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應用介紹）（北京，5月30-6月1日）
【舉辦單位】北京曼頓培訓網(wǎng) www.mdpxb.com 中國培訓資訊網(wǎng) www.e71edu.com
【咨詢電話】4006820825 010-56133998 13810210257
【培訓日期】2018年5月30-6月1日
【培訓地點】北京
【培訓對象】
1，系統(tǒng)架構(gòu)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。

【課程背景】
隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，我們已經(jīng)切實地迎來了一個大數(shù)據(jù)的時代。大數(shù)據(jù)是指無法在一定時間內(nèi)用常規(guī)軟件工具對其內(nèi)容進行抓取、管理和處理的數(shù)據(jù)集合，對大數(shù)據(jù)的分析已經(jīng)成為一個非常重要且緊迫的需求。目前對大數(shù)據(jù)的分析工具，首選的是HadoopYarn平臺。HadoopYarn在可伸縮性、健壯性、計算性能和成本上具有無可替代的優(yōu)勢，事實上已成為當前互聯(lián)網(wǎng)企業(yè)主流的大數(shù)據(jù)分析平臺。為解決廣大系統(tǒng)設計人員深入研究與開發(fā)大數(shù)據(jù)技術的需要，培訓中心特在“大數(shù)據(jù)處理技術-基于HadoopYarn的實戰(zhàn)”課程的基礎上，針對已有或即將建立HadoopYarn集群，擁有海量數(shù)據(jù)，需要做用戶推薦、產(chǎn)品聚類，信息分類等大數(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”培訓班

【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。在此基礎上，Apache Hadoop開源項目開發(fā)團隊，克隆并推出了HadoopYarn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Hive，Zookeeper和Mahout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)。在此基礎上，以Berkley牽頭設計的SparkBDAS技術，實現(xiàn)了內(nèi)存級別的分布式處理模式，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。
本課程從大數(shù)據(jù)挖掘分析技術實戰(zhàn)的角度，結(jié)合理論和實踐，全方位地介紹Mahout和 MLlib等大數(shù)據(jù)挖掘工具的開發(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，分類技術及聚類分析，以及與流挖掘和Docker技術的結(jié)合，分析了大數(shù)據(jù)挖掘前景分析。
本課程教學過程中還提供了案例分析來幫助學員了解如何用Mahout和 MLlib挖掘工具來解決具體的問題，并介紹了從大數(shù)據(jù)中挖掘出有價值的信息的關鍵。
本課程不是一個泛泛的理論性、概念性的介紹課程，而是針對問題討論Mahout和 MLlib解決方案的深入課程。教師對于上述領域有深入的理論研究與實踐經(jīng)驗，在課程中將會針對這些問題與學員一起進行研究，在關鍵點上還會搭建實驗環(huán)境進行實踐研究，以加深對于這些解決方案的理解。通過本課程學習，希望推動大數(shù)據(jù)分析挖掘項目開發(fā)上升到一個新水平。

【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，數(shù)據(jù)倉庫與數(shù)據(jù)挖掘處理有一定的基礎知識。
3，對HadoopYarnSpark大數(shù)據(jù)技術有一定的了解。

【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HadoopYarnSpark的核心數(shù)據(jù)分析技術
3，深入學習MahoutMLlib挖掘工具在大數(shù)據(jù)中的使用。
4，掌握Storm流處理技術和Docker等技術與大數(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相關技術
3)大數(shù)據(jù)挖掘知識點
第二講 MapReduceDAG計算模式
1）分布式文件系統(tǒng)DFS
2）MapReduce計算模型介紹
3）使用MR進行算法設計
4）DAG及其算法設計
第三講 云挖掘工具MahoutMLib
1）Hadoop中的Mahoutb介紹
2）Spark中的MahoutMLib介紹
3）推薦系統(tǒng)及其Mahout實現(xiàn)方法
4）信息聚類及其MLlib實現(xiàn)方法
5）分類技術在MahoutMLib中的實現(xiàn)方法
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）基于Mahout的電影推薦案例
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）基于MLlib的新聞聚類實例
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）Storm和流數(shù)據(jù)處理模型
3）流處理中的數(shù)據(jù)抽樣
4）流過濾和Bloom filter
第九講 云環(huán)境下大數(shù)據(jù)挖掘應用
1）與HadoopYarn集群應用的協(xié)作
2）與Docker等其它云工具配合
3）大數(shù)據(jù)挖掘行業(yè)應用展望

【講師介紹】
楊老師,曼頓培訓網(wǎng)(www.mdpxb.com)資深講師。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。

【費用及報名】
1、費用：培訓費5800元（含培訓費、講義費）；如需食宿，會務組可統(tǒng)一安排,費用自理。
2、報名咨詢：4006820825 010-56133998 56028090 13810210257 鮑老師
3、報名流程：電話登記--填寫報名表--發(fā)出培訓確認函
4、備注：如課程已過期，請訪問我們的網(wǎng)站，查詢最新課程
5、詳細資料請訪問北京曼頓培訓網(wǎng)：www.mdpxb.com (每月在全國開設四百多門公開課，歡迎報名學習)