海淀区其他技能培训班(21)

课程简介：师资：司老师 清华大学博士，人工智能方面专家，在意大利举办的国际在线指纹识别竞赛中获得冠军，在机器学习和模式识别领域期刊IEEE TPAMI等期刊发表多篇论文，拥有5个中国专利和1个美国专利，是人工智能、深度学习、机器学习、自然语言处理、知识图谱方面的实战派专家。培训内容：第一讲 知识图谱基本概念1.1 知识图谱的发展历史1.2 什么是知识图谱1.3 知识图谱的表示形式1.4 知识图谱的数据结构1.5 知识图谱的构建过程1.6 知识图谱的应用场景第二讲 数据获取2.1 原始数据类型2.1.1 结构化数据2.1.2 半结构化数据2.1.3 非结构化数据2.2 知识建模2.3 知识存储第三讲 信息抽取3.1 实体抽取    3.1.1 面向单一领域    3.1.2 面向开放域3.2 关系抽取3.2.1 模式匹配3.2.2 统计机器学习方法3.3 属性抽取3.3.1 基于规则和启发式算法3.3.2 采用数据挖掘方法第四讲 知识融合4.1为什么要进行知识融合4.2实体链接 4.2.1实体链接的概念4.2.2实体消歧4.2.3共指消解 4.3 知识合并4.3.1合并外部知识库4.3.2合并关系数据库第五讲 知识加工5.1 知识加工的概念及关键技术5.2本体构建5.3知识推理5.4质量评估第六讲 知识更新6.1知识更新的内容6.2知识更新的方式第七讲 知识图谱的应用7.1 知识图谱的可视化7.2应用场景探索 7.1.1 语义搜索 7.1.2 智能推荐 7.1.3 私人助理    7.1.4 问答系统第八讲 问题与挑战 8.1知识图谱构建过程中的难点    8.2如何更好地进行知识表达、知识存储和查询

课程简介：师资：由业界知名云计算专家亲自授课：杨老师 主要研究网络信息分析以及云计算相关技术，长期从事通信网管系统、网络信息处理、商务智能(BI)以及电信决策支持系统的研究开发工作，主持和参与了多个国家和省部级基金项目，具有丰富的工程实践及软件研发经验。王老师 国内知名企业云平台技术负责人，中国云亲身实践者。主要研究方向是云计算、NFV/SDN、边缘计算以及云原生等领域。先后发表过了2部学术专著，国内外杂志论文10余篇，发明专利20多项。培训内容：第一讲 云计算的概念与现状  1）云计算的概念  2）云计算发展现状  3）云计算实现机制  4）云计算的发展环境  5）云计算的优势第二讲 从Google云计算体系，理解海量数据处理的方法  1）如何构建海量存储文件系统？      GFS系统架构       GFS容错机制       GFS系统管理技术       MapReduce产生背景       MapReduce编程模型       MapReduce实现机制       MapReduce案例分析   2）如何提供锁服务解决分布式数据一致性问题？      Chubby的设计思路      Chubby中的Paxos算法      Chubby文件系统  3）如何建立规模庞大的高性能表结构？      BigTable设计目标       BigTable系统架构      BigTable服务器       BigTable性能优化  4）如何建立高可用性和高可扩展性的数据系统？      Megastore设计目标      Megastore数据模型       Megastore事务及并发控制        Megastore基本架构       Dapper监控系统      Dapper关键性技术       Dapper工具第三讲 从Hadoop云计算项目，进一步研究云数据处理方法  1）HDFS：高可靠性处理机制及应用      Hadoop项目简介      HDFS体系结构      HDFS关键运行机制      Hadoop vs Google      Hadoop API      Hadoop环境搭建  2）HBASE：庞大、极其稀疏的可扩展性数据模型      Hbase简介      HBase的运行机制      HBase与 HDFS      HBase的对外接口      ZooKeeper的数据模型      ZooKeeper的读写机制      ZooKeeper的使用方法第四讲 从Windows Azure，理解平台即服务的本质  1）微软云计算平台   2）微软云操作系统Windows Azure   3）微软云关系数据库SQL Azure   4）Azure AppFabric   5）Azure Marketplace 第五讲 从Amazon云计算，讨论如何提供云服务  1）Dynamo基础存储架构  2）弹性计算云EC2   3）简单存储服务S3   4）简单队列服务SQS    5）简单数据库服务Simple DB   6）关系数据库服务RDS   7）内容推送服务CloudFront  8）弹性块存储EBS  9）弹性文件存储EFS第六讲 实施云计算的关键点：安全策略  1）云计算安全是一个必须前期重视的策略  2）云计算的特征与安全挑战  3）云计算的安全体系与关键技术  4）基础架构云安全框架  5）云计算安全平台第七讲 当前数据中心如何向云计算环境转变  1）VMware云产品   2）云管理平台 vCenter   3）vCloud Service Director   4）VMware的网络和存储虚拟化  5）主流商业云计算解决方案比较   6）主流开源云计算系统比较    7）国内代表性云计算平台比较  第八讲 基础设施即服务（IaaS）关键实现技术  1）IaaS技术体系概述  2）服务器虚拟化技术      CPU虚拟化      内存虚拟化      I/O虚拟化  3）存储虚拟化技术      存储系统概述      存储设备层的存储虚拟化       块聚合层的存储虚拟化      文件/记录层的存储虚拟化  4）主机网络虚拟化  5）虚拟机镜像管理  6）加速技术      计算加速网络加速第九讲 平台即服务（PaaS）关键技术实现  1）PaaS技术体系概述  2）容器技术     Docker简介     Linux cgroup及namespace技术     容器网络管理     容器镜像及镜像仓库     OCI规范     安全容器等其他容器运行时技术介绍  3）容器编排调度技术     容器编排概览     Kubernetes框架     Kubernetes工作负载类型     Kubernetes网络模型     Kubernetes存储管理     Kubernetes应用部署     Kubernetes监控  4）微服务  5）DevOps  6）服务网格  7）中间件第十讲 软件即服务（SaaS）关键实现技术  1）SaaS技术概述  2）呈现层技术综述  3）调度层技术      基于DNS的调度      基于虚拟IP的调度      基于链路聚合的调度      基于应用的调度      调度策略  4）业务层  5）数据层  6）用户管理和配置管理  7）用户体验的设计  8）课程总结培训目标：1，深入理解通过云计算实现海量数据处理的思想、方法与实践。2，理解安全性和可用性设计的问题、方法与实践。3，掌握把传统数据中心改造成云计算中心的技术与方法。4，掌握虚拟化技术的核心技术方法以及应用特征。

课程简介：师资：由业界知名大数据专家亲自授课：杨老师 主要研究网络信息分析以及云计算相关技术，长期从事通信网管系统、网络信息处理、商务智能(BI)以及电信决策支持系统的研究开发工作，主持和参与了多个国家和省部级基金项目，具有丰富的工程实践及软件研发经验。培训内容：第一讲 数据挖掘，Python和R简介1.1数据挖掘1.2Python语言1.3 R语言1.4 Iris数据集1.5 Bodyfat数据集第二讲 数据的导入与导出2.1 R数据的保存与加载2.2 CSV文件的导入与导出2.3 通过ODBC从数据库中读取数据2.4 从Excel中导入与导出数据2.5 Python的数据操作第三讲 数据可视化展现3.1 查看数据3.2 单个变量展现3.3 多个变量展现3.4 更多探索3.5 将图表保存到文件中第四讲 决策树与随机森林4.1 使用party包构建决策树4.2 使用rpart包构建决策树4.3 随机森林4.4 Python中的决策树实现4.5 Python决策树实例第五讲 回归分析5.1 线性回归5.2 逻辑回归5.3 广义线性回归5.4 非线性回归5.5 Python中的回归实现5.6 Python回归实例第六讲 聚类分析6.1 k-means聚类6.2 k-medoids聚类6.3 层次聚类6.4 基于密度的聚类6.5 Python中的聚类实现6.6 Python聚类实例第七讲 离群点检测7.1单变量的离群点检测7.2局部离群点因子检测7.3用聚类方法进行离群点检测7.4时间序列数据的离群点检测7.5 Python中的孤立点实例第八讲 时间序列分析8.1 R中的时间序列数据8.2 时间序列分解8.3 时间序列预测8.4 时间序列聚类8.5 时间序列分类8.6 Python中的时间序列实例第九讲 关联规则9.1 关联规则的基本概念9.2 Titanic数据集9.3 关联规则挖掘9.4 消除冗余9.5 解释规则9.6 关联规则的可视化9.7 Python中的关联规则实例第十讲 社交网络分析10.1 词项网络10.2 推文网络10.3 双模式网络10.4 Python中的社交网络分析实例培训目标：1, 全面了解Python和R语言数据挖掘的相关知识。2，学习Python和R的数据挖掘核心技术方法以及应用特征。3，深入使用Python和R在数据挖掘和分析中的使用。

适用人群：18岁以上成年人

适用人群：有需求的学员

适用人群：有需求的学员

适用人群：有需求的学员

适用人群：适龄人群