通過Cloudera公司提供的數(shù)據(jù)科學(xué)培訓(xùn)和認(rèn)證，將您的知識提升到一個新的水平。

 數(shù)據(jù)科學(xué)家?guī)椭?、企事業(yè)單位及科研院校創(chuàng)建大數(shù)據(jù)時代的新型信息平臺，用于對海量數(shù)據(jù)進(jìn)行深度挖掘、從中提取有用的信息，用于回答以前無法解決甚至是無法想象的問題。

學(xué)員將學(xué)習(xí)數(shù)據(jù)科學(xué)家是如何使用Hadoop和Spark技術(shù)來幫助企業(yè)改進(jìn)現(xiàn)有產(chǎn)品、開發(fā)新產(chǎn)品新應(yīng)用，留住用戶并開拓市場，降低成本，提高收益，發(fā)現(xiàn)和帶來新的商業(yè)機會。

Cloudera大學(xué)為期3天的數(shù)據(jù)科學(xué)家課程幫助學(xué)員理解什么是數(shù)據(jù)科學(xué)家，他們解決什么樣的問題，以及使用何種高效工具和新技術(shù)。通過課堂模擬，學(xué)員學(xué)會如何運用數(shù)據(jù)科學(xué)的方法來應(yīng)對并解決現(xiàn)實中來自不同行業(yè)的挑戰(zhàn)，為以后勝任數(shù)據(jù)科學(xué)家的角色做好準(zhǔn)備。

一． 培訓(xùn)內(nèi)容

       通過講師在課堂上的講解，以及實操練習(xí)，學(xué)員將學(xué)習(xí)以下內(nèi)容：

•  如何獲取、清洗和綜合來自不同數(shù)據(jù)源的數(shù)據(jù)，為分析提供統(tǒng)一全面的視圖。
•  了解用于從海量數(shù)據(jù)探索潛在商業(yè)價值的統(tǒng)計方法。
•  掌握何時將Hadoop streaming 和Apache Spark 嵌入搭建數(shù)據(jù)科學(xué)所需的數(shù)據(jù)產(chǎn)品流水線中去。
•  了解數(shù)據(jù)科學(xué)項目所需的機器學(xué)習(xí)技術(shù)。
•  如何使用SparkMLlib實現(xiàn)和管理推薦系統(tǒng)，如何設(shè)置和評估結(jié)果。
•  了解將新開發(fā)的分析項目部署到大規(guī)模產(chǎn)品環(huán)境中可能碰到的擴(kuò)展能力問題及如何規(guī)避。

二． 培訓(xùn)對象及學(xué)員基礎(chǔ)

本課程面向軟件開發(fā)人員、大數(shù)據(jù)工程師以及高級數(shù)據(jù)分析人員。學(xué)員需掌握使用Linux環(huán)境的基本技能，建議具備Hadoop方面的基本知識或經(jīng)驗：HDFS，MapReduce，HadoopStreaming，以及ApacheHive等，并能熟練使用至少一種腳本編程語言，建議Python，或者熟悉其他語言譬如Perl或Ruby。

三． 數(shù)據(jù)科學(xué)家認(rèn)證

在完成本課程的學(xué)習(xí)后，我們鼓勵培訓(xùn)學(xué)員繼續(xù)深造并注冊參加Cloudera認(rèn)證專家：數(shù)據(jù)科學(xué)家（CCP：DS）考試。獲得該認(rèn)證可以讓學(xué)員脫穎而出；它可以幫助學(xué)員成為該領(lǐng)域的精英，并向雇主和客戶提供與您的專業(yè)知識相關(guān)的確鑿證據(jù)。

四． 課程大綱

1. 引言

•  課程簡介
•  Cloudera簡介
•  課程安排
•  介紹

2. 數(shù)據(jù)科學(xué)概述

•  什么是數(shù)據(jù)科學(xué)?
•  數(shù)據(jù)科學(xué)日益增長的需求
•  數(shù)據(jù)科學(xué)家的角色

3. 使用案例

•  金融行業(yè)
•  零售行業(yè)
•  廣告行業(yè)
•  國防和情報行業(yè)
•  電信及公用事業(yè)行業(yè)
•  醫(yī)療健康及制藥行業(yè)

4. 項目生命周期

•  項目生命周期的流程步驟
•  實操練習(xí)應(yīng)用場景說明

5. 數(shù)據(jù)采集

•  從哪里獲取數(shù)據(jù)
•  數(shù)據(jù)采集技術(shù)

6. 評估輸入數(shù)據(jù)

•  數(shù)據(jù)格式
•  數(shù)據(jù)容量
•  數(shù)據(jù)質(zhì)量

7. 數(shù)據(jù)轉(zhuǎn)換

•  文件格式轉(zhuǎn)換
•  連接數(shù)據(jù)集
•  數(shù)據(jù)匿名化

8. 數(shù)據(jù)分析和統(tǒng)計方法

•  統(tǒng)計與概率之間的關(guān)系
•  描述性統(tǒng)計
•  推理性統(tǒng)計
•  向量和矩陣

9. 機器學(xué)習(xí)的基礎(chǔ)知識

•  概述
•  機器學(xué)習(xí)的3C分類
•  數(shù)據(jù)和算法的重要性
•  聚焦：樸素貝葉斯分類器

10. 推薦系統(tǒng)概述

•  什么是推薦系統(tǒng)
•  協(xié)同過濾的類型
•  推薦系統(tǒng)的局限性
•  基本概念

11. Apache Spark和MLlib簡介

•  什么是Apache Spark ?
•  和MapReduce的比較
•  Apache Spark基礎(chǔ)知識
•  Spark的MLlib Package

12. 通過MLlib實現(xiàn)推薦系統(tǒng)

•  針對潛在因子推薦系統(tǒng)的ALS方法概述
•  ALS推薦系統(tǒng)超參數(shù)
•  在MLlib中構(gòu)建推薦系統(tǒng)
•  調(diào)整超參數(shù)
•  加權(quán)

13. 實驗和評估

•  設(shè)計有效的實驗
•  進(jìn)行有效的實驗
•  推薦系統(tǒng)的用戶界面

14. 生產(chǎn)部署和超越

•  生產(chǎn)部署
•  提升數(shù)據(jù)產(chǎn)品擴(kuò)展能力技巧和技術(shù)
•  結(jié)果匯總和可視化
•  如何改進(jìn)
•  推薦系統(tǒng)未來展望

15. 總結(jié)

Cloudera大數(shù)據(jù)課程體系