找会议，上manbext客户端下载 ManbetX官方
万博手机APP 发布活动
订单查询
  • 参会报名
  • 会议介绍
  • 会议日程
  • 会议嘉宾
  • 参会指南

大会站点分布：
(点击可切换)
大数据建模与分析挖掘应用实战培训班（8月重庆）
收藏人
分享到

大数据建模与分析挖掘应用实战培训班（8月重庆）已过期

会议时间： 09:00至 2021-08-28 17:00结束

发票类型：增值税普通发票 增值税专用发票

        会议介绍

        大数据建模与分析挖掘应用实战培训班（8月重庆）

        2021年08月25日-08月28日（25日报到）

        中国信息化人才培训中心 中国信息化人才培训中心

        会议日程

        （最终日程以会议现场为准）

        1. 业界主流的基于Hadoop和Spark的大数据分析挖掘项目解决方案
        2. 业界数据仓库与数据分析挖掘平台软件工具
        3. Hadoop数据仓库工具Hive
        4. Spark实时数据仓库工具SparkSQL
        5. Hadoop数据分析挖掘工具Mahout
        6. Spark机器学习与数据分析挖掘工具MLlib
        7. 大数据分析挖掘项目的实施步骤

        1. 日志数据解析和导入导出到数据仓库的操作训练
        2. 从原始搜索数据集中抽取、集成数据，整理后形成规范的数据仓库
        3. 数据分析挖掘模块从大型的集中式数据仓库中访问数据，一个数据仓库面向一个主题，构建两个数据仓库
        4. 同一个数据仓库中的事实表数据，可以给多个不同类型的分析挖掘任务调用
        5. 去除噪声

        1. 基于Hadoop的大型分布式数据仓库在行业中的数据仓库应用案例
        2. Hive数据仓库集群的平台体系结构、核心技术剖析
        3. Hive Server的工作原理、机制与应用
        4. Hive数据仓库集群的安装部署与配置优化
        5. Hive应用开发技巧
        6. Hive SQL剖析与应用实践
        7. Hive数据仓库表与表分区、表操作、数据导入导出、客户端操作技巧
        8. Hive数据仓库报表设计
        9. 将原始的日志数据集，经过整理后，加载至Hadoop + Hive数据仓库集群中，用于共享访问

        1. Spark大数据分析挖掘平台的部署配置
        2. Spark数据分析库MLlib的开发部署
        3. Spark数据分析挖掘示例操作，从Hive表中读取数据并在分布式内存中运行

        1. 聚类分析建模与算法原理及其在Spark MLlib中的实现与应用，包括：
          1. Canopy聚类（canopy clustering）
          2. K均值算法（K-means clustering）
          3. 模糊K均值（Fuzzy K-means clustering）
          4. EM聚类，即期望最大化聚类（Expectation Maximization）
          5. 以上算法在Spark MLib中的实现原理和实际场景中的应用案例。
        2. Spark聚类分析算法程序示例

        1. 分类分析建模与算法原理及其在Spark MLlib中的实现与应用， 包括：
          1. Spark决策树算法实现
          2. 逻辑回归算法（logistics regression）
          3. 贝叶斯算法（Bayesian与Cbeyes）
          4. 支持向量机（Support vector machine）
          5. 以上算法在Spark MLlib中的实现原理和实际场景中的应用案例。
        2. Spark客户资料分析与给用户贴标签的程序示例
        3. Spark实现给商品贴标签的程序示例
        4. Spark实现用户行为的自动标签和深度技术

        1. 预测、推荐分析建模与算法原理及其在Spark MLlib中的实现与应用，包括：
          1. Spark频繁模式挖掘算法（parallel FP Growth Algorithm）应用
          1. Spark关联规则挖掘（Apriori）算法及其应用
          1. 以上算法在Spark MLib中的实现原理和实际场景中的应用案例。
        2. Spark关联分析程序示例

        1. 推荐算法原理及其在Spark MLlib中的实现与应用，包括：
          1. Spark协同过滤算法程序示例
          2. Item-based协同过滤与推荐
          3. User-based协同过滤与推荐
          4. 交叉销售推荐模型及其实现

        1. 利用线性回归（多元回归）实现访问量预测
        2. 利用非线性回归预测成交量和访问量的关系
        3. 基于R+Spark实现回归分析模型及其应用操作
        4. Spark回归程序实现异常点检测的程序示例

        1. 利用Spark GraphX实现网页链接分析，计算网页重要性排名
        2. 实现信息传播的社交关系传递分析，互联网用户的行为关系分析任务的操作训练

        1. 神经网络算法Neural Network的实现方法和挖掘模型应用
        2. 基于人工神经网络的深度学习的训练过程
          1. 传统神经网络的训练方法
          2. Deep Learning的训练方法
        3. 深度学习的常用模型和方法
          1. CNN（Convolutional Neural Network）卷积神经网络
          2. RNN（Recurrent Neural Network）循环神经网络模型
          3. Restricted Boltzmann Machine(RBM)限制波尔兹曼机
        4. 基于Spark的深度学习算法模型库的应用程序示例

        1. 日志分析系统与日志挖掘项目实践
          1. Hadoop，Spark，ELK技术构建日志数据仓库
          2. 互联网微博日志分析系统项目
        2. 推荐系统项目实践
          1. 电影数据分析与个性化推荐关联分析项目

        1. 项目方案的课堂讨论，讨论实际业务中的分析需求，剖析各个环节的难点、痛点、瓶颈，启发出解决之道；完成讲师布置的项目案例，巩固学过的大数据分析挖掘处理平台技术知识以及应用技能

        会议嘉宾

        （最终出席嘉宾以会议现场为准）

        参会指南

        会前统一通知

        标签： 大数据 数据分析 数据建模 数据挖掘

        您可能还会关注

        • 会员折扣
          该会议支持会员折扣
          具体折扣标准请参见plus会员页面
        • 会员返积分
          每消费1元累积1个会员积分。
          仅PC站支持。
        • 会员积分抵现
          根据会员等级的不同，每抵用1元可使用的积分也不一样，具体可参见PLUS会员页面。 仅PC站支持。

        主办方没有公开参会单位

        录入信息

        • 联系我们

        Baidu
        map