大数据（BIG DATA）是近几年来非常火热的名词，大数据是一个比较抽象的概念。麦肯锡给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

      大数据研究的意义在于，经过对数据的处理和分析，最终达到对实际工作产生指导，从而能转换为实际生产力，最终实现增值。

      大数据处理的流程包括：数据收集、数据存储、数据建模、数据分析、数据变现。

- 讲师简介 -

      高扬，一线互联网公司（上市公司）大数据专家，高校研究生事业导师。

      主编《白话大数据与机器学习》、《白话深度学习与Tensorflow》、《数据科学家养成手册》等多部著作。

      2010年后一直专注于数据库、大数据、数据挖掘、机器学习、人工智能等相关领域的研究。擅长传统机器学习、深度学习、数据建模、关系型数据库应用以及大数据框架等的应用。

高老师主编的三部书籍

- 课程内容 -

       本次课程从大数据开发基础技术讲起，逐步讲解大数据的每一个技术步骤。深入浅出的讲解每个技术的原理和功能，保证零基础的同学也能学懂学会，有基础的同学融会贯通更加深入理解。课程全程使用Python语言，和linux shell脚本。

      接着进入大数据结合人工智能的实践部分，MNIST手写板和DeepQA聊天机器人两个实践课题，让你动手做出一个人工智能的小作品。

第一章：大数据框架技术基础入门

1、集群技术1（服务器与集群）

• Ubuntu安装
• Hadoop原理
• Hadoop安装
• HDFS原理
• HDFS基本操作 for Shell

2、集群技术2（分布式计算）

• HDFS基本操作 for Python
• MapReduce原理
• MapReduce Sample

3、集群技术3（数据仓储）

• Hive原理/安装
• MySQL for Metadata
• Hive基础操作

4、集群技术4（NOSQL数据库）

• HBase原理/安装
• HBase基础操作

5、集群技术5（内存集群技术）

• Spark安装
• SparkSQL使用
• Scala基础
• SQL Join原理与优化

6、集群技术6（机器学习）

• Mahout安装
• Mahout使用 Sample
• Spark MLLib安装
• Spark MLLib使用 Sample

第二章：大数据在人工智能中的实践

7、深度学习1 (循环神经网络）

• 神经元
• 激励函数
• BP神经网络
• 梯度下降
• MNIST手写板案例-全连接BP神经网络

8、深度学习2 (卷积神经网络）

• 卷积层
• 池化层
• MNIST手写板案例-卷积网络
• 过拟合与防范
• 欠拟合与防范

9、深度学习3 (循环神经网络）

• 循环神经网络
• LSTM单元结构
• DeepQA聊天机器人的训练
• 梯度消失/爆炸问题

10、深度学习4 (深度学习扩展知识）

• 对抗学习GAN
•   二元极小极大博弈
•   纳什均衡
•   Sample for Python
• 相关模型介绍
•   深度残差网络
•   R-CNN

- 限量优惠&福利 -

1、新用户限量 200张 50元优惠券；

2、平台老学员（公开课除外），可直接领取 150元优惠券。

PS：以上优惠券，均遵从先到先得的原则！

3、现在购课立即赠送 100G大数据资料礼包。

Hadoop学习资料包▼

HBASE学习资料包▼

Hive学习资料包▼

Linux基础资料包▼

Python学习资料包▼

扫码添加 极值学员－邓老师（jizhidata）

领取优惠券和100G资料

▼