2018大數(shù)據(jù)建模與分析挖掘應(yīng)用實戰(zhàn)培訓班
時間：2018-10-27 08:00 至 2018-12-31 18:00
地點：貴陽
- 參會報名
- 會議介紹
- 會議日程
- 會議嘉賓
- 參會指南
-
手機下單
首頁 > 商務(wù)會議 > IT互聯(lián)網(wǎng)會議 > 2018大數(shù)據(jù)建模與分析挖掘應(yīng)用實戰(zhàn)培訓班 更新時間：2018-10-22T10:46:01
(點擊可切換)
|
2018大數(shù)據(jù)建模與分析挖掘應(yīng)用實戰(zhàn)培訓班 已截止報名會議時間： 2018-10-27 08:00至 2018-12-31 18:00結(jié)束 會議地點： 貴陽 None （不同城市巡回召開，課程詳情請見下方內(nèi)容介紹） 周邊酒店預(yù)訂 |
收藏4人
換一換
會議介紹
會議內(nèi)容 主辦方介紹
2018大數(shù)據(jù)建模與分析挖掘應(yīng)用實戰(zhàn)培訓班宣傳圖
2018年10月27日-10月31日 ?貴陽 （27日報到）???
2018年11月03日-11月07日 西安 (03日全天報到)
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練，系統(tǒng)地講解數(shù)據(jù)準備、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.*。
學員需要準備的電腦最好是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，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備的實際的應(yīng)用案例供學員動手訓練。
?
培訓目標
1.本課程讓學員充分掌握大數(shù)據(jù)平臺技術(shù)架構(gòu)、大數(shù)據(jù)分析的基本理論、機器學習的常用算法、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，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.讓學員掌握常見的機器學習算法，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。
培訓人群
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、
頒發(fā)證書
參加相關(guān)培訓并通過考試的學員，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：請學員帶二寸彩照2張（背面注明姓名）、身份證復印件一張。
查看更多
為響應(yīng)國家“人才興國、科教興國”戰(zhàn)略，緩解中國軟件技術(shù)人才需求日益緊張的現(xiàn)狀，推動中國軟件業(yè)的發(fā)展，培養(yǎng)一批高素質(zhì)的軟件專業(yè)人才，在工信部以及相關(guān)領(lǐng)導的大力支持下2008年成立了中國軟件產(chǎn)業(yè)培訓網(wǎng)（簡稱“軟博教育”），軟博教育自成立以來即定位于軟件技術(shù)專業(yè)人才培養(yǎng)實訓機構(gòu)，專注致力于軟件技術(shù)人才的培養(yǎng)，是中國科學院計算技術(shù)研究所教育中心合作培訓機構(gòu)，也是工信部人才交流中心唯一指定的全國計算機專業(yè)技術(shù)人才培訓基地”，“國家人力資源和社會保障部——全國信息化人才培養(yǎng)工程項目(即國家“653工程”)指定培養(yǎng)機構(gòu)”， 中國軟件產(chǎn)業(yè)培訓網(wǎng)（中聯(lián)軟博（北京）科技有限公司）--率先在國內(nèi)開展高級軟件架構(gòu)等IT高端培訓的公開課。多年來持續(xù)不斷的投入精力創(chuàng)新課程體系，至今已在國內(nèi)開展公開課培訓的課程達十幾門，分別涵蓋軟件架構(gòu)、軟件設(shè)計、項目管理、質(zhì)量管理、需求工程、運營管理等領(lǐng)域，也根據(jù)企事業(yè)單位的實用需求, 通過定制培訓方案，培訓后的技術(shù)服務(wù)，將企業(yè)單位的信息化投資的效益發(fā)揮到最高點。目前中心已經(jīng)與幾百家企事業(yè)單位建立了長期的培訓合作關(guān)系, 深得用戶信賴和好評。
會議日程
（最終日程以會議現(xiàn)場為準）
|
|
|
定制授課+ 實戰(zhàn)案例訓練+ 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，鏡像會提前給學員）
詳細大綱與培訓內(nèi)容
培訓內(nèi)容安排如下：
|
時間 |
內(nèi)容提要 |
授課詳細內(nèi)容 |
實踐訓練 |
|
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 |
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 業(yè)界數(shù)據(jù)倉庫與數(shù)據(jù)分析挖掘平臺軟件工具 Hadoop數(shù)據(jù)倉庫工具Hive Spark實時數(shù)據(jù)倉庫工具SparkSQL Hadoop數(shù)據(jù)分析挖掘工具Mahout Spark機器學習與數(shù)據(jù)分析挖掘工具MLlib 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)集成操作訓練 |
日志數(shù)據(jù)解析和導入導出到數(shù)據(jù)倉庫的操作訓練 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 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 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 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 |
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 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 Hive Server的工作原理、機制與應(yīng)用 Hive數(shù)據(jù)倉庫集群的安裝部署與配置優(yōu)化 Hive應(yīng)用開發(fā)技巧 Hive SQL剖析與應(yīng)用實踐 Hive數(shù)據(jù)倉庫表與表分區(qū)、表操作、數(shù)據(jù)導入導出、客戶端操作技巧 Hive數(shù)據(jù)倉庫報表設(shè)計 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)倉庫項目的操作訓練實踐 |
|
|
Spark大數(shù)據(jù)分析挖掘平臺實踐操作訓練 |
Spark大數(shù)據(jù)分析挖掘平臺的部署配置 Spark數(shù)據(jù)分析庫MLlib的開發(fā)部署 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 |
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： Canopy聚類（canopy clustering） K均值算法（K-means clustering） 模糊K均值（Fuzzy K-means clustering） EM聚類，即期望最大化聚類（Expectation Maximization） 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。 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? |
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： Spark決策樹算法實現(xiàn) 邏輯回歸算法（logistics regression） 貝葉斯算法（Bayesian與Cbeyes） 支持向量機（Support vector machine） 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。 Spark客戶資料分析與給用戶貼標簽的程序示例 Spark實現(xiàn)給商品貼標簽的程序示例 Spark實現(xiàn)用戶行為的自動標簽和深度技術(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? |
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： Spark頻繁模式挖掘算法（parallel FP Growth Algorithm）應(yīng)用
Spark關(guān)聯(lián)規(guī)則挖掘（Apriori）算法及其應(yīng)用
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。 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 |
推薦算法原理及其在Spark MLlib中的實現(xiàn)與應(yīng)用，包括： Spark協(xié)同過濾算法程序示例 Item-based協(xié)同過濾與推薦 User-based協(xié)同過濾與推薦 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 |
利用線性回歸（多元回歸）實現(xiàn)訪問量預(yù)測 利用非線性回歸預(yù)測成交量和訪問量的關(guān)系 基于R+Spark實現(xiàn)回歸分析模型及其應(yīng)用操作 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 |
利用Spark GraphX實現(xiàn)網(wǎng)頁鏈接分析，計算網(wǎng)頁重要性排名 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)與深度學習算法模型及其應(yīng)用實踐 |
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 基于人工神經(jīng)網(wǎng)絡(luò)的深度學習的訓練過程 傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的訓練方法 Deep Learning的訓練方法 深度學習的常用模型和方法 CNN（Convolutional Neural Network）卷積神經(jīng)網(wǎng)絡(luò) RNN（Recurrent Neural Network）循環(huán)神經(jīng)網(wǎng)絡(luò)模型 Restricted Boltzmann Machine(RBM)限制波爾茲曼機 基于Spark的深度學習算法模型庫的應(yīng)用程序示例 |
基于Spark或TensorFlow神經(jīng)網(wǎng)絡(luò)深度學習庫實現(xiàn)文本與圖片數(shù)據(jù)挖掘 |
|
|
項目實踐 |
日志分析系統(tǒng)與日志挖掘項目實踐 Hadoop，Spark，ELK技術(shù)構(gòu)建日志數(shù)據(jù)倉庫 互聯(lián)網(wǎng)微博日志分析系統(tǒng)項目 推薦系統(tǒng)項目實踐 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手冊由講師提供 |
|
|
? |
培訓總結(jié) |
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 |
查看更多
會議嘉賓
（最終出席嘉賓以會議現(xiàn)場為準）
張老師：阿里大數(shù)據(jù)高級專家，國內(nèi)資深的Spark、Hadoop技術(shù)專家、虛擬化專家，對HDFS、MapReduce、HBase、Hive、Mahout、Storm、spark和openTSDB等Hadoop生態(tài)系統(tǒng)中的技術(shù)進行了多年的深入的研究，更主要的是這些技術(shù)在大量的實際項目中得到廣泛的應(yīng)用，因此在Hadoop開發(fā)和運維方面積累了豐富的項目實施經(jīng)驗。近年主要典型的項目有：某電信集團網(wǎng)絡(luò)優(yōu)化、中國移動某省移動公司請賬單系統(tǒng)和某省移動詳單實時查詢系統(tǒng)、中國銀聯(lián)大數(shù)據(jù)數(shù)據(jù)票據(jù)詳單平臺、某大型銀行大數(shù)據(jù)記錄系統(tǒng)、某大型通信運營商全國用戶上網(wǎng)記錄、某省交通部門違章系統(tǒng)、某區(qū)域醫(yī)療大數(shù)據(jù)應(yīng)用項目、互聯(lián)網(wǎng)公共數(shù)據(jù)大云(DAAS)和構(gòu)建游戲云(Web Game Daas)平臺項目等。 ????、
鐘老師，男，博士畢業(yè)于中國科學院，獲工學博士學位（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)建模挖掘與機器學習（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。
查看更多
參會指南
溫馨提示
酒店與住宿:
為防止極端情況下活動延期或取消，建議“異地客戶”與活動家客服確認參會信息后，再安排出行與住宿。
退款規(guī)則:
活動各項資源需提前采購，購票后不支持退款，可以換人參加。
您可能還會關(guān)注
-
DAMS2025中國數(shù)據(jù)智能管理峰會（上海）
2025-09-12 上海
-
SECon 2025 全球軟件工程技術(shù)大會·深圳
2025-06-20 深圳
-
SECON 2025全球軟件工程技術(shù)大會·上海
2025-11-21 上海
-
AICon 全球人工智能開發(fā)與應(yīng)用大會 2025·上海
2025-05-23 上海
贊助
