- 课程概览
- 授课讲师
- 课程大纲
- 课程概览
- 授课讲师
- 课程大纲
掌握常用的大数据挖掘流程（包括数据预处理、特征工程、建模、模型评估与优化）；熟悉使用PySpark进行大数据挖掘的流程；掌握数据湖的基本概念和数据入湖操作技能；掌握数据治理方法论，以及华为数据治理中心DataArts Studio的特点
课程概览
数据预处理与特征工程、回归与分类问题建模、聚类与降维问题建模、关联分析与推荐问题建模、模型评估与优化、PySpark MLlib、华为大数据平台MRS、华为数据治理中心DataArts Studio
授课讲师
熟悉Hadoop，Spark，Redis，Zookeeper，Kafka，ElasticSearch，Sqoop，Flume，Flink等大数据组件；熟悉Mysql，Hbase等数据库编程；熟悉使用Hive 数据仓库；熟悉使用maven,spring,springmvc，hibernate,struts,mybatis等开源框架； 并能熟练运用各级框架的组合开发。 教学特色：良好课堂组织能力，时刻关注每一位学生，充分调动注意力，通过设计新颖有趣方式来激发学习欲望，教学过程注重基础知识掌握，以及对学生解决问题的能力培养，教学环节层层递进，实现课堂高效。
课程大纲
- 第1章数据挖掘介绍
- 第1节数据挖掘概述
- 第2节数据挖掘流程
- 第3节数据、属性和度量
- 第2章预备知识
- 第1节矩阵和线性代数
- 第2节概率论和数理统计
- 第3节信息熵、基尼指数、最优化
- 第4节数学实验
- 第5节python语言基础
- 第6节数据类型
- 第7节判断与循环
- 第8节函数与面向对象
- 第9节常用模块
- 第10节正则表达式
- 第11节文件操作
- 第12节数据采集与爬虫
- 第13节数据可视化
- 第3章数据预处理
- 第1节数据抽取、转换、加载
- 第2节数据清洗
- 第3节特征处理
- 第4节不均衡数据处理
- 第4章特征选择与降维
- 第1节特征选择
- 第2节降维
- 第5章有监督学习
- 第1节有监督学习得预备知识
- 第2节线性回归
- 第3节逻辑回归
- 第4节KNN
- 第5节朴素贝叶斯和SVM
- 第6节决策树
- 第7节集成算法
- 第6章无监督学习
- 第1节聚类算法
- 第2节Apriori算法
- 第3节FP-growth
- 第4节层次聚类综合实战
- 第7章Spark MLib数据挖掘
- 第1节基础入门
- 第2节环境安装与基础操作
- 第3节概要统计
- 第4节相关性分析
- 第5节分层抽样·
- 第6节假设性检测
- 第7节核密度估算
- 第8章大数据架构和大数据治理
- 第1节大数据架构和大数据治理
- 第9章大数据挖掘
- 第1节大数据挖掘
- 第10章综合应用大实验
- 第1节综合大实验
- 第11章综合实战
- 第1节显示数据特征
- 第2节数据可视化显示
- 第3节数据分析
- 第4节数据挖掘
| 节数 | 上课时间 | 星期一 | 星期二 | 星期三 | 星期四 | 星期五 | 星期六 | 星期天 |
|---|---|---|---|---|---|---|---|---|
| 第1节 | 08:00 - 08:40 | |||||||
| 第2节 | 09:00 - 09:40 | |||||||
| 第3节 | 10:00 - 10:40 | |||||||
| 第4节 | 11:00 - 11:40 | |||||||
| 第5节 | 14:00 - 14:40 | |||||||
| 第6节 | 15:00 - 15:40 | |||||||
| 第7节 | 16:00 - 16:40 | |||||||
| 第8节 | 17:00 - 17:40 |
| 天数 | 上课日期 | 上课时间 | 内容 |
|---|
相关课件 更多
-
pptx
第十二章 大数据挖掘
大小：1.07MB
2023-07-26
-
pptx
第十一章 大数据架构和大数据治理
大小：1.51MB
2023-07-26
-
pptx
第十章 华为机器学习服务MLS
大小：3.29MB
2023-07-26
-
pptx
第九章 Spark MLlib数据挖掘
大小：2.31MB
2023-07-26
-
pptx
第八章 数据挖掘综合应用
大小：1.47MB
2023-07-26
-
pptx
第七章 模型评估与优化
大小：3.12MB
2023-07-26
020-38289118 转 171
971957201