集的社交網(wǎng)絡(luò)建模與關(guān)系分析 | |
|
神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)算法模型及其應(yīng)用實踐 |
33. 神經(jīng)網(wǎng)絡(luò)算法Neural Network的實現(xiàn)方法和挖掘模型應(yīng)用 34. 基于人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)的訓(xùn)練過程 a) 傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法 b) Deep Learning的訓(xùn)練方法 35. 深度學(xué)習(xí)的常用模型和方法 a) CNN（Convolutional Neural Network）卷積神經(jīng)網(wǎng)絡(luò) b) RNN（Recurrent Neural Network）循環(huán)神經(jīng)網(wǎng)絡(luò)模型 c) Restricted Boltzmann Machine(RBM)限制波爾茲曼機 36. 基于Spark的深度學(xué)習(xí)算法模型庫的應(yīng)用程序示例 |
基于Spark或TensorFlow神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)庫實現(xiàn)文本與圖片數(shù)據(jù)挖掘 | |
|
項目實踐 |
37. 日志分析系統(tǒng)與日志挖掘項目實踐 a) Hadoop，Spark，ELK技術(shù)構(gòu)建日志數(shù)據(jù)倉庫 b) 互聯(lián)網(wǎng)微博日志分析系統(tǒng)項目 38. 推薦系統(tǒng)項目實踐 a) 電影數(shù)據(jù)分析與個性化推薦關(guān)聯(lián)分析項目 |
項目數(shù)據(jù)集和詳細的實驗指導(dǎo)手冊由講師提供 | |
|
培訓(xùn)總結(jié) |
39. 項目方案的課堂討論，討論實際業(yè)務(wù)中的分析需求，剖析各個環(huán)節(jié)的難點、痛點、瓶頸，啟發(fā)出解決之道；完成講師布置的項目案例，鞏固學(xué)過的大數(shù)據(jù)分析挖掘處理平臺技術(shù)知識以及應(yīng)用技能 |
討論交流 |
七、師資力量
周老師，男，中國科學(xué)院通信與信息系統(tǒng)專業(yè)博士。北京郵電大學(xué)移動互聯(lián)網(wǎng)與信息化實驗室特聘研究員、對外經(jīng)貿(mào)大學(xué)信息學(xué)院特聘兼職教師、中國移動集團高級培訓(xùn)講師，長期從事大數(shù)據(jù)、4G、移動互聯(lián)網(wǎng)安全、管理及大數(shù)據(jù)精確營銷等研究方向。國內(nèi)頂級信息系統(tǒng)架構(gòu)師，金牌講師，技術(shù)顧問，移動開發(fā)專家。擁有豐富的通信信息系統(tǒng)設(shè)計、開發(fā)經(jīng)驗及培訓(xùn)行業(yè)經(jīng)驗，先后為全國超過15家省移動公司，超過30家地市移動公司有過項目開發(fā)合作及授課，擔(dān)任多個大型通信項目的總師。
鐘老師，男，博士畢業(yè)于中國科學(xué)院，獲工學(xué)博士學(xué)位（計算機系統(tǒng)結(jié)構(gòu)方向），曾在國內(nèi)某高校和某大型通信企業(yè)工作過，目前在中國科學(xué)院某研究所工作，高級工程師，副研究員，課題組長，團隊成員二十余人。大數(shù)據(jù)、云計算系列課程建設(shè)與教學(xué)專家，新技術(shù)課程開發(fā)組長。近八年來帶領(lǐng)團隊主要從事大數(shù)據(jù)管理與高性能分析處理（Hadoop、Spark、Storm）、大數(shù)據(jù)倉庫（HIVE）和實時數(shù)據(jù)倉庫（SparkSQL、Shark），大數(shù)據(jù)建模挖掘與機器學(xué)習(xí)（Mahout、MLib、Oryx、Pentaho BI、SAS、SPSS、R等）、MPP并行數(shù)據(jù)倉庫（Greenplum etc）、NoSQL與NewSQL分布式數(shù)據(jù)庫（HBase、MongoDB、Cassandra etc）、（移動）電子商務(wù)平臺、大數(shù)據(jù)搜索平臺（ElasticSearch、Solr、Lucene等）、云計算與虛擬化（OpenStack，VMware，XenServer，CloudStack，KVM，Docker，SaaS服務(wù)）、云存儲系統(tǒng)、Swift對象存儲系統(tǒng)、網(wǎng)絡(luò)GIS地圖服務(wù)器、互聯(lián)網(wǎng)+在線教育云平臺方面的項目研發(fā)與管理工作。
八、頒發(fā)證書
參加相關(guān)培訓(xùn)并通過考試的學(xué)員，可以獲得：
1.工業(yè)和信息化部頒發(fā)的-大數(shù)據(jù)挖掘高級工程師職業(yè)技能證書。該證書可作為專業(yè)技術(shù)人員職業(yè)能力考核的證明，以及專業(yè)技術(shù)人員崗位聘用、任職、定級和晉升職務(wù)的重要依據(jù)。
注：請學(xué)員帶二寸彩照2張（背面注明姓名）、身份證復(fù)印件一張。
九、培訓(xùn)費用及須知
培訓(xùn)費7800元/人。（含培訓(xùn)費、資料費、考試費、證書費、講義費等）。需要住宿學(xué)員請?zhí)崆巴ㄖ山y(tǒng)一安排，費用自理。
【報名咨詢】
聯(lián)系電話：010-62258232 62278113 13718601312 13120125786
聯(lián) 系 人：李先生 陳小姐
