国产极品粉嫩福利姬萌白酱_伊人WWW22综合色_久久精品a一国产成人免费网站_法国啄木乌AV片在线播放

大數據與人工智能課程

    （一）統計分析、數據倉庫與可視化表達
    1、  綜述（大數據、人工智能、數據挖掘、機器學習：這些詞的確切含義）
    2、  假設檢驗：“小數據”時代是怎么玩的？
    3、  “回歸”是數據挖掘算法嗎？
    4、  度量、指標與維度
    5、  星型模型與雪花模型
    6、  下鉆與上卷
    7、  數據倉庫的應用案例
    8、  圖表該怎么畫才對？

    （二）大數據相關技術綜述
    1、  hadoop：HDFS、Map-Reduce、Hbase、Hive、sqoop、pig、oozie等
    2、  spark：scala、spark-SQL、spark-Streaming等
    3、  搜索引擎：lucene（solr）、ES
    4、  并發的機(ji)器學(xue)習工(gong)具：R-hadoop、spark-MLLIB、 spark-R、pyspark

    （三）存儲在hbase中的數據
    1、  NoSQL（key-value）
    2、  Hbase：安裝
    3、  行鍵與列簇
    4、  如何利用Hbase的特點存儲行業數據
    5、  應用程序如何訪問Hbase中的數據
    6、  數據遷移工具：sqoop
    7、  Hbase的應用場景

    （四）Hive：為SQL開發者留的活路
    1、  Hive：安裝（單用戶與多用戶）
    2、  Hive：基本操作
    3、  Hive：與典型的關系型數據庫的區別
    4、  存儲業務數據時的注意點
    5、  如果“想慢”，你還可以這樣…（不恰當使用hive的案例介紹）
    6、  Hive的應用(yong)場景

    （五）Spark各組件的應用
    1、  Hadoop*的特點是什么？
    2、  Spark概述與安裝
    3、  Scala：你可以一直“點”下去
    4、  RDD：“映射”、“轉換”解決一切
    5、  spark-SQL
    6、  spark-streaming
    7、  spark-graphX
    8、  spark-MLLIB
    9、  應用場(chang)景

    （六）機器學習-1
    1、  數據挖掘、知識發現與機器學習
    2、  工具：（早期）SPSS、SAS；
    3、  目前流行的工具R、Python等
    4、  決策樹（熵、貪心法、連續的和離散的）
    5、  聚類（k-means、k-medoid）
    6、  監督學習、無監督學習的差異
    7、  機器學習性能(neng)評(ping)價指(zhi)標(biao)

    （七）機器學習-2
    1、  KNN
    2、  關聯規則（頻繁項集、Apriori、支持度、置信度、提升度）
    3、  神經網絡（神經元、激勵函數、前饋神經網絡的BP算法）
    4、  SVM（*間隔、核函(han)數、多分類(lei)的支持(chi)向(xiang)量機）

    （八）機器學習-3
    1、   “概率派”與“貝葉斯派”
    2、  樸素貝葉斯模型（皮馬印第安人患糖尿病風險預測）
    3、  極大似然估計與EM算法
     4、  HMM（三個(ge)基本問題(ti)：評(ping)估、解碼(ma)、學(xue)習）

    （九）機器學習-4
    1、  遺傳算法 （交叉、選擇、變異，“同宿舍”問題）
    2、  無監督學習
    3、  集成學習（adaboost、RF）
    4、  強化學習(xi)

    （十）深度學習-1
    1、  連接主義的興衰
    2、  地形要更陡：改進的目標函數
    3、  0.9的100次方等于幾？克服梯度消散的方法（改進的激勵函數、BN）
    4、  利用“慣性”下山：改進的優化算法（Adagrad、RMSprop、Adam）
    5、  防止“大鍋飯”：dropout
    6、  記(ji)憶的關鍵是“合理的忘記(ji)”：weight decay

    （十一）深度學習-2
    1、  讓AI理解圖像：典型CNN
    2、  各種CNN
    3、  讓AI理解語言：RNN與LSTM、GRU
    4、  左右互搏術：GAN
    5、  電子游戲的新(xin)玩法(fa)：DQN

大數據與人工智能課程