| 培训目标：
|
- 了解大数据分析挖掘技术
- 常用机器学习算法原理
- 大数据挖掘业务场景和生产平台
- 编程实践（动手
一、大数据分析挖掘技术介绍
|
1、map/reduce
2、mahout数据挖掘
3、sql on hadoop
4、spark生态体系
5、R语言
6、MPI并行计算
7、GPU并行计算（深度学习）
8、java并行计算框架 |
| 二、常用机器学习算法原理 |
1、决策树
2、随机森林
3、协同过滤推荐算法(余弦相似、修正余弦)
4、Jaccard算法
5、朴素贝叶斯算法
6、k-means聚类算法
7、pagerank算法
8、逻辑回归
9、图计算 |
| 三、大数据挖掘业务场景和生产平台 |
1、互联网金融业务—如何构建阿里金融系统
2、银行客户需求业务
3、大数据分析生产平台
4、推荐/广告系统的原理、架构、模型、验证等。
5、基于GBDT的组合模型架构 |
| 四、编程实践（动手） |
1、迭代类机器学习编程入门-求圆周率
2、pagerank的并行化实现（*）
3、逻辑回归算法的java实现
4、决策树c45,id3的java实现
5、随机森林和全树并行化实现
6、训练数据和结果模拟器
7、模型结果规则化处理
8、协同过滤java实现
9、基于图计算的推荐java实现
|
| 五、神经网络及深度学习 |
1、什么是神经网络算法
2、多层神经网络程序如何实现（java程序）
3、神经网络数学原理（误差函数、梯度下降求最小值、更新权重和截距）
4、推导需要的最小化数学知识（导数和偏导数、导数运算、梯度下降原理）
5、数学推导过程
6、什么是深度学习
7、深度学习的计算过程
8、深度学习如何训练
9、深度学习和神经网络的关系是什么
10、图像识别原理 |
|
如果您想学习本课程，请
预约报名
如果没找到合适的课程或有特殊培训需求，请
订制培训
除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916
技术服务需求表下载请点击
服务优势：
丰富专家资源，精准匹配相关行业，相关项目技术精英，面向用户实际需求，针对性培训或咨询，互动式交流，案例教学，精品小班，实际工程项目经验分享，快捷高效，节省时间与金钱，少走弯路与错路。
专家力量：
中国科学院相关研究所高级研究人员
西门子，TI,vmware，MSC,Ansys，MDI，Mentor, candence,Altium,Atmel 、Freescale,达索，华为等
大型公司高级工程师，项目经理，技术支持专家
中科信软培训中心，资深专家或讲师
大多名牌大学，硕士以上学历，相关学历背景专业，理论素养高
多年实际项目实践，大型复杂项目实战案例分享，热情，乐于技术分享
针对客户实际需要，真实案例演示，互动式沟通，学有所值
