¥詳詢(xún)
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!
倒計(jì)時(shí)
更多詳情請(qǐng)咨詢(xún)客服
客服在線時(shí)間:9:00-22:00,其他時(shí)間請(qǐng)?jiān)诰€預(yù)約或留言,謝謝。長(zhǎng)沙IT認(rèn)證培訓(xùn)中心:長(zhǎng)沙市雨花區(qū)長(zhǎng)沙大道580號(hào)東城港家園
本周僅剩 個(gè)試聽(tīng)名額
請(qǐng)鍵入信息,稍后系統(tǒng)將會(huì)把領(lǐng)獎(jiǎng)短信發(fā)至您的手機(jī)