天天干天天操天天爱-天天干天天操天天操-天天干天天操天天插-天天干天天操天天干-天天干天天操天天摸

        大數(shù)據(jù)分析挖掘-基于Hadoop/Mahout/MLlib培訓(xùn)

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 MapReduce/DAG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)ahout/MLib

1）Hadoop中的Mahoutb介紹

2）Spark中的Mahout/MLib介紹

3）系統(tǒng)及其Mahout實(shí)現(xiàn)方法

4）信息聚類及其MLlib實(shí)現(xiàn)方法

5）分類技術(shù)在Mahout/MLib中的實(shí)現(xiàn)方法

第四講 系統(tǒng)及其應(yīng)用開發(fā)

1）一個(gè)系統(tǒng)的模型

2）基于內(nèi)容的

3）協(xié)同過濾

4）基于Mahout的電影案例

第五講 分類技術(shù)及其應(yīng)用

1）分類的定義

2）分類主要算法

3）Mahout分類過程

4）評(píng)估指標(biāo)以及評(píng)測(cè)

5）貝葉斯算法新聞分類實(shí)例

第六講 聚類技術(shù)及其應(yīng)用

1）聚類的定義

2）聚類的主要算法

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的新聞聚類實(shí)例

第七講 關(guān)聯(lián)規(guī)則和相似項(xiàng)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(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）流過濾和Bloom filter

第九講 云環(huán)境下大數(shù)據(jù)挖掘應(yīng)用

1）與Hadoop/Yarn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