華為認證_HCIE-Big Data-Data Mining考這些知識點！

　　本文主要為華為HCIE-Big Data-Data Mining V2.0考試大綱，其它認證項目的考試大綱可參考相應的培訓教材或通過華為公司網站獲取。華為企業(yè)大數據挖掘專家認證 HCIE-Big Data-Data Mining V2.0項目對應的考試、考試代碼、考試名稱、考試時長信息如下表所示：

　　考試大綱

　　考試內容
　　華為企業(yè)大數據挖掘專家認證HCIE-Big Data-Data Mining V2.0考試覆蓋：數據挖掘介紹、預備知識（數學基礎知識、Python基礎知識）、數據預處理、特征選擇與降維、有監(jiān)督學習、無監(jiān)督學習、模型評估與優(yōu)化、數據挖掘綜合應用、Spark MLlib數據挖掘、華為云機器學習服務MLS、FusionInsight Miner、大數據架構和大數據治理、大數據挖掘。
　　知識點占比

筆試 & 實驗 & 面試知識點
第一章 數據挖掘介紹 
數據挖掘概述
數據挖掘流程
數據、屬性和度量
數據挖掘開發(fā)工具
數據挖掘學習路徑
第二章 預備知識
矩陣和線性代數
行列式
矩陣及其變換
矩陣分解
奇異值分解
特征值分解
線性變換
向量空間
概率論和數理統(tǒng)計
隨機事件及其概率
隨機變量及其分布
隨機向量及其分布
隨機變量的函數
隨機變量的數字特征
大數定律與中心極限定理
參數估計
假設檢驗
方差分析和回歸分析
信息熵與基尼系數
最優(yōu)化
無約束最優(yōu)化問題
梯度下降法
約束最優(yōu)化問題
拉格朗日乘子法
Python語言基礎
什么是Python
Python基礎知識
Python中的數據類型
判斷與循環(huán)語句
函數和面向對象
常用標準庫
常用第三方庫
正則表達式
文件操作
數據采集與爬蟲
什么是爬蟲
爬蟲的作用及工作流程
爬蟲常用的工具
數據提取與存儲
常見的反爬機制和應對措施
爬蟲程序的實現
數據可視化
什么是數據可視化
數據可視化的作用及使用場景
數據可視化的常用工具
數據可視化的實現流程
第三章 數據預處理
數據抽取、轉換和加載
數據抽取、轉換和加載概述
數據抽取
數據轉換
數據加載
ETL和ELT介紹
數據清洗
不均衡數據處理
缺失值處理
異常值處理
特征處理 
特征縮放
數值離散化
特征編碼
時間數值轉換
第四章 特征選擇與降維
特征選擇
特征選擇概述
Filter
Wrapper
Embedded
其他方法和特征擴增
降維
降維導入
SVD
PCA
LDA
LLE
第五章 有監(jiān)督學習
有監(jiān)督學習的預備知識
機器學習
機器學習分類
基本術語與概念
線性回歸
基本概念
誤差
正規(guī)方程
梯度下降
正則化
邏輯回歸
基本概念
目標函數
損失函數
優(yōu)化方法
KNN
基本概念
KNN算法三要素
樸素貝葉斯
貝葉斯算法
樸素貝葉斯分類算法
樸素貝葉斯分類算法的優(yōu)缺點
SVM
基本概念
線性分類
線性SVM
非線性分類
非線性SVM
決策樹
基本概念
ID3
C4.5
CART
集成算法
基本概念
結合策略
Bagging
隨機森林
Boosting
Adaboost
GBDT
XGboost
第六章 無監(jiān)督學習
無監(jiān)督學習
無監(jiān)督學習概念與導入
聚類算法
聚類分析概念
基于原型聚類
K-Means算法
K-Mediods算法
基于層次聚類
Hierarchical Clustering算法
BIRCH算法
基于密度聚類
DBSCAN算法
關聯算法
Apriori算法
FP-growth算法
第七章 模型評估與優(yōu)化
模型評估與優(yōu)化預備知識
基本術語及概念
最優(yōu)化模型
最優(yōu)化模型的概述
凸優(yōu)化
損失函數
最優(yōu)化模型的分類
模型評估與選擇
模型評估概述
數據集拆分
回歸模型評估
分類模型評估
聚類模型評估
正則化
第八章 數據挖掘綜合應用
數據挖掘的流程
數據挖掘流程概述
分析需求
數據讀取
數據預處理
特征工程
特征選擇
模型選擇
模型評估
綜合應用的案例分析
第九章 Spark MLlib數據挖掘
Spark MLlib基礎入門
Spark MLlib簡介
Spark MLlib矩陣向量
Spark MLlib基礎統(tǒng)計分析
Basic Statistics 簡介
Summery statistic (匯總統(tǒng)計)
Correlations (相關系數)
Stratified sampling (分層抽樣)
Hypothesis Testing (假設檢驗)
Random data generation (隨機數生成)
Kernel density estimation (核密度估計)
Spark MLlib特征提取和轉換
TF-IDF
Word2Vec
StandardScaler，MinMaxScaler，MaxAbsScaler
Normalizer
ChiSqSelector
ElementwiseProduct
Spark MLlib分類與回歸
分類和回歸簡介
線性模型
決策樹模型
集成模型
樸素貝葉斯模型
Spark MLlib聚類與降維
聚類算法回顧
KMeans算法
Spark MLlib降維算法簡介
SVD算法
PCA算法
Spark MLlib關聯規(guī)則與推薦算法
關聯規(guī)則算法回顧
Spark MLlib中FP-Growth算法
Spark MLlib中PrefixSpan算法
協(xié)同過濾算法回顧
Spark MLlib中協(xié)同過濾算法
Spark MLlib評估矩陣
Spark MLlib模型評估
分類模型評估
回歸模型評估
第十章 華為云機器學習服務MLS
華為MLS服務介紹
申請華為MLS服務
創(chuàng)建華為MLS工作流
典型算法的應用
機器學習平臺FusionInsight Miner
第十一章 大數據架構和大數據治理
大數據架構
大數據架構概述
大數據架構在大數據中的重要性
大數據架構師所具備的能力
如何構建大數據架構平臺
大數據業(yè)務層通用架構
大數據治理
大數據治理概述
大數據治理建設背景和目標
企業(yè)數據規(guī)劃及治理模型
大數據治理案例
第十二章 大數據挖掘
數據挖掘背景
銀行客戶精準畫像案例
提升信用卡安全案例
城市環(huán)境質量分析挖掘案例