大数据分析- 基于Hadoop/Mahout的大数据挖掘培训

培训内容：

第一讲大数据挖掘及其背景

1）数据挖掘定义

2）Hadoop相关技术

3）大数据挖掘知识点

第二讲MapReduce计算模式

1）分布式文件系统

2）MapReduce

3）使用MR的算法设计

第三讲Hadoop中的云挖掘工具Mahout

1）Mahout介绍

2）推荐系统

3）信息聚类

4）分类技术

5）其它挖掘

第四讲推荐系统及其应用开发

1）一个推荐系统的模型

2）基于内容的推荐

3）协同过滤

4）电影推荐案例

第五讲分类技术及其应用

1）分类的定义

2）分类主要算法

3）Mahout分类过程

4）评估指标以及评测

5）贝叶斯算法新闻分类实例

第六讲聚类技术及其应用

1）聚类的定义

2）聚类的主要算法

3）K-Means、Canopy及其应用示例

4）FuzzyK-Means、Dirichlet及其应用示例

5）路透新闻聚类实例

第七讲关联规则和相似项发现

1）购物篮模型

2）Apriori算法

3）抄袭文档发现

4）近邻搜索的应用

第八讲流数据挖掘相关技术

1）流数据挖掘及分析

2）流数据模型

3）数据抽样

4）流过滤

第九讲大数据挖掘应用前景

1）与Hadoop集群应用的协作

2）与RHadoop等其它云挖掘工具配合

3）大数据挖掘行业应用展望