長(zhǎng)沙華為大數(shù)據(jù)認(rèn)證培訓(xùn)

華為大數(shù)據(jù) 專(zhuān) 家 認(rèn)證HCIE-Big Data V2.0

課程介紹

本課程從Python編程,網(wǎng)絡(luò)爬蟲(chóng),數(shù)據(jù)分析,數(shù)據(jù)挖掘介紹，數(shù)據(jù)預(yù)處理，特征選擇與降維，有監(jiān)督學(xué)習(xí)，無(wú)監(jiān)督學(xué)習(xí)，模型評(píng)估與優(yōu)化，數(shù)據(jù)挖掘綜合應(yīng)用，Spark MLlib數(shù)據(jù)挖掘，Spark基于內(nèi)存的分布式計(jì)算，華為云機(jī)器學(xué)習(xí)服務(wù)，大數(shù)據(jù)架構(gòu)和大數(shù)據(jù)治理，大數(shù)據(jù)服務(wù)解決方案，大數(shù)據(jù)場(chǎng)景化解決方案（離線處理場(chǎng)景、實(shí)時(shí)檢索場(chǎng)景、實(shí)時(shí)流計(jì)算場(chǎng)景），大數(shù)據(jù)挖掘。

學(xué)員基礎(chǔ)

?熱愛(ài)編程事業(yè)，對(duì)編程有濃厚的興趣

?具備Big Data方向HCIA、HCIP的知識(shí)和技能

?具備一定的編程基礎(chǔ)

課程目標(biāo)

?掌握數(shù)據(jù)挖掘流程

?特征選擇與降維，有監(jiān)督學(xué)習(xí)，無(wú)監(jiān)督學(xué)習(xí),模型評(píng)估與優(yōu)化

?數(shù)據(jù)挖掘綜合應(yīng)用

?Spark MLlib 數(shù)據(jù)挖掘

?華為云機(jī)器學(xué)習(xí)服務(wù)

?大數(shù)據(jù)架構(gòu)和大數(shù)據(jù)治理

課程內(nèi)容

章節(jié)教學(xué)重點(diǎn)

第1天 上午

人工智能和數(shù)據(jù)挖掘

1. AI的社會(huì)認(rèn)知；2. 人工智能技術(shù)的發(fā)展史；3. 人工智能技術(shù)的應(yīng)用方向與應(yīng)用場(chǎng)景；4. 人工智能的發(fā)展戰(zhàn)略；5. 人工智能現(xiàn)有的問(wèn)題；6. 人工智能的未來(lái)；7. 數(shù)據(jù)挖掘概述和流程；8. 數(shù)據(jù)，屬性和度量；9. 數(shù)據(jù)挖掘開(kāi)發(fā)工具；10. 數(shù)據(jù)挖掘?qū)W習(xí)路徑

第1天 下午

Python編程基礎(chǔ)

1. Python編程語(yǔ)言介紹及發(fā)展歷程；2. Python語(yǔ)言的應(yīng)用場(chǎng)景；3. Python開(kāi)發(fā)環(huán)境搭建；4. 變量；5. 數(shù)據(jù)結(jié)構(gòu)(列表,元組,字典,字符串)；6. 分支語(yǔ)句，循環(huán)語(yǔ)句；7. 函數(shù)

第2天 Python編程應(yīng)用

1. 面向?qū)ο螅?. 異常；3. 文件處理；4. 常見(jiàn)三方庫(kù)；5. 正則表達(dá)式；6. 數(shù)據(jù)庫(kù)；7. 網(wǎng)絡(luò)爬蟲(chóng)

第3天 數(shù)據(jù)分析庫(kù)

1. Numpy科學(xué)計(jì)算庫(kù)；2. ndarray的創(chuàng)建、訪問(wèn)、常用屬性；3. 矩陣的創(chuàng)建；4. 通用函數(shù)ufunc；5. 廣播機(jī)制；6. Pandas數(shù)據(jù)預(yù)處理庫(kù)；7. Series常用操作；8. DataFrame常用操作；9. 讀寫(xiě)不同數(shù)據(jù)源；10. 數(shù)據(jù)過(guò)濾與轉(zhuǎn)換；11. 時(shí)間序列操作；12. 分組與聚合；13. 透視與交叉表；14. Matplotlib數(shù)據(jù)可視化

第4天 網(wǎng)絡(luò)爬蟲(chóng)

1. 初識(shí)爬蟲(chóng)：什么是爬蟲(chóng)、爬蟲(chóng)的工作流程；2. 獲取內(nèi)容：urllib、urllib3、requests等庫(kù)的使用；3. HTML解析：正則表達(dá)式、beautifulsoup4；4. 數(shù)據(jù)保存：保存為文件、保存進(jìn)數(shù)據(jù)庫(kù)；5. selenium 框架

第5天 數(shù)學(xué)知識(shí)

1. 矩陣和線性代數(shù)；2. 行列式；3. 矩陣及其變換；4. 矩陣分解；5. 奇異值分解；6. 特征值分解；7. 線性變換；8. 向量空間；9. 概率論和數(shù)理統(tǒng)計(jì)；10. 隨機(jī)事件及其概率；11. 隨機(jī)變量及其分布；12. 隨機(jī)向量及其分布；13. 隨機(jī)變量的函數(shù)；14. 隨機(jī)變量的數(shù)字特征；15. 大數(shù)定律與中心極限定理；16. 樣本與抽樣分布；17. 參數(shù)估計(jì)；18. 假設(shè)檢驗(yàn)；19. 方差分析和回歸分析；20. 信息熵與基尼系數(shù)；21. Z優(yōu)化；22. 無(wú)約束Z優(yōu)化問(wèn)題；23. 梯度下降法；24. 約束Z優(yōu)化問(wèn)題；25. 拉格朗日乘子法

第6天  數(shù)據(jù)預(yù)處理

1. 數(shù)據(jù)抽??；2. 轉(zhuǎn)換和加載；3. 數(shù)據(jù)抽取、轉(zhuǎn)換和加載概述；4. 數(shù)據(jù)抽??；5. 數(shù)據(jù)轉(zhuǎn)換；6. 數(shù)據(jù)加載；7. ETL 和 ELT 介紹；8. 數(shù)據(jù)清洗；9. 不均衡數(shù)據(jù)處理；10. 缺失值處理；11. 異常值處理；12. 特征處理；13. 特征縮放；14. 數(shù)值離散化；15. 特征編碼；16. 時(shí)間數(shù)值轉(zhuǎn)換

第7天  特征選擇

1. 特征選擇；2. 特征選擇概述；3. Filter；4. Wrapper；5. Embedded；6. 其他方法和特征擴(kuò)增；7. 降維；8. 降維導(dǎo)入；9. SVD；10. PCAu；11. LDA；12. LLE；13. Quiz ；14. 實(shí)驗(yàn)

第8天  有監(jiān)督學(xué)習(xí)

1. 有監(jiān)督學(xué)習(xí)的預(yù)備知識(shí)；2. 機(jī)器學(xué)習(xí)分類(lèi)；3. 模型評(píng)估；4. 線性回歸；5. 誤差；6. 正規(guī)方程；7. 梯度下降；8. 正則化；9. KNN算法；10. 決策樹(shù)；11. SVM算法；12. 線性回歸；13. 邏輯回歸算法；14. 集成算法

第9天 無(wú)監(jiān)督學(xué)習(xí)

1. 無(wú)監(jiān)督學(xué)習(xí)概述；2. 聚類(lèi)算法；3. Apriori算法；4. FP-growth算法

第10天 數(shù)據(jù)挖掘綜合應(yīng)用

1. 數(shù)據(jù)挖掘的流程；2. 數(shù)據(jù)挖掘流程概述；3. 分析需求；4. 數(shù)據(jù)讀?。?. 數(shù)據(jù)預(yù)處理；6. 特征工程；7. 特征選擇；8. 模型選擇；9. 模型評(píng)估；10. 綜合應(yīng)用的案例分析

第11天 Scala編程基礎(chǔ)

1. Scala基礎(chǔ)語(yǔ)法；2. 數(shù)據(jù)類(lèi)型；3. 變量；4. 循環(huán)；5. 函數(shù)；6. 數(shù)組；7. 類(lèi)和對(duì)象；8. 模式匹配；9. 文件讀寫(xiě)

第12天 SparkMLib數(shù)據(jù)挖掘

1. Spark MLlib 基礎(chǔ)入門(mén)；2. Spark MLlib 矩陣向量；3. Spark MLlib 基礎(chǔ)統(tǒng)計(jì)分析；4. Spark MLlib 特征提取和轉(zhuǎn)換；11. Spark MLlib 分類(lèi)與回歸；12. Spark MLlib 聚類(lèi)與降維；13. Spark MLlib 關(guān)聯(lián)規(guī)則與推薦算法；14. Spark MLlib 評(píng)估矩陣

第13天  華為機(jī)器學(xué)習(xí)服務(wù)MLS

1. 華為 MLS 服務(wù)介紹；2. 申請(qǐng)華為 MLS 服務(wù)；3. 創(chuàng)建華為 MLS 工作流；4. 典型算法的應(yīng)用；5. 機(jī)器學(xué)習(xí)平臺(tái) FusionInsight Miner；6. 大數(shù)據(jù)架構(gòu)概述；7. 大數(shù)據(jù)架構(gòu)在大數(shù)據(jù)中的重要性；8. 大數(shù)據(jù)架構(gòu)師所具備的能力；9. 如何構(gòu)建大數(shù)據(jù)架構(gòu)平臺(tái)；10. 大數(shù)據(jù)業(yè)務(wù)層通用架構(gòu)；11. 大數(shù)據(jù)治理概述；12. 大數(shù)據(jù)治理建設(shè)背景和目標(biāo)；13. 企業(yè)數(shù)據(jù)規(guī)劃及治理模型；14. 大數(shù)據(jù)治理案例

第14天 大數(shù)據(jù)挖掘綜合實(shí)驗(yàn)

1. 數(shù)據(jù)挖掘背景；2. 銀行客戶(hù)精準(zhǔn)畫(huà)像案例；3. 提升信用卡安全案例；4. 城市環(huán)境質(zhì)量分析挖掘案例

關(guān)于我們

1998年創(chuàng)建于北大燕園，是國(guó)內(nèi)Z早的IT高級(jí)技術(shù)培訓(xùn)企業(yè)之一，總部北京，在上海、廣州、深圳、天津、武漢、成都、重慶、濟(jì)南、西安、石家莊、杭州、長(zhǎng)沙、鄭州等城市設(shè)立直營(yíng)分部，擁有華為、紅帽、微軟、PMI、VMwareOracle、Citrix等30余家國(guó)際知 名廠商授權(quán)資質(zhì)，提供面授、直播和錄播三種學(xué)習(xí)交付方式，擁有專(zhuān)職講師及技術(shù)專(zhuān) 家40余人，簽約講師數(shù)千名，是國(guó)內(nèi)知 名的泛IT教育培訓(xùn)集團(tuán)!20余年來(lái)，公司不斷更新并持續(xù)增加泛IT專(zhuān)業(yè)培訓(xùn)課程，為崗前學(xué)員、個(gè)人和企業(yè)客戶(hù)打造終身學(xué)習(xí)課程體系，現(xiàn)有200多門(mén)課程，覆蓋虛擬化、操作系統(tǒng)、網(wǎng)絡(luò)、安全、數(shù)據(jù)庫(kù)、IT管理、軟件開(kāi)發(fā)等細(xì)分領(lǐng)域，每年開(kāi)設(shè)上千個(gè)面授及直播班次，培訓(xùn)近2萬(wàn)名專(zhuān)業(yè)人才!經(jīng)過(guò)20余年的奮斗成長(zhǎng)，已成為全國(guó)營(yíng)收過(guò)億的泛IT培訓(xùn)服務(wù)商。未來(lái)公司仍將致力于為個(gè)人和企業(yè)客戶(hù)提供—流的終身學(xué)習(xí)服務(wù)，為產(chǎn)業(yè)發(fā)展培養(yǎng)數(shù)字化人才，以教育培訓(xùn)滿足人們終身學(xué)習(xí)的需求!