關于舉辦“大數據分析挖掘-基于Hadoop/Mahout/Mllib的大數據挖掘（含Spark、Storm和Docker應用介紹）”培訓的通知

各有關單位：

中國科學院計算技術研究所是國家專門的計算技術研究機構，同時也是中國信息化建設的重要支撐單位，中科院計算所培訓中心是致力于高端IT類人才培養及企業內訓的專業培訓機構。中心憑借科學院的強大師資力量，在總結多年大型軟件開發和組織經驗的基礎上，自主研發出一整套課程體系，其目的是希望能夠切實幫助中國軟件企業培養高級軟件技術人才，提升整體研發能力，迄今為止已先后為國家培養了數萬名計算機專業人員，并先后為數千家大型國內外企業進行過專門的定制培訓服務。

隨著互聯網、移動互聯網和物聯網的發展，我們已經切實地迎來了一個大數據的時代。大數據是指無法在一定時間內用常規軟件工具對其內容進行抓取、管理和處理的數據集合，對大數據的分析已經成為一個非常重要且緊迫的需求。目前對大數據的分析工具，的是Hadoop/Yarn平臺。Hadoop/Yarn在可伸縮性、健壯性、計算性能和成本上具有無可替代的優勢，事實上已成為當前互聯網企業主流的大數據分析平臺。為解決廣大系統設計人員深入研究與開發大數據技術的需要，培訓中心特在“大數據處理技術-基于Hadoop/Yarn的實戰”課程的基礎上，針對已有或即將建立Hadoop/Yarn集群，擁有海量數據，需要做用戶推薦、產品聚類，信息分類等大數據分析用戶，舉辦“大數據分析挖掘-基于Hadoop/Mahout/MLlib的大數據挖掘”培訓班，具體事宜通知如下：

一、培訓對象

1，系統架構師、系統分析師、高級程序員、資深開發人員。

2，牽涉到大數據處理的數據中心運行、規劃、設計負責人。

3，政府機關，金融保險、移動和互聯網等大數據來源單位的負責人。

4，高校、科研院所牽涉到大數據與分布式數據處理的項目負責人。

二、學員基礎

1，對IT系統設計有一定的理論與實踐經驗。

2，數據倉庫與數據挖掘處理有一定的基礎知識。

3，對Hadoop/Yarn/Spark大數據技術有一定的了解。

三、師資

由業界知名大數據專家親自授課：

楊老師 主要研究網絡信息分析以及云計算相關技術，長期從事通信網管系統、網絡信息處理、商務智能(BI)以及電信決策支持系統的研究開發工作，主持和參與了多個國家和省部級基金項目，具有豐富的工程實踐及軟件研發經驗。

四、培訓要點

互聯網點擊數據、傳感數據、日志文件、具有豐富地理空間信息的移動數據和涉及網絡的各類評論，成為了海量信息的多種形式。當數據以成百上千TB不斷增長的時候，我們在內部交易系統的歷史信息之外，需要一種基于大數據分析的決策模型和技術支持。

大數據通常具有：數據體量(Volume)巨大,數據類型(Variety)繁多,價值(Value)密度低,處理速度(Velocity)快等四大特征。如何有效管理和高效處理這些大數據已成為當前亟待解決的問題。大數據處理意味著更嚴峻的挑戰，更好地管理和處理這些數據也將會獲得意想不到的收獲。

Google發布的GFS和MapReduce等高可擴展、高性能的分布式大數據處理框架，證明了在處理海量網頁數據時該框架的優越性。在此基礎上，Apache Hadoop開源項目開發團隊，克隆并推出了Hadoop/Yarn系統。該系統已受到學術界和工業界的廣泛認可和采納，并孵化出眾多子項目(如Hive，Zookeeper和Mahout等)，日益形成一個易部署、易開發、功能齊全、性能優良的系統。在此基礎上，以Berkley牽頭設計的Spark/BDAS技術，實現了內存級別的分布式處理模式，使用戶無需關注復雜的內部工作機制，無需具備豐富的分布式系統知識及開發經驗，即可實現大規模分布式系統的部署與大數據的并行處理。

本課程從大數據挖掘分析技術實戰的角度，結合理論和實踐，全方位地介紹Mahout和 MLlib等大數據挖掘工具的開發技巧。本課程涉及的主題包括：大數據挖掘及其背景，Mahout和 MLlib大數據挖掘工具，推薦系統及電影推薦案例，分類技術及聚類分析，以及與流挖掘和Docker技術的結合，分析了大數據挖掘前景分析。

本課程教學過程中還提供了案例分析來幫助學員了解如何用Mahout和 MLlib挖掘工具來解決具體的問題，并介紹了從大數據中挖掘出有價值的信息的關鍵。

本課程不是一個泛泛的理論性、概念性的介紹課程，而是針對問題討論Mahout和 MLlib解決方案的深入課程。教師對于上述領域有深入的理論研究與實踐經驗，在課程中將會針對這些問題與學員一起進行研究，在關鍵點上還會搭建實驗環境進行實踐研究，以加深對于這些解決方案的理解。通過本課程學習，希望推動大數據分析挖掘項目開發上升到一個新水平。

五、培訓內容

第一講大數據挖掘及其背景

1)數據挖掘定義

2)Hadoop相關技術

3)大數據挖掘知識點

第二講 MapReduce/DAG計算模式

1）分布式文件系統DFS

2）MapReduce計算模型介紹

3）使用MR進行算法設計

4）DAG及其算法設計

第三講 云挖掘工具Mahout/MLib

1）Hadoop中的Mahoutb介紹

2）Spark中的Mahout/MLib介紹

3）推薦系統及其Mahout實現方法

4）信息聚類及其MLlib實現方法

5）分類技術在Mahout/MLib中的實現方法

第四講 推薦系統及其應用開發

1）一個推薦系統的模型

2）基于內容的推薦

3）協同過濾

4）基于Mahout的電影推薦案例

第五講 分類技術及其應用

1）分類的定義

2）分類主要算法

3）Mahout分類過程

4）評估指標以及評測

5）貝葉斯算法新聞分類實例

第六講 聚類技術及其應用

1）聚類的定義

2）聚類的主要算法

3）K-Means、Canopy及其應用示例

4）Fuzzy K-Means、Dirichlet及其應用示例

5）基于MLlib的新聞聚類實例

第七講 關聯規則和相似項發現

1）購物籃模型

2）Apriori算法

3）抄襲文檔發現

4）近鄰搜索的應用

第八講 流數據挖掘相關技術

1）流數據挖掘及分析

2）Storm和流數據處理模型

3）流處理中的數據抽樣

4）流過濾和Bloom filter

第九講 云環境下大數據挖掘應用

1）與Hadoop/Yarn集群應用的協作

2）與Docker等其它云工具配合

3）大數據挖掘行業應用展望

六、培訓目標

1, 全面了解大數據處理技術的相關知識。

2，學習Hadoop/Yarn/Spark的核心數據分析技術。

3，深入學習Mahout/MLlib挖掘工具在大數據中的使用。

4，掌握Storm流處理技術和Docker等技術與大數據挖掘結合的方法。

七、培訓時間、地點

時間： 2018年5月30日-6月1日 地點：北京

八、證書

培訓結束，頒發中科院計算所職業培訓中心“大數據分析挖掘-基于Hadoop/Mahout/MLlib的大數據挖掘”結業證書。

九、費用

培訓費：5800元/人（含教材、證書、午餐、學習用具等）。住宿協助安排，費用自理。