關(guān)于舉辦 “大數(shù)據(jù)建模與分析挖掘應(yīng)用”實(shí)戰(zhàn)培訓(xùn)班的通知
一、課程簡(jiǎn)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(yùn)營(yíng)等行業(yè),給這些行業(yè)帶來了一定的數(shù)據(jù)價(jià)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(shí)踐大數(shù)據(jù)分析挖掘平臺(tái)的項(xiàng)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(tái)架構(gòu),實(shí)現(xiàn)項(xiàng)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(tái)技術(shù),重點(diǎn)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(cè)分析算法、推薦分析模型等在業(yè)務(wù)中的實(shí)踐應(yīng)用,并根據(jù)講師給定的數(shù)據(jù)集,實(shí)現(xiàn)兩個(gè)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(shí)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(dòng)硬盤),基本的大數(shù)據(jù)分析平臺(tái)所依賴的軟件包和依賴庫(kù)等,講師已經(jīng)提前部署在虛擬機(jī)鏡像(VMware鏡像),學(xué)員根據(jù)講師的操作任務(wù)進(jìn)行實(shí)踐。
本課程采用技術(shù)原理與項(xiàng)目實(shí)戰(zhàn)相結(jié)合的方式進(jìn)行教學(xué),在講授原理的過程中,穿插實(shí)際的系統(tǒng)操作,本課程講師也精心準(zhǔn)備的實(shí)際的應(yīng)用案例供學(xué)員動(dòng)手訓(xùn)練。
二、培訓(xùn)時(shí)間及地點(diǎn)
2022年04月14日-04月17日(14日?qǐng)?bào)到) 杭州
2022年05月26日-05月29日(26日?qǐng)?bào)到) 成都
2022年06月24日-06月27日(24日?qǐng)?bào)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(tái)技術(shù)架構(gòu)、大數(shù)據(jù)分析的基本理論、機(jī)器學(xué)習(xí)的常用算法、國(guó)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(qiáng)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(tái)的實(shí)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(tái)架構(gòu)和實(shí)際應(yīng)用,并用結(jié)合實(shí)際的生產(chǎn)系統(tǒng)案例進(jìn)行教學(xué),掌握基于Hadoop大數(shù)據(jù)平臺(tái)的數(shù)據(jù)挖掘和數(shù)據(jù)倉(cāng)庫(kù)分布式系統(tǒng)平臺(tái)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(tái)形成大數(shù)據(jù)分析平臺(tái)的應(yīng)用剖析。
3.讓學(xué)員掌握常見的機(jī)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(tái)的實(shí)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(jìn)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(xiàng)目的規(guī)劃咨詢管理人員
3.大數(shù)據(jù)分析項(xiàng)目的IT項(xiàng)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(yùn)維工程師
6.大數(shù)據(jù)分析項(xiàng)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(shí)戰(zhàn)案例訓(xùn)練+ 互動(dòng)咨詢討論,共3天
(說明:講師會(huì)提供虛擬機(jī)鏡像,并把Hadoop,Spark等系統(tǒng)提前部署在虛擬機(jī)中,分析挖掘平臺(tái)構(gòu)建在Hadoop與Spark之上,學(xué)員自帶筆記本,運(yùn)行虛擬機(jī),并利用同樣的鏡像啟動(dòng)多臺(tái)虛擬機(jī),構(gòu)建實(shí)驗(yàn)集群,鏡像會(huì)提前給學(xué)員)
六、詳細(xì)大綱與培訓(xùn)內(nèi)容
兩個(gè)完整的項(xiàng)目任務(wù)和實(shí)踐案例(重點(diǎn)) |
1.日志分析建模與日志挖掘項(xiàng)目實(shí)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(cāng)庫(kù) b)互聯(lián)網(wǎng)微博日志分析系統(tǒng)項(xiàng)目 2.推薦系統(tǒng)項(xiàng)目實(shí)踐 a)電影數(shù)據(jù)分析與個(gè)性化推薦關(guān)聯(lián)分析項(xiàng)目 b)電商購(gòu)物籃分析項(xiàng)目 Hadoop,Spark,可結(jié)合Oryx分布式集群在個(gè)性化推薦和精準(zhǔn)營(yíng)銷項(xiàng)目。 |
項(xiàng)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(gè)項(xiàng)目的原型 |
培訓(xùn)內(nèi)容安排如下:
時(shí)間 |
內(nèi)容提要 |
授課詳細(xì)內(nèi)容 |
實(shí)踐訓(xùn)練 |
第一天 |
業(yè)界主流的數(shù)據(jù)倉(cāng)庫(kù)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(xiàng)目解決方案 2. 業(yè)界數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)分析挖掘平臺(tái)軟件工具 3. Hadoop數(shù)據(jù)倉(cāng)庫(kù)工具Hive 4. Spark實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)工具SparkSQL 5. Hadoop數(shù)據(jù)分析挖掘工具M(jìn)ahout 6. Spark機(jī)器學(xué)習(xí)與數(shù)據(jù)分析挖掘工具M(jìn)Llib 7. 大數(shù)據(jù)分析挖掘項(xiàng)目的實(shí)施步驟 |
配置數(shù)據(jù)倉(cāng)庫(kù)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(xiàng)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(cāng)庫(kù)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(cāng)庫(kù) 3. 數(shù)據(jù)分析挖掘模塊從大型的集中式數(shù)據(jù)倉(cāng)庫(kù)中訪問數(shù)據(jù),一個(gè)數(shù)據(jù)倉(cāng)庫(kù)面向一個(gè)主題,構(gòu)建兩個(gè)數(shù)據(jù)倉(cāng)庫(kù) 4. 同一個(gè)數(shù)據(jù)倉(cāng)庫(kù)中的事實(shí)表數(shù)據(jù),可以給多個(gè)不同類型的分析挖掘任務(wù)調(diào)用 5. 去除噪聲 |
項(xiàng)目數(shù)據(jù)集加載ETL到Hadoop Hive數(shù)據(jù)倉(cāng)庫(kù)并建立多維模型 | |
基于Hadoop的大型數(shù)據(jù)倉(cāng)庫(kù)管理平臺(tái)—HIVE數(shù)據(jù)倉(cāng)庫(kù)集群的多維分析建模應(yīng)用實(shí)踐 |
6. 基于Hadoop的大型分布式數(shù)據(jù)倉(cāng)庫(kù)在行業(yè)中的數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用案例 7. Hive數(shù)據(jù)倉(cāng)庫(kù)集群的平臺(tái)體系結(jié)構(gòu)、核心技術(shù)剖析 8. Hive Server的工作原理、機(jī)制與應(yīng)用 9. Hive數(shù)據(jù)倉(cāng)庫(kù)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(shí)踐 12. Hive數(shù)據(jù)倉(cāng)庫(kù)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(cāng)庫(kù)報(bào)表設(shè)計(jì) 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(cāng)庫(kù)集群中,用于共享訪問 |
利用HIVE構(gòu)建大型數(shù)據(jù)倉(cāng)庫(kù)項(xiàng)目的操作訓(xùn)練實(shí)踐 | |
Spark大數(shù)據(jù)分析挖掘平臺(tái)實(shí)踐操作訓(xùn)練 |
15. Spark大數(shù)據(jù)分析挖掘平臺(tái)的部署配置 16. Spark數(shù)據(jù)分析庫(kù)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(yùn)行 |
||
第二天 |
聚類分析建模與挖掘算法的實(shí)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(shí)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(shí)現(xiàn)原理和實(shí)際場(chǎng)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(shí)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(shí)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(shí)現(xiàn)與應(yīng)用, 包括: f) Spark決策樹算法實(shí)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(jī)(Support vector machine) j) 以上算法在Spark MLlib中的實(shí)現(xiàn)原理和實(shí)際場(chǎng)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(shí)現(xiàn)給商品貼標(biāo)簽的程序示例 23. Spark實(shí)現(xiàn)用戶行為的自動(dòng)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(shí)現(xiàn)原理和技術(shù)應(yīng)用 |
24. 預(yù)測(cè)、推薦分析建模與算法原理及其在Spark MLlib中的實(shí)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(shí)現(xiàn)原理和實(shí)際場(chǎng)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(shí)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(shí)現(xiàn) |
推薦分析實(shí)現(xiàn)步驟與操作(重點(diǎn)) |
回歸分析模型與預(yù)測(cè)算法 |
27. 利用線性回歸(多元回歸)實(shí)現(xiàn)訪問量預(yù)測(cè) 28. 利用非線性回歸預(yù)測(cè)成交量和訪問量的關(guān)系 29. 基于R+Spark實(shí)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(diǎn)檢測(cè)的程序示例 |
回歸分析預(yù)測(cè)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(shí)現(xiàn)網(wǎng)頁(yè)鏈接分析,計(jì)算網(wǎng)頁(yè)重要性排名 32. 實(shí)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(shí)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(shí)踐 |
33. 神經(jīng)網(wǎng)絡(luò)算法Neural Network的實(shí)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(jī) 36. 基于Spark的深度學(xué)習(xí)算法模型庫(kù)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(kù)實(shí)現(xiàn)文本與圖片數(shù)據(jù)挖掘 | |
項(xiàng)目實(shí)踐 |
37. 日志分析系統(tǒng)與日志挖掘項(xiàng)目實(shí)踐 a) Hadoop,Spark,ELK技術(shù)構(gòu)建日志數(shù)據(jù)倉(cāng)庫(kù) b) 互聯(lián)網(wǎng)微博日志分析系統(tǒng)項(xiàng)目 38. 推薦系統(tǒng)項(xiàng)目實(shí)踐 a) 電影數(shù)據(jù)分析與個(gè)性化推薦關(guān)聯(lián)分析項(xiàng)目 |
項(xiàng)目數(shù)據(jù)集和詳細(xì)的實(shí)驗(yàn)指導(dǎo)手冊(cè)由講師提供 | |
培訓(xùn)總結(jié) |
39. 項(xiàng)目方案的課堂討論,討論實(shí)際業(yè)務(wù)中的分析需求,剖析各個(gè)環(huán)節(jié)的難點(diǎn)、痛點(diǎn)、瓶頸,啟發(fā)出解決之道;完成講師布置的項(xiàng)目案例,鞏固學(xué)過的大數(shù)據(jù)分析挖掘處理平臺(tái)技術(shù)知識(shí)以及應(yīng)用技能 |
討論交流 |
七、師資力量
周老師,男,中國(guó)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(dòng)互聯(lián)網(wǎng)與信息化實(shí)驗(yàn)室特聘研究員、對(duì)外經(jīng)貿(mào)大學(xué)信息學(xué)院特聘兼職教師、中國(guó)移動(dòng)集團(tuán)高級(jí)培訓(xùn)講師,長(zhǎng)期從事大數(shù)據(jù)、4G、移動(dòng)互聯(lián)網(wǎng)安全、管理及大數(shù)據(jù)精確營(yíng)銷等研究方向。國(guó)內(nèi)頂級(jí)信息系統(tǒng)架構(gòu)師,金牌講師,技術(shù)顧問,移動(dòng)開發(fā)專家。擁有豐富的通信信息系統(tǒng)設(shè)計(jì)、開發(fā)經(jīng)驗(yàn)及培訓(xùn)行業(yè)經(jīng)驗(yàn),先后為全國(guó)超過15家省移動(dòng)公司,超過30家地市移動(dòng)公司有過項(xiàng)目開發(fā)合作及授課,擔(dān)任多個(gè)大型通信項(xiàng)目的總師。
鐘老師,男,博士畢業(yè)于中國(guó)科學(xué)院,獲工學(xué)博士學(xué)位(計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)方向),曾在國(guó)內(nèi)某高校和某大型通信企業(yè)工作過,目前在中國(guó)科學(xué)院某研究所工作,高級(jí)工程師,副研究員,課題組長(zhǎng),團(tuán)隊(duì)成員二十余人。大數(shù)據(jù)、云計(jì)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(zhǎng)。近八年來帶領(lǐng)團(tuán)隊(duì)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(cāng)庫(kù)(HIVE)和實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)(SparkSQL、Shark),大數(shù)據(jù)建模挖掘與機(jī)器學(xué)習(xí)(Mahout、MLib、Oryx、Pentaho BI、SAS、SPSS、R等)、MPP并行數(shù)據(jù)倉(cāng)庫(kù)(Greenplum etc)、NoSQL與NewSQL分布式數(shù)據(jù)庫(kù)(HBase、MongoDB、Cassandra etc)、(移動(dòng))電子商務(wù)平臺(tái)、大數(shù)據(jù)搜索平臺(tái)(ElasticSearch、Solr、Lucene等)、云計(jì)算與虛擬化(OpenStack,VMware,XenServer,CloudStack,KVM,Docker,SaaS服務(wù))、云存儲(chǔ)系統(tǒng)、Swift對(duì)象存儲(chǔ)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(tái)方面的項(xiàng)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(jí)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(jí)和晉升職務(wù)的重要依據(jù)。
注:請(qǐng)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(fèi)用及須知
培訓(xùn)費(fèi)7800元/人。(含培訓(xùn)費(fèi)、資料費(fèi)、考試費(fèi)、證書費(fèi)、講義費(fèi)等)。需要住宿學(xué)員請(qǐng)?zhí)崆巴ㄖ山y(tǒng)一安排,費(fèi)用自理。
【報(bào)名咨詢】
聯(lián)系電話:010-62258232 62278113 13718601312 13120125786
聯(lián) 系 人:李先生 陳小姐