全部課程
發(fā)布時(shí)間： 2019-07-04 15:38:20
?華為大數(shù)據(jù)挖掘?qū)＜艺J(rèn)證HCIE-Big Data-Data Mining V2.0自2019年7月2日起，正式在中國(guó)區(qū)發(fā)布。
?HCIE-Big Data-Data Mining V2.0 定位于數(shù)據(jù)挖掘方向的專家級(jí)別認(rèn)證，適用于大數(shù)據(jù)開發(fā)和運(yùn)維高級(jí)工程師以及致力于向AI領(lǐng)域發(fā)展的人員的技能提升。
認(rèn)證內(nèi)容：HCIE-Big Data-Data Mining V2.0 包含：數(shù)據(jù)挖掘基礎(chǔ)數(shù)理知識(shí)、數(shù)據(jù)挖掘平臺(tái)工具、爬蟲技術(shù)、ETL技術(shù)、常用數(shù)據(jù)挖掘算法、模型評(píng)估、Spark MLlib、華為機(jī)器學(xué)習(xí)服務(wù)、FusionInsight Miner，大數(shù)據(jù)架構(gòu)和大數(shù)據(jù)治理等。該認(rèn)證提供了豐富的隨堂實(shí)驗(yàn)和數(shù)據(jù)挖掘行業(yè)案例，旨在提升學(xué)員的實(shí)踐能力，促進(jìn)大數(shù)據(jù)行業(yè)專家型人才的培養(yǎng)。
?通過HCIE-Big Data-Data Mining V2.0，您將掌握大數(shù)據(jù)場(chǎng)景下的數(shù)據(jù)挖掘知識(shí)，具備專家級(jí)別的數(shù)據(jù)運(yùn)用及價(jià)值呈現(xiàn)的能力，能夠勝任數(shù)據(jù)挖掘相關(guān)崗位。
?企業(yè)擁有通過HCIE-Big Data-Data Mining V2.0認(rèn)證的專家，意味著企業(yè)具備了足以應(yīng)對(duì)大數(shù)據(jù)時(shí)代挑戰(zhàn)的主流技術(shù)，能夠?qū)崿F(xiàn)大型復(fù)雜數(shù)據(jù)挖掘項(xiàng)目的落地。
教材變化
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(píng)估與優(yōu)化 | 0% | 12% | 增加模型評(píng)估與優(yōu)化預(yù)備知識(shí)、最優(yōu)化模型、模型評(píng)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(píng)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(cāng)庫(kù) | 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(cāng)庫(kù) 刪除FusionInsight Libra分布式數(shù)據(jù)庫(kù)概述、組件簡(jiǎn)介、產(chǎn)品特性和關(guān)鍵技術(shù)、安全管理、數(shù)據(jù)庫(kù)管理系統(tǒng)并發(fā)控制、數(shù)據(jù)庫(kù)性能監(jiān)控、數(shù)據(jù)遷移、SQL 介紹、數(shù)據(jù)庫(kù)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(cāng)庫(kù)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(cāng)庫(kù)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% |
實(shí)驗(yàn)手冊(cè)變化
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(píng)估 | 0% | 12% | 增加模型優(yōu)化預(yù)評(píng)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(cè)，包含房?jī)r(jià)售價(jià)預(yù)測(cè)、信用違約預(yù)測(cè)、犯罪類型預(yù)測(cè)、銀行辦理貸款業(yè)務(wù)預(yù)測(cè)等場(chǎng)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(cè)，占比60% |
考試說明
?HCIE-Big Data-Data Mining V2.0認(rèn)證考試已于2019年7月2日在Pearson VUE平臺(tái)上線，Pearson VUE考試預(yù)約網(wǎng)址: http://www.pearsonvue.com.cn/。考試代碼為：H13-731，保持不變。
?HCIE-Big Data V1.0認(rèn)證考試預(yù)計(jì)將于2020年1月01日下線，請(qǐng)參加HCIE-Big Data V1.0考試的考生務(wù)必在2019年12月31日前（含當(dāng)天）完成預(yù)約及考試。請(qǐng)廣大考生提前做好學(xué)習(xí)、培訓(xùn)和考試計(jì)劃。
微信
公眾號(hào)
