?大數(shù)據(jù)分析-?基于Hadoop/Mahout的大數(shù)據(jù)挖掘培訓(xùn)課程

培訓(xùn)內(nèi)容：

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)挖掘知識點

第二講MapReduce計算模式

1）分布式文件系統(tǒng)

2）MapReduce

3）使用MR的算法設(shè)計

第三講Hadoop中的云挖掘工具Mahout

1）Mahout介紹

2）推薦系統(tǒng)

3）信息聚類

4）分類技術(shù)

5）其它挖掘

第四講推薦系統(tǒng)及其應(yīng)用開發(fā)

1）一個推薦系統(tǒng)的模型

2）基于內(nèi)容的推薦

3）協(xié)同過濾

4）電影推薦案例

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）評估指標(biāo)以及評測

5）貝葉斯算法新聞分類實例

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）FuzzyK-Means、Dirichlet及其應(yīng)用示例

5）路透新聞聚類實例

第七講關(guān)聯(lián)規(guī)則和相似項發(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）流數(shù)據(jù)模型

3）數(shù)據(jù)抽樣

4）流過濾

第九講大數(shù)據(jù)挖掘應(yīng)用前景

1）與Hadoop集群應(yīng)用的協(xié)作

2）與RHadoop等其它云挖掘工具配合

3）大數(shù)據(jù)挖掘行業(yè)應(yīng)用展望