
大數據分析基(ji)于Hadoop與Mahou培訓
第一講大數(shu)據挖(wa)掘及其背(bei)景
1)數據挖掘定義
2)Hadoop相關技術
3)大(da)數(shu)據挖(wa)掘知識點
第二講 MapReduce計算模式
1)分布式文件系統
2)MapReduce
3)使用MR的算法設計(ji)
第三講 Hadoop中的(de)云挖掘工具Mahout
1)Mahout介紹(shao)
2)系統
3)信息聚類
4)分類技術
5)其它挖掘
第四講(jiang) 系統及其應用開發
1)一個系統的模型
2)基于內容的
3)協同過濾
4)電影案例
第五講(jiang) 分類(lei)技術(shu)及(ji)其(qi)應(ying)用
1)分類的定義
2)分類主要算法
3)Mahout分類(lei)過程
4)評(ping)估指標以及評(ping)測(ce)
5)貝葉斯算法新(xin)聞分類實例(li)
第六講 聚(ju)類技術(shu)及(ji)其(qi)應用(yong)
1)聚類的定義
2)聚類的主要算法
3)K-Means、Canopy及其(qi)應用示(shi)例(li)
4)Fuzzy K-Means、Dirichlet及其應(ying)用示(shi)例
5)路透新(xin)聞聚類實例
第七講 關聯規則和相似項(xiang)發(fa)現
1)購物籃模型
2)Apriori算法
3)抄襲文檔發現
4)近鄰的應用
第(di)八(ba)講(jiang) 流數據(ju)挖(wa)掘相(xiang)關技術
1)流(liu)數據(ju)挖掘及分析
2)流數據模型
3)數據抽樣
4)流過濾
第(di)九講 大數據(ju)挖(wa)掘應用前景
1)與Hadoop集群(qun)應用的協作
2)與(yu)RHadoop等其它云挖掘工具配合
3)大數據挖掘行業應用展(zhan)望
六、培訓
1, 了解大數據處理技術(shu)的相關知識。
2,學習Hadoop的核心技術方(fang)法(fa)以(yi)及應(ying)用特征。
3,深入使用(yong)Mahout挖掘工具在大數據中的使用(yong)。
4,掌(zhang)握流數據挖掘和其它大數據挖掘關鍵技術。