재직자 교육

재직자 직무능력향상 교육

교육문의

02-587-5180

평일 09:00~18:00

(토,일,공휴일 휴무)

• 스파크를 사용해 머신러닝, 그래프 처리, 스트리밍, SQL을 스파크에 전달하는 기능을 학습.

• 분산 환경에서 대용량 데이터를 이용한 머신러닝 알고리즘의 적용 방법

• 스파크의 MLlib와 스파크 ML의 모델 튜닝 및 파이프라인 도구의 활용법

일차	과목	내용
1일차	빅데이터 머신러닝 개요	• 빅데이터를 활용한 머신러닝 애플리케이션의 유형 • 머신러닝 사례 • 머신러닝 알고리즘의 종류
1일차	스파크의 개요	• 실습환경 구축 • 스파크의 주요 컴포넌트 • RDD와 데이터셋 • RDD와 데이터셋 연산 • 스칼라, SparkR, PySpark
2일차	스파크 머신러닝	• MLlib와 스파크 ML의 모델 튜닝 도구 • 하이퍼파라미터, 그리드 서치, 교차 검증 등 머신러닝 모델 성능향상 방법 • 스파크 머신러닝 파이프라인
2일차	지도학습 알고리즘	• 나이브 베이즈 • 결정 트리 • 다항 분류
3일차	자율학습 알고리즘과 추천 시스템	• 스파크 그래프 모델 • 군집화 • 추천 시스템
3일차	스파크 ML을 이용한 텍스트 분석	• 트위터에서 스트리밍 데이터를 이용하여 머신러닝 알고리즘 적용 실습 • 머신러닝 파이프라인 구축 및 하이퍼파라미터 튜닝을 통한 모델 성능 향상 실습 • 분산 환경에서 스파크 테스팅과 디버깅

• 프로그래밍 경험자

• 대용량 데이터에 머신러닝을 적용하고자 하는 개발자

• 스파크 ML 을 이용하여 머신러닝 알고리즘을 구현해 본다.