深圳大数据高级培训课程

课程介绍发布日期:2022-08-22 14:34
课程亮点


师资:*讲师团队,丰富行业经验和企业培训经验



特色:小班培训,精品课程,面授+直播+录播,上课方式多样



培训:免费重听



适用对象


不限



学习目标


掌握大数据分析与机器学习的完整流程



课程内容


*天



大数据分析挖掘算法



内容一:大数据分析挖掘算法



1．业界常见的大数据分析应用场景以及对应的分析算法模型应用,及其案例



2．常用的统计分析模型的介绍,包括方差分析、线性拟合、回归、逻辑回归、因子分析、主成分分析、时间序列分析的基础知识



3．常用的数据挖掘模型介绍,重点介绍六类机器学习与挖掘模型算法



4．业界主流的数据仓库工具和数据分析挖掘相关工具软件的应用概述



内容二:机器学习



1．机器学习概念、发展历程



2．机器学习的应用场景



3．机器学习与统计分析



4．无监督式学习概述



5．有监督式学习概述



6．半监督式学习概述



7．强化学习概述



8．人工神经网络学习概述



9．深度学习概述



10．机器学习的应用场景和应用案例



第二天



Spark大数据实时与高性能处理平台剖析



内容:Spark大数据实时与高性能处理平台剖析



1．Spark实时大数据处理平台架构



2．Spark编程模型以及Spark编程实例解析



3．Spark RDD内存弹性分布式数据集的工作原理与机制



4．Spark Core的核心组件剖析



5．Spark系统架构和运行过程剖析



6．Spark on Yarn运行原理和实例



7．Spark RDD transform、滑动窗口、foreachRDD性能优化、持久化、checkpoint、容错与事务、与Spark SQL整合使用



8．基于Spark的实时数据仓库与实时分析挖掘处理的应用实践,以及应用案例



第三天



Spark SQL应用实战



内容:Spark SQL应用实战



1．Spark SQL实时数据仓库的实现原理与操作



2．Spark SQL核心代码剖析



3．Spark SQL客户端开发包API



4．Spark SQL实时统计应用



5．Spark SQL应用程序开发实践



第四天



Spark Streaming应用实战



内容:Spark Streaming应用实战



1．Streaming与Storm在实时流计算处理应用场景下的案例与比较



2．Spark Streaming与Spark交互的实现机制



3．Spark Streaming的核心代码剖析



4．Spark Streaming客户端编程实践



5．Spark Streaming实时流数据分析处理应用开发实践



第五天



数据预处理与特征选择



内容一:数据预处理



1．数据抽取、转换和加载



2．数据清洗



3．特征处理



内容二:特征选择与降维



1．特征选择概述



2．Filter



3．Wrapper



4．Embedded



5．特征扩增



6．降维、PCA、LDA、LLE、SVD



第六天



机器学习算法



内容一:有监督学习



1．KNN算法



2．决策树算法



3．SVM算法



4．朴素贝叶斯算法



5．逻辑回归算法



6．线性回归算法



7．集成算法



内容二:无监督学习



1．聚类算法



2．关联算法



内容三:模型评估与优化



1．模型优化与评估概念



2．*优化模型



3．模型评估与选择



第七天



Spark MLlib数据挖掘



内容:Spark MLlib数据挖掘



1． Spark MLlib概述



2． Spark MLlib评估矩阵



3． Spark MLlib关联规则与推荐算法



4． Spark MLlib聚类与降维



5． Spark MLlib分类与回归



6． Spark MLlib特征提取和转换



7． Spark MLlib基础统计分析



第八天



大数据挖掘案例



内容:综合实验



1． 房价售价预测



2． 个人收入分群



3．移民的签证预测



4．银行办理定期存款业务预测