大数据分析挖掘-基于HadoopMahoutMllib的大数据挖掘其它上课时间：

1，系统架构师、系统分析师、高级程序员、资深开发人员。2，牵涉到大数据处理的数据中心运行、规划、设计负责人。3，政府机关，金融保险、移动和互联网等大数据来源单位的负责人。4，高校、科研院所牵涉到大数据与分布式数据处理的项目负责人。

课程大纲:

第一讲大数据挖掘及其背景
1)数据挖掘定义
2)Hadoop相关技术
3)大数据挖掘知识点
第二讲MapReduceDAG计算模式
1）分布式文件系统DFS
2）MapReduce计算模型介绍
3）使用MR进行算法设计
4）DAG及其算法设计
第三讲云挖掘工具MahoutMLib
1）Hadoop中的Mahoutb介绍
2）Spark中的MahoutMLib介绍
3）推荐系统及其Mahout实现方法
4）信息聚类及其MLlib实现方法
5）分类技术在MahoutMLib中的实现方法
第四讲推荐系统及其应用开发
1）一个推荐系统的模型
2）基于内容的推荐
3）协同过滤
4）基于Mahout的电影推荐案例
第五讲分类技术及其应用
1）分类的定义
2）分类主要算法
3）Mahout分类过程
4）评估指标以及评测
5）贝叶斯算法新闻分类实例
第六讲聚类技术及其应用
1）聚类的定义
2）聚类的主要算法
3）K-Means、Canopy及其应用示例
4）FuzzyK-Means、Dirichlet及其应用示例
5）基于MLlib的新闻聚类实例
第七讲关联规则和相似项发现
1）购物篮模型
2）Apriori算法
3）抄袭文档发现
4）近邻搜索的应用
第八讲流数据挖掘相关技术
1）流数据挖掘及分析
2）Storm和流数据处理模型
3）流处理中的数据抽样
4）流过滤和Bloomfilter
第九讲云环境下大数据挖掘应用
1）与HadoopYarn集群应用的协作
2）与Docker等其它云工具配合
3）大数据挖掘行业应用展望

培训师介绍：

李老师,()资深讲师。
软件测试专家，擅长搭建完善的测试体系、自动化测试、性能测试、安全测试及精通常见开源与商业测试软件工具。
10多年丰富的软件开发、测试、持续集成与交付经验。
熟练使用QTP与LoadRunner、Selenium、Jemeter自动化测试工具，熟练掌握Vbs、shell、脚本语言，熟悉主流测试技术；
熟悉QC、TD等测试管理工具；
拥有丰富的测试项目管理经验；
熟练搭建部署Linux、win2008主流服务器；
熟悉oracle数据库部署与维护，熟练使用PL/SQL语言；
熟练部署MOSS门户网站，熟悉规划设计MOSS门户网站工作流。
熟悉敏捷测试过程和持续集成的实践，擅长测试组织与测试过程能力的建设，超过10个千万级大项目的测试管理与持续集成的实践经验。