?模塊一：大數(shù)據(jù)管理?

1.1：Cloudera?Hadoop??CCAH?認(rèn)證培訓(xùn)：

大數(shù)據(jù)時(shí)代：Hadoop認(rèn)證變身高薪敲門磚，目前我們正處在大數(shù)據(jù)時(shí)代，企業(yè)要向“數(shù)據(jù)驅(qū)動(dòng)”模式轉(zhuǎn)換，Hadoop人才需求很大，但是國(guó)內(nèi)外Hadoop人才短缺。國(guó)外譬如Oracle，Apple和HP等都不再坐等合適的具有Hadoop技能的應(yīng)聘者上門，而是逐漸采取派遣其員工參加Cloudera的Hadoop培訓(xùn)和認(rèn)證考試。

因?yàn)镃loudera目前是全球最成功的Hadoop商業(yè)化運(yùn)營(yíng)公司，其在業(yè)界的地位類似于Redhat在Linux的地位。Cloudera所提供Hadoop服務(wù)已經(jīng)持續(xù)了三年，同時(shí)也為其在企業(yè)級(jí)Hadoop軟件份額是最大的，甚至在Oracle大數(shù)據(jù)一體機(jī)中，采用的Hadoop也是由Cloudera所提供。在過去1年中，通過Cloudera?Hadoop培訓(xùn)的相關(guān)人才是所有Hadoop認(rèn)證人才中最搶手的。

CCAH?認(rèn)證培訓(xùn)內(nèi)容

Apache?Hadoop的應(yīng)用案例

Hadoop分布式文件系統(tǒng)

Hadoop數(shù)據(jù)載入

MapReduce

規(guī)劃Hadoop機(jī)群

Hadoop安裝和基本配置

安裝配置Hive，Impala和Pig

Hadoop客戶端

高級(jí)配置

Hadoop安全

管理和調(diào)度作業(yè)

機(jī)群維護(hù)

機(jī)群監(jiān)測(cè)和排錯(cuò)

1.2?大數(shù)據(jù)與關(guān)系型數(shù)據(jù)庫(kù)RDBMS集成

鑒于傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)RDBMS系統(tǒng)在存儲(chǔ)價(jià)值數(shù)據(jù)方面目前無可取代的地位，二關(guān)系型數(shù)據(jù)庫(kù)的王者非Oracle莫屬，濤德獨(dú)家推出Hadoop大數(shù)據(jù)平臺(tái)與Oracle數(shù)據(jù)庫(kù)集成培訓(xùn)。

課程內(nèi)容：

Oracle大數(shù)據(jù)連接件簡(jiǎn)介

Big?Data?Connector使用

Oracle?Loader?For?Hadoop

?

模塊二：大數(shù)據(jù)分析培訓(xùn)

課程內(nèi)容：

Hadoop基礎(chǔ)

Pig基礎(chǔ)

使用Pig進(jìn)行簡(jiǎn)單數(shù)據(jù)分析

使用Pig處理復(fù)雜數(shù)據(jù)

使用Pig分析處理多數(shù)據(jù)集

Pig排錯(cuò)和優(yōu)化

Hive與Impala基礎(chǔ)

使用Hive與Impala進(jìn)行數(shù)據(jù)分析

數(shù)據(jù)管理

數(shù)據(jù)存儲(chǔ)與性能

使用Hive與Impala進(jìn)行數(shù)據(jù)分析

Impala如何執(zhí)行查詢/擴(kuò)展及改善性能

使用Hive分析處理文本數(shù)據(jù)

Hive優(yōu)化

擴(kuò)展Hive

如何選取數(shù)據(jù)分析工具

模塊三：大數(shù)據(jù)挖掘

3.1大數(shù)據(jù)環(huán)境下的R數(shù)據(jù)挖掘

課程內(nèi)容：

基于Hadoop生態(tài)系統(tǒng)的數(shù)據(jù)挖掘

常用數(shù)據(jù)挖掘及機(jī)器學(xué)習(xí)算法簡(jiǎn)介

回歸算法

貝葉斯算法

ROC分析

SVM支持向量機(jī)算法基礎(chǔ)

K-Means算法基礎(chǔ)

O-Means算法基礎(chǔ)

R語(yǔ)言基礎(chǔ)

使用R語(yǔ)言進(jìn)行數(shù)據(jù)挖掘

3.2?ODM數(shù)據(jù)挖掘

課程內(nèi)容：

RDBMS系統(tǒng)管理大數(shù)據(jù)簡(jiǎn)介

安裝ODM

案例介紹：某知名在線金融保險(xiǎn)集團(tuán)數(shù)據(jù)挖掘案例?

2?數(shù)據(jù)分類

2?Classification?

數(shù)據(jù)分類模型介紹

數(shù)據(jù)源配置

創(chuàng)建與配置聚類模型

模型測(cè)試與比較

商業(yè)案例分析

?

3?回歸分析

3?Regression?Models

回歸分析模型介紹s

數(shù)據(jù)源配置

創(chuàng)建與配置回歸模型

模型測(cè)試與比較

商業(yè)案例分析

?

4?聚類分析

5Clustering?Models

回歸分析模型介紹s

數(shù)據(jù)源配置

創(chuàng)建與配置聚類模型

模型測(cè)試與比較

商業(yè)案例分析

?

5?實(shí)施異常檢測(cè)

5Anomaly?Detection

配置檢測(cè)模型與算法

?

商業(yè)案例分析