大數(shù)據(jù)分析挖掘-基于HadoopMahoutMllib的大數(shù)據(jù)挖掘（含Spark、Storm和Docker應(yīng)用介紹）（北京，5月30-6月1日）
【舉辦單位】北京曼頓培訓(xùn)網(wǎng) www.mdpxb.com 中國(guó)培訓(xùn)資訊網(wǎng) www.e71edu.com
【咨詢電話】4006820825 010-56133998 13810210257
【培訓(xùn)日期】2018年5月30-6月1日
【培訓(xùn)地點(diǎn)】北京
【培訓(xùn)對(duì)象】
1，系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級(jí)程序員、資深開(kāi)發(fā)人員。
2，牽涉到大數(shù)據(jù)處理的數(shù)據(jù)中心運(yùn)行、規(guī)劃、設(shè)計(jì)負(fù)責(zé)人。
3，政府機(jī)關(guān)，金融保險(xiǎn)、移動(dòng)和互聯(lián)網(wǎng)等大數(shù)據(jù)來(lái)源單位的負(fù)責(zé)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(xiàng)目負(fù)責(zé)人。

【課程背景】
隨著互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，我們已經(jīng)切實(shí)地迎來(lái)了一個(gè)大數(shù)據(jù)的時(shí)代。大數(shù)據(jù)是指無(wú)法在一定時(shí)間內(nèi)用常規(guī)軟件工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合，對(duì)大數(shù)據(jù)的分析已經(jīng)成為一個(gè)非常重要且緊迫的需求。目前對(duì)大數(shù)據(jù)的分析工具，首選的是HadoopYarn平臺(tái)。HadoopYarn在可伸縮性、健壯性、計(jì)算性能和成本上具有無(wú)可替代的優(yōu)勢(shì)，事實(shí)上已成為當(dāng)前互聯(lián)網(wǎng)企業(yè)主流的大數(shù)據(jù)分析平臺(tái)。為解決廣大系統(tǒng)設(shè)計(jì)人員深入研究與開(kāi)發(fā)大數(shù)據(jù)技術(shù)的需要，培訓(xùn)中心特在“大數(shù)據(jù)處理技術(shù)-基于HadoopYarn的實(shí)戰(zhàn)”課程的基礎(chǔ)上，針對(duì)已有或即將建立HadoopYarn集群，擁有海量數(shù)據(jù)，需要做用戶推薦、產(chǎn)品聚類(lèi)，信息分類(lèi)等大數(shù)據(jù)分析用戶，舉辦“大數(shù)據(jù)分析挖掘-基于HadoopMahoutMLlib的大數(shù)據(jù)挖掘”培訓(xùn)班

【培訓(xùn)要點(diǎn)】
互聯(lián)網(wǎng)點(diǎn)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(dòng)數(shù)據(jù)和涉及網(wǎng)絡(luò)的各類(lèi)評(píng)論，成為了海量信息的多種形式。當(dāng)數(shù)據(jù)以成百上千TB不斷增長(zhǎng)的時(shí)候，我們?cè)趦?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(shù)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(lèi)型(Variety)繁多,價(jià)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(dāng)前亟待解決的問(wèn)題。大數(shù)據(jù)處理意味著更嚴(yán)峻的挑戰(zhàn)，更好地管理和處理這些數(shù)據(jù)也將會(huì)獲得意想不到的收獲。
Google發(fā)布的GFS和MapReduce等高可擴(kuò)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(yè)數(shù)據(jù)時(shí)該框架的優(yōu)越性。在此基礎(chǔ)上，Apache Hadoop開(kāi)源項(xiàng)目開(kāi)發(fā)團(tuán)隊(duì)，克隆并推出了HadoopYarn系統(tǒng)。該系統(tǒng)已受到學(xué)術(shù)界和工業(yè)界的廣泛認(rèn)可和采納，并孵化出眾多子項(xiàng)目(如Hive，Zookeeper和Mahout等)，日益形成一個(gè)易部署、易開(kāi)發(fā)、功能齊全、性能優(yōu)良的系統(tǒng)。在此基礎(chǔ)上，以Berkley牽頭設(shè)計(jì)的SparkBDAS技術(shù)，實(shí)現(xiàn)了內(nèi)存級(jí)別的分布式處理模式，使用戶無(wú)需關(guān)注復(fù)雜的內(nèi)部工作機(jī)制，無(wú)需具備豐富的分布式系統(tǒng)知識(shí)及開(kāi)發(fā)經(jīng)驗(yàn)，即可實(shí)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。
本課程從大數(shù)據(jù)挖掘分析技術(shù)實(shí)戰(zhàn)的角度，結(jié)合理論和實(shí)踐，全方位地介紹Mahout和 MLlib等大數(shù)據(jù)挖掘工具的開(kāi)發(fā)技巧。本課程涉及的主題包括：大數(shù)據(jù)挖掘及其背景，Mahout和 MLlib大數(shù)據(jù)挖掘工具，推薦系統(tǒng)及電影推薦案例，分類(lèi)技術(shù)及聚類(lèi)分析，以及與流挖掘和Docker技術(shù)的結(jié)合，分析了大數(shù)據(jù)挖掘前景分析。
本課程教學(xué)過(guò)程中還提供了案例分析來(lái)幫助學(xué)員了解如何用Mahout和 MLlib挖掘工具來(lái)解決具體的問(wèn)題，并介紹了從大數(shù)據(jù)中挖掘出有價(jià)值的信息的關(guān)鍵。
本課程不是一個(gè)泛泛的理論性、概念性的介紹課程，而是針對(duì)問(wèn)題討論Mahout和 MLlib解決方案的深入課程。教師對(duì)于上述領(lǐng)域有深入的理論研究與實(shí)踐經(jīng)驗(yàn)，在課程中將會(huì)針對(duì)這些問(wèn)題與學(xué)員一起進(jìn)行研究，在關(guān)鍵點(diǎn)上還會(huì)搭建實(shí)驗(yàn)環(huán)境進(jìn)行實(shí)踐研究，以加深對(duì)于這些解決方案的理解。通過(guò)本課程學(xué)習(xí)，希望推動(dòng)大數(shù)據(jù)分析挖掘項(xiàng)目開(kāi)發(fā)上升到一個(gè)新水平。

【學(xué)員基礎(chǔ)】
1，對(duì)IT系統(tǒng)設(shè)計(jì)有一定的理論與實(shí)踐經(jīng)驗(yàn)。
2，數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘處理有一定的基礎(chǔ)知識(shí)。
3，對(duì)HadoopYarnSpark大數(shù)據(jù)技術(shù)有一定的了解。

【培訓(xùn)目標(biāo)】
1, 全面了解大數(shù)據(jù)處理技術(shù)的相關(guān)知識(shí)。
2，學(xué)習(xí)HadoopYarnSpark的核心數(shù)據(jù)分析技術(shù)
3，深入學(xué)習(xí)MahoutMLlib挖掘工具在大數(shù)據(jù)中的使用。
4，掌握Storm流處理技術(shù)和Docker等技術(shù)與大數(shù)據(jù)挖掘結(jié)合的方法。

【課程大綱】
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(guān)技術(shù)
3)大數(shù)據(jù)挖掘知識(shí)點(diǎn)
第二講 MapReduceDAG計(jì)算模式
1）分布式文件系統(tǒng)DFS
2）MapReduce計(jì)算模型介紹
3）使用MR進(jìn)行算法設(shè)計(jì)
4）DAG及其算法設(shè)計(jì)
第三講 云挖掘工具M(jìn)ahoutMLib
1）Hadoop中的Mahoutb介紹
2）Spark中的MahoutMLib介紹
3）推薦系統(tǒng)及其Mahout實(shí)現(xiàn)方法
4）信息聚類(lèi)及其MLlib實(shí)現(xiàn)方法
5）分類(lèi)技術(shù)在MahoutMLib中的實(shí)現(xiàn)方法
第四講 推薦系統(tǒng)及其應(yīng)用開(kāi)發(fā)
1）一個(gè)推薦系統(tǒng)的模型
2）基于內(nèi)容的推薦
3）協(xié)同過(guò)濾
4）基于Mahout的電影推薦案例
第五講 分類(lèi)技術(shù)及其應(yīng)用
1）分類(lèi)的定義
2）分類(lèi)主要算法
3）Mahout分類(lèi)過(guò)程
4）評(píng)估指標(biāo)以及評(píng)測(cè)
5）貝葉斯算法新聞分類(lèi)實(shí)例
第六講 聚類(lèi)技術(shù)及其應(yīng)用
1）聚類(lèi)的定義
2）聚類(lèi)的主要算法
3）K-Means、Canopy及其應(yīng)用示例
4）Fuzzy K-Means、Dirichlet及其應(yīng)用示例
5）基于MLlib的新聞聚類(lèi)實(shí)例
第七講 關(guān)聯(lián)規(guī)則和相似項(xiàng)發(fā)現(xiàn)
1）購(gòu)物籃模型
2）Apriori算法
3）抄襲文檔發(fā)現(xiàn)
4）近鄰搜索的應(yīng)用
第八講 流數(shù)據(jù)挖掘相關(guān)技術(shù)
1）流數(shù)據(jù)挖掘及分析
2）Storm和流數(shù)據(jù)處理模型
3）流處理中的數(shù)據(jù)抽樣
4）流過(guò)濾和Bloom filter
第九講 云環(huán)境下大數(shù)據(jù)挖掘應(yīng)用
1）與HadoopYarn集群應(yīng)用的協(xié)作
2）與Docker等其它云工具配合
3）大數(shù)據(jù)挖掘行業(yè)應(yīng)用展望

【講師介紹】
楊老師,曼頓培訓(xùn)網(wǎng)(www.mdpxb.com)資深講師。主要研究網(wǎng)絡(luò)信息分析以及云計(jì)算相關(guān)技術(shù)，長(zhǎng)期從事通信網(wǎng)管系統(tǒng)、網(wǎng)絡(luò)信息處理、商務(wù)智能(BI)以及電信決策支持系統(tǒng)的研究開(kāi)發(fā)工作，主持和參與了多個(gè)國(guó)家和省部級(jí)基金項(xiàng)目，具有豐富的工程實(shí)踐及軟件研發(fā)經(jīng)驗(yàn)。

【費(fèi)用及報(bào)名】
1、費(fèi)用：培訓(xùn)費(fèi)5800元（含培訓(xùn)費(fèi)、講義費(fèi)）；如需食宿，會(huì)務(wù)組可統(tǒng)一安排,費(fèi)用自理。
2、報(bào)名咨詢：4006820825 010-56133998 56028090 13810210257 鮑老師
3、報(bào)名流程：電話登記--填寫(xiě)報(bào)名表--發(fā)出培訓(xùn)確認(rèn)函
4、備注：如課程已過(guò)期，請(qǐng)?jiān)L問(wèn)我們的網(wǎng)站，查詢最新課程
5、詳細(xì)資料請(qǐng)?jiān)L問(wèn)北京曼頓培訓(xùn)網(wǎng)：www.mdpxb.com (每月在全國(guó)開(kāi)設(shè)四百多門(mén)公開(kāi)課，歡迎報(bào)名學(xué)習(xí))