    大數據分析挖掘-基于Hadoop/Mahout/MLlib的大數據培訓

第一講大數據挖掘及其背景

1)數據挖掘定義

2)Hadoop相關技術

3)大數據挖掘知識點

第二講 MapReduce/DAG計算模式

1）分布式文件系統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Mahout/MLib

1）Hadoop中的Mahoutb介紹

2）Spark中的Mahout/MLib介紹

3）系統及其Mahout實現方法

4）信息聚類及其MLlib實現方法

5）分類技術在Mahout/MLib中的實現方法

第四講 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）基于Mahout的電影案例

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 關聯規則和相似項發現

1）購物籃模型

2）Apriori算法

3）抄襲文檔發現

4）近鄰搜索的應用

第八講 流數據挖掘相關技術

1）流數據挖掘及分析

2）Storm和流數據處理模型

3）流處理中的數據抽樣

4）流過濾和Bloom filter

第九講 云環境下大數據挖掘應用

1）與Hadoop/Yarn集群應用的協作

2）與Docker等其它云工具配合

3）大數據挖掘行業應用展望

六、培訓

1, 了解大數據處理技術的相關知識。

2，學習Hadoop/Yarn/Spark的核心數據分析技術

3，深入學習Mahout/MLlib挖掘工具在大數據中的使用。

4，掌握Storm流處理技術和Docker等技術與大數據挖掘結合的方法。