• 參會報名
  • 會議介紹
  • 會議日程
  • 會議嘉賓
  • 參會指南

首頁 > 商務會議 > IT/技術會議 > 大數(shù)據(jù)建模與分析挖掘應用實戰(zhàn)培訓班(8月重慶) 更新時間:2021-05-25T19:20:59

大會站點分布:
(點擊可切換)
大數(shù)據(jù)建模與分析挖掘應用實戰(zhàn)培訓班(8月重慶)
收藏人
分享到

大數(shù)據(jù)建模與分析挖掘應用實戰(zhàn)培訓班(8月重慶) 已過期

會議時間:2021-08-25 09:00至 2021-08-28 17:00結(jié)束

會議地點: 重慶  會前統(tǒng)一通知  

會議規(guī)模:30人

主辦單位: 中國信息化人才培訓中心

發(fā)票類型:增值稅普通發(fā)票 增值稅專用發(fā)票

行業(yè)熱銷熱門關注看了又看 換一換

        會議介紹

        會議內(nèi)容 主辦方介紹


        大數(shù)據(jù)建模與分析挖掘應用實戰(zhàn)培訓班(8月重慶)

        大數(shù)據(jù)建模與分析挖掘應用實戰(zhàn)培訓班(8月重慶)宣傳圖

        ???????? 大數(shù)據(jù)建模與分析挖掘技術已經(jīng)逐步地應用到新興互聯(lián)網(wǎng)企業(yè)(如電子商務網(wǎng)站、搜索引擎、社交網(wǎng)站、互聯(lián)網(wǎng)廣告服務提供商等)、銀行金融證券企業(yè)、電信運營等行業(yè),給這些行業(yè)帶來了一定的數(shù)據(jù)價值增值作用。

        ?本次課程面向有一定的數(shù)據(jù)分析挖掘算法基礎的工程師,帶大家實踐大數(shù)據(jù)分析挖掘平臺的項目訓練,系統(tǒng)地講解數(shù)據(jù)準備、數(shù)據(jù)建模、挖掘模型建立、大數(shù)據(jù)分析與挖掘算法應用在業(yè)務模型中,結(jié)合主流的Hadoop與Spark大數(shù)據(jù)分析平臺架構(gòu),實現(xiàn)項目訓練。

        ?結(jié)合業(yè)界使用最廣泛的主流大數(shù)據(jù)平臺技術,重點剖析基于大數(shù)據(jù)分析算法與BI技術應用,包括分類算法、聚類算法、預測分析算法、推薦分析模型等在業(yè)務中的實踐應用,并根據(jù)講師給定的數(shù)據(jù)集,實現(xiàn)兩個基本的日志數(shù)據(jù)分析挖掘系統(tǒng),以及電商(或內(nèi)容)推薦系統(tǒng)引擎。

        ??? 本課程基本的實踐環(huán)境是Linux集群,JDK1.8, Hadoop 2.7.*,Spark 2.1.*。

        ??? 學員需要準備的電腦最好是i5及以上CPU,4GB及以上內(nèi)存,硬盤空間預留50GB(可用移動硬盤),基本的大數(shù)據(jù)分析平臺所依賴的軟件包和依賴庫等,講師已經(jīng)提前部署在虛擬機鏡像(VMware鏡像),學員根據(jù)講師的操作任務進行實踐。

        本課程采用技術原理與項目實戰(zhàn)相結(jié)合的方式進行教學,在講授原理的過程中,穿插實際的系統(tǒng)操作,本課程講師也精心準備的實際的應用案例供學員動手訓練。

        大數(shù)據(jù)建模與分析挖掘應用實戰(zhàn)培訓班(8月重慶)

        培訓時間及地點

        2021年04月22日-04月24日(21日報到)地點:廣州

        2021年06月24日-06月27日(24日報到)地點:北京

        2021年07月21日-07月24日(21日報到)地點:杭州

        2021年08月25日-08月28日(25日報到)地點:重慶

        培訓目標

        1.本課程讓學員充分掌握大數(shù)據(jù)平臺技術架構(gòu)、大數(shù)據(jù)分析的基本理論、機器學習的常用算法、國內(nèi)外主流的大數(shù)據(jù)分析與BI商業(yè)智能分析解決方案、以及大數(shù)據(jù)分析在搜索引擎、廣告服務推薦、電商數(shù)據(jù)分析、金融客戶分析方面的應用案例。

        2.本課程強調(diào)主流的大數(shù)據(jù)分析挖掘算法技術的應用和分析平臺的實施,讓學員掌握主流的基于大數(shù)據(jù)Hadoop和Spark、R的大數(shù)據(jù)分析平臺架構(gòu)和實際應用,并用結(jié)合實際的生產(chǎn)系統(tǒng)案例進行教學,掌握基于Hadoop大數(shù)據(jù)平臺的數(shù)據(jù)挖掘和數(shù)據(jù)倉庫分布式系統(tǒng)平臺應用,以及商業(yè)和開源的數(shù)據(jù)分析產(chǎn)品加上Hadoop平臺形成大數(shù)據(jù)分析平臺的應用剖析。

        3.讓學員掌握常見的機器學習算法,深入講解業(yè)界成熟的大數(shù)據(jù)分析挖掘與BI平臺的實踐應用,并以客戶分析系統(tǒng)、日志分析和電商推薦系統(tǒng)為案例,串聯(lián)常用的數(shù)據(jù)挖掘技術進行應用教學。

        培訓人群

        1.大數(shù)據(jù)分析應用開發(fā)工程師

        2.大數(shù)據(jù)分析項目的規(guī)劃咨詢管理人員

        3.大數(shù)據(jù)分析項目的IT項目高管人員

        4.大數(shù)據(jù)分析與挖掘處理算法應用工程師

        5.大數(shù)據(jù)分析集群運維工程師

        6.大數(shù)據(jù)分析項目的售前和售后技術支持服務人員

        培訓特色

        ?定制授課+ 實戰(zhàn)案例訓練+ 互動咨詢討論

        (說明:講師會提供虛擬機鏡像,并把Hadoop,Spark等系統(tǒng)提前部署在虛擬機中,分析挖掘平臺構(gòu)建在Hadoop與Spark之上,學員自帶筆記本,運行虛擬機,并利用同樣的鏡像啟動多臺虛擬機,構(gòu)建實驗集群,鏡像會提前給學員)

        查看更多

         中國信息化人才培訓中心 中國信息化人才培訓中心

        天博信通-中國信息化人才培訓中心率先在國內(nèi)開展高級軟件架構(gòu)等IT高端培訓的公開課。多年來持續(xù)不斷的投入精力創(chuàng)新課程體系,至今已在國內(nèi)開展公開課培訓的課程達十幾門,分別涵蓋、云計算、大數(shù)據(jù)、軟件架構(gòu)、軟件設計、高級UI設計、項目管理、質(zhì)量管理、需求工程、運營管理等領域,也根據(jù)企事業(yè)單位的實用需求, 通過定制培訓方案,培訓后的技術服務,將企業(yè)單位的信息化投資的效益發(fā)揮到最高點。目前中心已經(jīng)與幾百家企事業(yè)單位建立了長期的培訓合作關系, 深得用戶信賴和好評。

        會議日程

        (最終日程以會議現(xiàn)場為準)


        ?

        兩個完整的項目任務和實踐案例(重點)

        1.日志分析建模與日志挖掘項目實踐

        a)Hadoop,Spark,并結(jié)合ELK技術構(gòu)建日志分析系統(tǒng)和日志數(shù)據(jù)倉庫

        b)互聯(lián)網(wǎng)微博日志分析系統(tǒng)項目

        2.推薦系統(tǒng)項目實踐

        a)電影數(shù)據(jù)分析與個性化推薦關聯(lián)分析項目

        b)電商購物籃分析項目

        Hadoop,Spark,可結(jié)合Oryx分布式集群在個性化推薦和精準營銷項目。

        項目的階段性步驟貫穿到三天的培訓過程中,第三天完成整個項目的原型

        培訓內(nèi)容安排如下

        時間

        內(nèi)容提要

        授課詳細內(nèi)容

        實踐訓練

        第一天

        業(yè)界主流的數(shù)據(jù)倉庫工具和大數(shù)據(jù)分析挖掘工具

        1. 業(yè)界主流的基于Hadoop和Spark的大數(shù)據(jù)分析挖掘項目解決方案
        2. 業(yè)界數(shù)據(jù)倉庫與數(shù)據(jù)分析挖掘平臺軟件工具
        3. Hadoop數(shù)據(jù)倉庫工具Hive
        4. Spark實時數(shù)據(jù)倉庫工具SparkSQL
        5. Hadoop數(shù)據(jù)分析挖掘工具Mahout
        6. Spark機器學習與數(shù)據(jù)分析挖掘工具MLlib
        7. 大數(shù)據(jù)分析挖掘項目的實施步驟

        配置數(shù)據(jù)倉庫工具Hadoop Hive和SparkSQL

        ?

        部署數(shù)據(jù)分析挖掘工具Hadoop Mahout和Spark MLlib

        大數(shù)據(jù)分析挖掘項目的數(shù)據(jù)集成操作訓練

        1. 日志數(shù)據(jù)解析和導入導出到數(shù)據(jù)倉庫的操作訓練
        2. 從原始搜索數(shù)據(jù)集中抽取、集成數(shù)據(jù),整理后形成規(guī)范的數(shù)據(jù)倉庫
        3. 數(shù)據(jù)分析挖掘模塊從大型的集中式數(shù)據(jù)倉庫中訪問數(shù)據(jù),一個數(shù)據(jù)倉庫面向一個主題,構(gòu)建兩個數(shù)據(jù)倉庫
        4. 同一個數(shù)據(jù)倉庫中的事實表數(shù)據(jù),可以給多個不同類型的分析挖掘任務調(diào)用
        5. 去除噪聲

        項目數(shù)據(jù)集加載ETL到Hadoop Hive數(shù)據(jù)倉庫并建立多維模型

        基于Hadoop的大型數(shù)據(jù)倉庫管理平臺—HIVE數(shù)據(jù)倉庫集群的多維分析建模應用實踐

        1. 基于Hadoop的大型分布式數(shù)據(jù)倉庫在行業(yè)中的數(shù)據(jù)倉庫應用案例
        2. Hive數(shù)據(jù)倉庫集群的平臺體系結(jié)構(gòu)、核心技術剖析
        3. Hive Server的工作原理、機制與應用
        4. Hive數(shù)據(jù)倉庫集群的安裝部署與配置優(yōu)化
        5. Hive應用開發(fā)技巧
        6. Hive SQL剖析與應用實踐
        7. Hive數(shù)據(jù)倉庫表與表分區(qū)、表操作、數(shù)據(jù)導入導出、客戶端操作技巧
        8. Hive數(shù)據(jù)倉庫報表設計
        9. 將原始的日志數(shù)據(jù)集,經(jīng)過整理后,加載至Hadoop + Hive數(shù)據(jù)倉庫集群中,用于共享訪問

        利用HIVE構(gòu)建大型數(shù)據(jù)倉庫項目的操作訓練實踐

        Spark大數(shù)據(jù)分析挖掘平臺實踐操作訓練

        1. Spark大數(shù)據(jù)分析挖掘平臺的部署配置
        2. Spark數(shù)據(jù)分析庫MLlib的開發(fā)部署
        3. Spark數(shù)據(jù)分析挖掘示例操作,從Hive表中讀取數(shù)據(jù)并在分布式內(nèi)存中運行

        ?

        第二天

        聚類分析建模與挖掘算法的實現(xiàn)原理和技術應用

        1. 聚類分析建模與算法原理及其在Spark MLlib中的實現(xiàn)與應用,包括:
          1. Canopy聚類(canopy clustering)
          2. K均值算法(K-means clustering)
          3. 模糊K均值(Fuzzy K-means clustering)
          4. EM聚類,即期望最大化聚類(Expectation Maximization)
          5. 以上算法在Spark MLib中的實現(xiàn)原理和實際場景中的應用案例。
        2. Spark聚類分析算法程序示例

        基于Spark MLlib的聚類分析算法,實現(xiàn)日志數(shù)據(jù)集中的用戶聚類

        分類分析建模與挖掘算法的實現(xiàn)原理和技術應用

        1. 分類分析建模與算法原理及其在Spark MLlib中的實現(xiàn)與應用, 包括:
          1. Spark決策樹算法實現(xiàn)
          2. 邏輯回歸算法(logistics regression)
          3. 貝葉斯算法(Bayesian與Cbeyes)
          4. 支持向量機(Support vector machine)
          5. 以上算法在Spark MLlib中的實現(xiàn)原理和實際場景中的應用案例。
        2. Spark客戶資料分析與給用戶貼標簽的程序示例
        3. Spark實現(xiàn)給商品貼標簽的程序示例
        4. Spark實現(xiàn)用戶行為的自動標簽和深度技術

        基于Spark MLlib的分類分析算法模型與應用操作

        關聯(lián)分析建模與挖掘算法的實現(xiàn)原理和技術應用

        1. 預測、推薦分析建模與算法原理及其在Spark MLlib中的實現(xiàn)與應用,包括:
          1. Spark頻繁模式挖掘算法(parallel FP Growth Algorithm)應用
          1. Spark關聯(lián)規(guī)則挖掘(Apriori)算法及其應用
          1. 以上算法在Spark MLib中的實現(xiàn)原理和實際場景中的應用案例。
        1. Spark關聯(lián)分析程序示例

        基于Spark MLlib的關聯(lián)分析操作

        第三天

        推薦分析挖掘模型與算法技術應用

        1. 推薦算法原理及其在Spark MLlib中的實現(xiàn)與應用,包括:
          1. Spark協(xié)同過濾算法程序示例
          2. Item-based協(xié)同過濾與推薦
          3. User-based協(xié)同過濾與推薦
          4. 交叉銷售推薦模型及其實現(xiàn)

        推薦分析實現(xiàn)步驟與操作(重點)

        回歸分析模型與預測算法

        1. 利用線性回歸(多元回歸)實現(xiàn)訪問量預測
        2. 利用非線性回歸預測成交量和訪問量的關系
        3. 基于R+Spark實現(xiàn)回歸分析模型及其應用操作
        4. Spark回歸程序?qū)崿F(xiàn)異常點檢測的程序示例

        回歸分析預測操作例子

        圖關系建模與分析挖掘及其鏈接分析和社交分析操作

        1. 利用Spark GraphX實現(xiàn)網(wǎng)頁鏈接分析,計算網(wǎng)頁重要性排名
        2. 實現(xiàn)信息傳播的社交關系傳遞分析,互聯(lián)網(wǎng)用戶的行為關系分析任務的操作訓練

        圖數(shù)據(jù)的分析挖掘操作,實現(xiàn)微博數(shù)據(jù)集的社交網(wǎng)絡建模與關系分析

        神經(jīng)網(wǎng)絡與深度學習算法模型及其應用實踐

        1. 神經(jīng)網(wǎng)絡算法Neural Network的實現(xiàn)方法和挖掘模型應用
        2. 基于人工神經(jīng)網(wǎng)絡的深度學習的訓練過程
          1. 傳統(tǒng)神經(jīng)網(wǎng)絡的訓練方法
          2. Deep Learning的訓練方法
        3. 深度學習的常用模型和方法
          1. CNN(Convolutional Neural Network)卷積神經(jīng)網(wǎng)絡
          2. RNN(Recurrent Neural Network)循環(huán)神經(jīng)網(wǎng)絡模型
          3. Restricted Boltzmann Machine(RBM)限制波爾茲曼機
        4. 基于Spark的深度學習算法模型庫的應用程序示例

        基于Spark或TensorFlow神經(jīng)網(wǎng)絡深度學習庫實現(xiàn)文本與圖片數(shù)據(jù)挖掘

        項目實踐

        1. 日志分析系統(tǒng)與日志挖掘項目實踐
          1. Hadoop,Spark,ELK技術構(gòu)建日志數(shù)據(jù)倉庫
          2. 互聯(lián)網(wǎng)微博日志分析系統(tǒng)項目
        2. 推薦系統(tǒng)項目實踐
          1. 電影數(shù)據(jù)分析與個性化推薦關聯(lián)分析項目

        項目數(shù)據(jù)集和詳細的實驗指導手冊由講師提供

        ?

        培訓總結(jié)

        1. 項目方案的課堂討論,討論實際業(yè)務中的分析需求,剖析各個環(huán)節(jié)的難點、痛點、瓶頸,啟發(fā)出解決之道;完成講師布置的項目案例,鞏固學過的大數(shù)據(jù)分析挖掘處理平臺技術知識以及應用技能

        討論交流

        查看更多

        會議嘉賓

        (最終出席嘉賓以會議現(xiàn)場為準)


        周老師

        男,中國科學院通信與信息系統(tǒng)專業(yè)博士。北京郵電大學移動互聯(lián)網(wǎng)與信息化實驗室特聘研究員、對外經(jīng)貿(mào)大學信息學院特聘兼職教師、中國移動集團高級培訓講師,長期從事大數(shù)據(jù)、4G、移動互聯(lián)網(wǎng)安全、管理及大數(shù)據(jù)精確營銷等研究方向。國內(nèi)頂級信息系統(tǒng)架構(gòu)師,金牌講師,技術顧問,移動開發(fā)專家。擁有豐富的通信信息系統(tǒng)設計、開發(fā)經(jīng)驗及培訓行業(yè)經(jīng)驗,先后為全國超過15家省移動公司,超過30家地市移動公司有過項目開發(fā)合作及授課,擔任多個大型通信項目的總師。

        張老師

        阿里大數(shù)據(jù)高級專家,國內(nèi)資深的Spark、Hadoop技術專家、虛擬化專家,對HDFS、MapReduce、HBase、Hive、Mahout、Storm、spark和openTSDB等Hadoop生態(tài)系統(tǒng)中的技術進行了多年的深入的研究,更主要的是這些技術在大量的實際項目中得到廣泛的應用,因此在Hadoop開發(fā)和運維方面積累了豐富的項目實施經(jīng)驗。近年主要典型的項目有:某電信集團網(wǎng)絡優(yōu)化、中國移動某省移動公司請賬單系統(tǒng)和某省移動詳單實時查詢系統(tǒng)、中國銀聯(lián)大數(shù)據(jù)數(shù)據(jù)票據(jù)詳單平臺、某大型銀行大數(shù)據(jù)記錄系統(tǒng)、某大型通信運營商全國用戶上網(wǎng)記錄、某省交通部門違章系統(tǒng)、某區(qū)域醫(yī)療大數(shù)據(jù)應用項目、互聯(lián)網(wǎng)公共數(shù)據(jù)大云(DAAS)和構(gòu)建游戲云(Web Game Daas)平臺項目等。

        查看更多

        參會指南

        會議門票 場館介紹


        7800元/人(含培訓費、資料費、考試費、證書費、講義費等)

        需要住宿學員請?zhí)崆巴ㄖ?,可統(tǒng)一安排,費用自理。

        參加相關培訓并通過考試的學員,可以獲得:

        1.工業(yè)和信息化部頒發(fā)的-大數(shù)據(jù)建模與分析挖掘證書。該證書可作為專業(yè)技術人員職業(yè)能力考核的證明,以及專業(yè)技術人員崗位聘用、任職、定級和晉升職務的重要依據(jù)。

        注:請學員帶二寸彩照2張(背面注明姓名)、身份證復印件一張。

        查看更多

        溫馨提示
        酒店與住宿: 為防止極端情況下活動延期或取消,建議“異地客戶”與活動家客服確認參會信息后,再安排出行與住宿。
        退款規(guī)則: 活動各項資源需提前采購,購票后不支持退款,可以換人參加。

        會議支持:

        • 會員折扣
          該會議支持會員折扣
          具體折扣標準請參見plus會員頁面
        • 會員返積分
          每消費1元累積1個會員積分。
          僅PC站支持。
        • 會員積分抵現(xiàn)
          根據(jù)會員等級的不同,每抵用1元可使用的積分也不一樣,具體可參見PLUS會員頁面。 僅PC站支持。

        部分參會單位

        主辦方?jīng)]有公開參會單位

        郵件提醒通知

        分享到微信 ×

        打開微信,點擊底部的“發(fā)現(xiàn)”,
        使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。

        錄入信息

        請錄入信息,方便生成邀請函