Spark大数据挖掘工具Mllib实战

随着互联网、移动互联网和物联网的发展，我们已经切实地迎来了一个大数据的时代。大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合，对大数据的实时分析已经成为一个非常重要且紧迫的需求。目前对大数据的实时分析工具，业界公认最佳为Spark。Spark是一个开源集群运算框架，最初是由加州大学柏克利分校AMPLab所开发，Spark使用了内存内运算技术，在内存上的运算速度比Hadoop MapReduce的运算速度快上100倍，即便是在磁盘上运行也能快10倍。

为解决广大系统设计人员深入研究与开发大数据挖掘和实时分析的需要，培训中心特举办“Spark大数据挖掘工具MLlib实战”培训班，本课程主要讲解Spark MLlib，Spark MLlib是一种高效、快速、可扩展的分布式计算框架，实现了常用的机器学习，如：聚类、分类、回归等算法。讲解各个算法的理论、详细展示Spark源码实现，最后均会通过实例进行解析实战，帮助大家真正从理论到实践全面掌握SparkMLlib分布式机器学习和大数据挖掘方法。具体事宜通知如下：

一、培训对象

1，系统架构师、系统分析师、高级程序员、资深开发人员。

2，牵涉到大数据实时处理的数据中心运行、规划、设计负责人。

3，政府机关，金融保险、移动和互联网等大数据来源单位的负责人。

4，高校、科研院所牵涉到大数据与分布式数据处理的项目负责人。

二、学员基础

1，对IT系统设计有一定的理论与实践经验。

2，对数据仓库与大数据实时处理有一定的基础知识。

三、师资

由业界知名云计算专家亲自授课：

杨老师   主要研究网络信息分析以及云计算相关技术，长期从事通信网管系统、网络信息处理、商务智能(BI)以及电信决策支持系统的研究开发工作，主持和参与了多个国家和省部级基金项目，具有丰富的工程实践及软件研发经验。

四、培训要点：

互联网点击数据、传感数据、日志文件、具有丰富地理空间信息的移动数据和涉及网络的各类评论，成为了海量信息的多种形式。当数据以成百上千TB不断增长的时候，我们在内部交易系统的历史信息之外，需要一种基于大数据实时分析的决策模型和技术支持。

大数据通常具有：数据体量(Volume)巨大,数据类型(Variety)繁多,价值(Value)密度低,处理速度(Velocity)快等四大特征。如何有效管理和高效处理这些大数据已成为当前亟待解决的问题。大数据实时处理意味着更严峻的挑战，更好地管理和处理这些数据也将会获得意想不到的收获。

Spark生态系统(BDAS项目)已经发展成一个，包含多个子项目的集合，包括Spark SQL、Spark Streaming、GraphX、MLlib等，本课程主要讲解Spark MLlib，Spark MLlib是一种高效、快速、可扩展的分布式计算框架；实现了常用的机器学习，如：聚类、分类、回归等算法。本次培训将循序渐进从Spark的基础知识、矩阵向量的基础知识开始，然后再透彻讲解各个算法的理论、详细展示Spark源码实现，最后均会通过实例进行解析实战，帮助大家真正从理论到实践全面掌握Spark MLlib分布式机器学习和数据挖掘方法。

本课程教学过程中还提供了案例分析来帮助学员了解如何用MLLib工具来解决具体的问题，并介绍了从大数据中挖掘出有价值的信息的关键。

本课程不是一个泛泛的理论性、概念性的介绍课程，而是针对问题讨论解决方案的深入课程。教师对于上述领域有深入的理论研究与实践经验，在课程中将会针对这些问题与学员一起进行研究，在关键点上还会在实验环境中演示、实践，以加深对于这些解决方案的理解。通过本课程学习，希望推动Spark相关的项目开发上升到一个新水平。

五、培训内容

第一讲 Spark大数据实时处理技术

  1）大数据处理技术

  2）Spark实时处理技术

  3）Spark生态系统BDAS

  4）Spark架构分析

第二讲 Spark安装配置及监控

  1）Ubuntu环境的准备

  2）Hadoop2.X和Scala

  3）搭建Spark开发环境

  4）Idea编译和运行

  5）Spark监控管理

第3讲 Scala编程语言和分布式计算模型

  1) Scala编程语言

  2) 操作基本数据类型

  3）Spark计算模型和RDD

  4）Transformation及Actions算子

  5）Spark MLlib矩阵向量 

第四讲 Spark MLlib线性回归和逻辑回归算法

  1）线性回归算法

  2）线性回归代码实例

  3）逻辑回归算法

  4）逻辑回归回归代码实例

  5）线性回归和逻辑回归代码实操

第五讲 Spark MLlib贝叶斯分类算法

  1)  贝叶斯分类算法原理

  2) Spark贝叶斯分类源码

  3) Spark贝叶斯分类代码示例

  4)  贝叶斯分类代码实操

第六讲 Spark MLlib决策树算法

  1)  决策树算法原理

  2) Spark决策树算法源码

  3) Spark决策树算法代码示例

  4)  决策树代码实操

第七讲 Spark MLlib聚类算法

  1)  K-Means聚类算法原理

  2) Spark K-Means聚类算法源码

  3) SparkK-Means聚类代码示例

  4)  聚类算法代码实操

第八讲 Spark MLlib关联规则算法

  1) FPGrowth关联规则算法原理

  2) FPGrowth关联规则算法源码

  3) FPGrowth关联规则代码示例

  4)  关联规则代码实操

第九讲 Spark MLlib个性化推荐算法

  1)  协同过滤推荐算法原理

  2) Spark协同过滤推荐源码

  3) Spark协同过滤推荐代码示例

  4)  推荐代码实操

第十讲 Spark MLlib神经网络算法

  1)  神经网络算法原理

  2) Spark神经网络算法源码

  3) Spark神经网络代码示例

  4)  神经网络代码实操

六、培训目标

1, 全面了解大数据实时处理技术的相关知识。

2，学习Spark的核心技术方法以及应用特征。

3，深入使用MLLib在大数据挖掘和实时分析中的使用。

4，掌握MLlib相关机器学习和数据挖掘工具的使用。

七、培训时间、地点

时间： 2017年3月2日-3月3日             地点：北京

八、证书

培训结束，颁发中科院计算所职业培训中心“Spark大数据挖掘工具Mllib实战”结业证书。

九、费用

培训费：5500元/人（含教材、证书、午餐、学习用具等）。住宿协助安排，费用自理。