課程大綱： 大數據分析挖掘-基于Hadoop/Mahout/MLlib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
加入高級會員獲得助教答疑
