大数据和Python分析应用实践培训方案

     一、 课程简介

大数据建模与分析挖掘技术已经逐步地应用到新兴互联网企业（如电子商务网站、搜索引擎、社交网站、互联网广告服务提供商等）、银行金融证券企业、电信运营等行业，给这些行业带来了一定的数据价值增值作用。

本次课程面向有一定的数据分析挖掘算法基础的工程师，带大家实践大数据分析挖掘平台的项目训练，系统地讲解：

（1）Hadoop和Spark大数据建模、分析挖掘技术体系及其平台方案实现；

（2）大数据分析挖掘和机器学习的模型、建模方法和案例，重点是决策树机器学习模型和关联规则机器学习模型及其应用；

（3）SPSS大数据建模与挖掘软件的应用实践，包括决策树，关联规则，朴素贝叶斯网络，SVM模型的实践与操作；

（4）Python朴素贝叶斯、决策树、逻辑回归机器学习模型及应用实践操作；

（5）Spark MLlib大数据建模与机器学习的应用实践；

（6）机器学习和大数据建模在电商、电信领域的用户画像应用案例。

学员需要准备的笔记本配置：i5及以上CPU，4GB及以上内存，硬盘空间预留50GB（可用移动硬盘），基本的大数据分析平台所依赖的软件包和依赖库等。

本课程基本的实践环境是操作系统：Windows或Linux。

大数据建模挖掘软件包括：SPSS Modeler 15，Python 3，Anaconda 4，Hadoop 2.7.*，Spark 2.1.*。

二、培训人群

1. 大数据分析应用开发工程师

2. 大数据分析项目的规划咨询管理人员

3. 大数据分析项目的IT项目高管人员

4. 大数据分析与挖掘处理算法应用工程师

5. 大数据分析集群运维工程师

6. 大数据分析项目的售前和售后技术支持服务人员

三、培训特色

定制授课+ 实战案例训练+ 互动咨询讨论，共4天（可扩展到6天和8天）

本课程采用技术原理与项目实战相结合的方式进行教学，在讲授原理的过程中，穿插实际的系统操作，本课程讲师也精心准备的实际的应用案例供学员动手训练。

四、培训目标

1. 让学员掌握在大数据、人工智能下的大数据建模、分析挖掘技术和机器学习算法模型的应用。

2. 让学员掌握大数据建模与分析挖掘软件的应用实践。

3. 让学员掌握SPSS Modeler，Python，Spark MLlib等大数据建模、分析、挖掘的应用实战。

五、培训大纲

讲师介绍

  钟运琴老师，男，目前在中国科学院某研究所工作，高级工程师，副研究员，课题组长，团队成员二十余人，博士毕业于中国科学院，博士、博士后，获工学博士学位（计算机专业），博士后研究方向为人工智能与数据分析科学，曾在国内某高校和某大型通信企业工作过。

人工智能、大数据、云计算系列课程建设与教学专家，新技术课程开发组长。近八年来带领团队主要从事大数据管理与高性能分析处理（Hadoop、Spark、Storm）、大数据仓库（HIVE）和实时数据仓库（SparkSQL、Shark），大数据建模挖掘与机器学习（Mahout、MLib、Oryx、Pentaho BI、SAS、SPSS、R等）、MPP并行数据仓库（Greenplum etc）、NoSQL与NewSQL分布式数据库（HBase、MongoDB、Cassandra etc）、（移动）电子商务平台、大数据搜索平台（ElasticSearch、Solr、Lucene等）、云计算与虚拟化（OpenStack，VMware，XenServer，CloudStack，KVM，Docker，SaaS服务）、云存储系统、Swift对象存储系统、网络GIS地图服务器、互联网+在线教育云平台方面的项目研发与管理工作。