關(guān)于舉辦“基于Python的Spark大數(shù)據(jù)挖掘技術(shù)”培訓(xùn)的通知

各有關(guān)單位：

中國科學(xué)院計(jì)算技術(shù)研究所是國家專門的計(jì)算技術(shù)研究機(jī)構(gòu)，同時也是中國信息化建設(shè)的重要支撐單位，中科院計(jì)算所培訓(xùn)中心是致力于高端IT類人才培養(yǎng)及企業(yè)內(nèi)訓(xùn)的專業(yè)培訓(xùn)機(jī)構(gòu)。中心憑借科學(xué)院的強(qiáng)大師資力量，在總結(jié)多年大型軟件開發(fā)和組織經(jīng)驗(yàn)的基礎(chǔ)上，自主研發(fā)出一整套課程體系，其目的是希望能夠切實(shí)幫助中國軟件企業(yè)培養(yǎng)高級軟件技術(shù)人才，提升整體研發(fā)能力，迄今為止已先后為國家培養(yǎng)了數(shù)萬名計(jì)算機(jī)專業(yè)人員，并先后為數(shù)千家大型國內(nèi)外企業(yè)進(jìn)行過專門的定制培訓(xùn)服務(wù)。

Python是數(shù)據(jù)分析最常用的語言之一，而Apache Spark是一個開源的強(qiáng)大的分布式查詢和處理引擎。本培訓(xùn)用詳盡的案例介紹如何使用Python來調(diào)用Spark的新特性，如何處理結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，如何使用PySpark中一些基本的可用數(shù)據(jù)類型，如何生成機(jī)器學(xué)習(xí)模型、操作圖像、閱讀串流數(shù)據(jù)以及在云上部署模型。

本培訓(xùn)結(jié)合實(shí)例來介紹PySpark大數(shù)據(jù)挖掘。內(nèi)容包括對Apache Spark基礎(chǔ)知識介紹，彈性分布式數(shù)據(jù)集RDD的內(nèi)部運(yùn)行方式講解，分析利用DataFrame加速PySpark，準(zhǔn)備數(shù)據(jù)建模，檢查重復(fù)數(shù)據(jù)及異常數(shù)據(jù)，分析描述性統(tǒng)計(jì)、數(shù)據(jù)相關(guān)性，介紹MLlib數(shù)據(jù)挖掘工具應(yīng)用，講解ML機(jī)器學(xué)習(xí)包功能，使用Blaze實(shí)現(xiàn)持久化，講解Tensorflow基礎(chǔ)，分析結(jié)構(gòu)化流Streaming，以及打包Spark應(yīng)用程序，提交作業(yè)和監(jiān)控執(zhí)行等。

本培訓(xùn)將合實(shí)例，對Python和Spark進(jìn)行講解，通過實(shí)際操作，了解云環(huán)境下，大數(shù)據(jù)處理、數(shù)據(jù)探索的基本方法。

一、培訓(xùn)對象

1，對大數(shù)據(jù)的前沿技術(shù)非常感興趣的人。

2，有志于成為一名數(shù)據(jù)科學(xué)家的從業(yè)人員。

3，有一定算法和編程基礎(chǔ)的技術(shù)愛好者。

二、學(xué)員基礎(chǔ)

1，對IT系統(tǒng)設(shè)計(jì)有一定的理論與實(shí)踐經(jīng)驗(yàn)。

2，對數(shù)據(jù)挖掘和數(shù)據(jù)處理方法有一定的基礎(chǔ)知識。

3，對Hadoop/Spark等大數(shù)據(jù)技術(shù)有一定的了解。

三、師資

由業(yè)界知名大數(shù)據(jù)專家親自授課：

楊老師 主要研究網(wǎng)絡(luò)信息分析以及云計(jì)算相關(guān)技術(shù)，長期從事通信網(wǎng)管系統(tǒng)、網(wǎng)絡(luò)信息處理、商務(wù)智能(BI)以及電信決策支持系統(tǒng)的研究開發(fā)工作，主持和參與了多個國家和省部級基金項(xiàng)目，具有豐富的工程實(shí)踐及軟件研發(fā)經(jīng)驗(yàn)。

四、培訓(xùn)內(nèi)容

第一講 Spark基礎(chǔ)知識

1)什么是Apache Spark

2)Spark作業(yè)和API

3)DataFrame和Dataset

4)Spark 2.0的架構(gòu)

5)SparkSession介紹

6)Tungsten Phase 2

7)結(jié)構(gòu)化流

第二講 彈性分布式數(shù)據(jù)集

1)RDD的內(nèi)部運(yùn)行方式

2)創(chuàng)建RDD

3)全局作用域和局部作用域

4)RDD轉(zhuǎn)換

5)RDD操作

第三講 利用DataFrame加速PySpark

1)Python到RDD之間的通信

2)Catalyst優(yōu)化器刷新

3)創(chuàng)建DataFrame

4)RDD的交互操作

5)利用DataFrame API查詢

6)利用SQL查詢

7)DataFrame應(yīng)用實(shí)例

第四講 準(zhǔn)備數(shù)據(jù)建模

1)檢查重復(fù)數(shù)據(jù)及異常數(shù)據(jù)

2)描述性統(tǒng)計(jì)

3)數(shù)據(jù)相關(guān)性

4)數(shù)據(jù)可視化

5)直方圖

第五講 MLlib數(shù)據(jù)挖掘工具

1)MLlib包概述

2)加載和轉(zhuǎn)換數(shù)據(jù)

3)數(shù)據(jù)相關(guān)性和描述性統(tǒng)計(jì)

4)創(chuàng)建最終數(shù)據(jù)集

5)MLlib應(yīng)用實(shí)例-預(yù)測嬰兒生存機(jī)會

第六講 ML機(jī)器學(xué)習(xí)包

1)ML包的概述

2)分類、回歸和聚類

3)使用ML預(yù)測嬰兒生存率

4)ML超參調(diào)優(yōu)

5)ML的特征提取

6)ML的其他功能

第七講 使用Blaze實(shí)現(xiàn)持久化

1)安裝Blaze

2)混合持久化

3)使用NumPy和pandas數(shù)據(jù)

4)與關(guān)系型數(shù)據(jù)庫進(jìn)行交互

5)數(shù)據(jù)操作和訪問

6)數(shù)據(jù)連接

第八講 Tensorflow基礎(chǔ)

1)神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)

2)TensorFlow介紹和安裝

3)配置和設(shè)置TensorFlow

4)使用TensorFlow進(jìn)行矩陣分析

5)TensorFlow操作示例

第九講 結(jié)構(gòu)化流Streaming

1)Streaming介紹

2)Streaming的基本組件

3)Streaming應(yīng)用程序數(shù)據(jù)流

4)用DStream簡化Streaming應(yīng)用程序

5)全局聚合

6)結(jié)構(gòu)化流介紹

第十講 打包Spark應(yīng)用程序

1)spark-submit命令

2)以編程方式部署應(yīng)用程序

3)配置你的SparkSession

4)創(chuàng)建SparkSession

5)模塊化代碼

6)提交作業(yè)和監(jiān)控執(zhí)行

五、培訓(xùn)目標(biāo)

1, 學(xué)習(xí)Python和Spark的相關(guān)基礎(chǔ)知識。

2，學(xué)習(xí)Python和Spark的核心技術(shù)方法及應(yīng)用。

3，了解Python和Spark在數(shù)據(jù)分析中的使用。

六、時間、地點(diǎn)

時間： 2018年6月12日-6月14日 地點(diǎn)：北京

七、證書

培訓(xùn)結(jié)束，頒發(fā)中科院計(jì)算所職業(yè)培訓(xùn)中心“基于Python的Spark大數(shù)據(jù)挖掘技術(shù)”結(jié)業(yè)證書。

八、費(fèi)用

培訓(xùn)費(fèi)：5800元/人（含教材、證書、午餐、學(xué)習(xí)用具）。住宿協(xié)助安排，費(fèi)用自理。