?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，但是國內(nèi)外Hadoop人才短缺。國外譬如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RDBMS集成
鑒于傳統(tǒng)關(guān)系型數(shù)據(jù)庫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)庫集成培訓(xùn)。
課程內(nèi)容：
Oracle大數(shù)據(jù)連接件簡介
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語言基礎(chǔ)
使用R語言進(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
