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

 數(shù)據(jù)科學家?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。

學員將學習數(shù)據(jù)科學家是如何使用Hadoop和Spark技術來幫助企業(yè)改進現(xiàn)有產(chǎn)品、開發(fā)新產(chǎn)品新應用，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大學為期3天的數(shù)據(jù)科學家課程幫助學員理解什么是數(shù)據(jù)科學家，他們解決什么樣的問題，以及使用何種高效工具和新技術。通過課堂模擬，學員學會如何運用數(shù)據(jù)科學的方法來應對并解決現(xiàn)實中來自不同行業(yè)的挑戰(zhàn)，為以后勝任數(shù)據(jù)科學家的角色做好準備。

一． 培訓內容

       通過講師在課堂上的講解，以及實操練習，學員將學習以下內容：

•  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)科學所需的數(shù)據(jù)產(chǎn)品流水線中去。
•  了解數(shù)據(jù)科學項目所需的機器學習技術。
•  如何使用SparkMLlib實現(xiàn)和管理推薦系統(tǒng)，如何設置和評估結果。
•  了解將新開發(fā)的分析項目部署到大規(guī)模產(chǎn)品環(huán)境中可能碰到的擴展能力問題及如何規(guī)避。

二． 培訓對象及學員基礎

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)科學家認證

在完成本課程的學習后，我們鼓勵培訓學員繼續(xù)深造并注冊參加Cloudera認證專家：數(shù)據(jù)科學家（CCP：DS）考試。獲得該認證可以讓學員脫穎而出；它可以幫助學員成為該領域的精英，并向雇主和客戶提供與您的專業(yè)知識相關的確鑿證據(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)科學概述

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

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
•  實操練習應用場景說明

5. 數(shù)據(jù)采集

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

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)質量

7. 數(shù)據(jù)轉換

•  文件格式轉換
•  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)計與概率之間的關系
•  描述性統(tǒng)計
•  推理性統(tǒng)計
•  向量和矩陣

9. 機器學習的基礎知識

•  概述
•  機器學習的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中構建推薦系統(tǒng)
•  調整超參數(shù)
•  加權

13. 實驗和評估

•  設計有效的實驗
•  進行有效的實驗
•  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)品擴展能力技巧和技術
•  結果匯總和可視化
•  如何改進
•  推薦系統(tǒng)未來展望

15. 總結

Cloudera大數(shù)據(jù)課程體系