HCIE-Big Data-Data Mining V2.0正式發(fā)布

知識(shí)點(diǎn)

V1.0

V2.0

變更說明

1. 數(shù)據(jù)挖掘介紹

5%

4%

增加數(shù)據(jù)挖掘流程、數(shù)據(jù)挖掘開發(fā)工具和數(shù)據(jù)挖掘?qū)W習(xí)路徑 ，占比2%

優(yōu)化數(shù)據(jù)挖掘概述、數(shù)據(jù)/屬性和度量，占比2%

2. 預(yù)備知識(shí)（數(shù)學(xué)知識(shí)、Python知識(shí)）

0%

12%

增加矩陣和線性代數(shù)、概率論和數(shù)理統(tǒng)計(jì)、信息熵與基尼系數(shù)以及最優(yōu)化等數(shù)學(xué)預(yù)備知識(shí)，占比6%

增加Python語言基礎(chǔ)、數(shù)據(jù)采集與爬蟲以及數(shù)據(jù)可視化等Python預(yù)備知識(shí)和工具使用方法，占比6%

3. 數(shù)據(jù)預(yù)處理

5%

12%

增加數(shù)據(jù)抽取、轉(zhuǎn)換和加載和特征處理等內(nèi)容，占比8%

優(yōu)化數(shù)據(jù)清洗內(nèi)容，占比4%

4. 特征選擇與降維

0%

7%

增加特征選擇和降維等內(nèi)容介紹，占比7%

5. 有監(jiān)督學(xué)習(xí)

5%

11%

增加有監(jiān)督學(xué)習(xí)的預(yù)備知識(shí)、線性回歸、邏輯回歸、KNN、SVM等有監(jiān)督學(xué)習(xí)算法，占比6%

優(yōu)化樸素貝葉斯、決策樹和集成算法等有監(jiān)督學(xué)習(xí)算法，占比5%

6. 無監(jiān)督學(xué)習(xí)

5%

5%

優(yōu)化聚類算法及關(guān)聯(lián)規(guī)則算法，占比5%

7. 模型評估與優(yōu)化

0%

12%

增加模型評估與優(yōu)化預(yù)備知識(shí)、最優(yōu)化模型、模型評估與選擇、正則化等內(nèi)容，占比12%

8. 數(shù)據(jù)挖掘綜合應(yīng)用

0%

8%

增加數(shù)據(jù)挖掘的流程、綜合應(yīng)用的案例分析等內(nèi)容，占比8%

9. Spark MLlib數(shù)據(jù)挖掘

0%

11%

增加Spark MLlib基礎(chǔ)入門、基礎(chǔ)統(tǒng)計(jì)分析、特征提取和轉(zhuǎn)換、分類與回歸、聚類與降維、關(guān)聯(lián)規(guī)則與推薦算法、評估矩陣等內(nèi)容，占比11%

10. 華為云機(jī)器學(xué)習(xí)服務(wù)MLS

5%

6%

優(yōu)化華為云機(jī)器學(xué)習(xí)服務(wù)MLS、華為機(jī)器學(xué)習(xí)平臺(tái)FusionInsight   Miner等內(nèi)容，占比6%

11. 大數(shù)據(jù)架構(gòu)和大數(shù)據(jù)治理

0%

9%

增加大數(shù)據(jù)架構(gòu)、大數(shù)據(jù)治理等內(nèi)容，占比9%

12. 大數(shù)據(jù)挖掘

0%

3%

增加數(shù)據(jù)挖掘背景、銀行客戶精準(zhǔn)畫像案例、提升信用卡安全案例和城市環(huán)境質(zhì)量分析挖掘案例等內(nèi)容，占比3%

13. FusionInsight LibrA華為分布式數(shù)據(jù)倉庫

70%

0%

該知識(shí)點(diǎn)刷新到HCIE-Big Data-Data Analysis & Management   V1.0第六章：GaussDB 200分布式數(shù)據(jù)倉庫

刪除FusionInsight Libra分布式數(shù)據(jù)庫概述、組件簡介、產(chǎn)品特性和關(guān)鍵技術(shù)、安全管理、數(shù)據(jù)庫管理系統(tǒng)并發(fā)控制、數(shù)據(jù)庫性能監(jiān)控、數(shù)據(jù)遷移、SQL 介紹、數(shù)據(jù)庫設(shè)計(jì)、應(yīng)用程序開發(fā)指導(dǎo)等內(nèi)容，占比70%

14. 數(shù)據(jù)倉庫介紹

5%

0%

該知識(shí)點(diǎn)刷新到HCIE-Big Data-Data Analysis & Management   V1.0第二章：預(yù)備知識(shí)

刪除OLAP和OLTP概念、數(shù)據(jù)倉庫和數(shù)據(jù)集市概念、多維數(shù)據(jù)模型、概念分層、ROLAP/MOLAP/HOLAP、方體物化等內(nèi)容，占比5%

知識(shí)點(diǎn)

V1.0

V2.0

變更說明

1. 基礎(chǔ)數(shù)學(xué)知識(shí)、Python知識(shí)

0%

12%

增加數(shù)學(xué)實(shí)驗(yàn)、Python實(shí)驗(yàn)，各占比6%

2. 數(shù)據(jù)預(yù)處理

0%

12%

增加數(shù)據(jù)預(yù)處理實(shí)驗(yàn)，占比12%

3. 特征選擇與降維

0%

7%

增加特征選擇與降維實(shí)驗(yàn)，占比7%

4. 有監(jiān)督學(xué)習(xí)

0%

11%

增加有監(jiān)督學(xué)習(xí)實(shí)驗(yàn)，占比11%

5. 無監(jiān)督學(xué)習(xí)

0%

5%

增加無監(jiān)督學(xué)習(xí)實(shí)驗(yàn)，占比5%

6. 模型優(yōu)化預(yù)評估

0%

12%

增加模型優(yōu)化預(yù)評估實(shí)驗(yàn)，占比12%

7. 數(shù)據(jù)挖掘綜合

0%

8%

增加數(shù)據(jù)挖掘綜合實(shí)驗(yàn)，占比8%

8. Spark MLlib

0%

11%

增加Spark MLlib實(shí)驗(yàn)，占比11%

9. 華為機(jī)器學(xué)習(xí)服務(wù)MLS

5%

6%

優(yōu)化華為機(jī)器學(xué)習(xí)服務(wù)MLS實(shí)驗(yàn)，占比6%

10. ETL

0%

6%

增加ETL實(shí)驗(yàn)，占比6%

11. 綜合大實(shí)驗(yàn)

0%

10%

增加數(shù)據(jù)挖掘綜合大實(shí)驗(yàn)指導(dǎo)手冊，包含房價(jià)售價(jià)預(yù)測、信用違約預(yù)測、犯罪類型預(yù)測、銀行辦理貸款業(yè)務(wù)預(yù)測等場景的數(shù)據(jù)挖掘綜合實(shí)驗(yàn)，占比10%

12.FusionInsight LibrA

60%

0%

刪除FusionInsight LibrA實(shí)驗(yàn)手冊，占比60%