用户画像第一章(企业级360°全方位用户画像_项目安排：)_用户画像和个性化推荐项目 人力投入(3)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

如何构建用户画像
标签Tag
项目核心功能：
深入剖析（最关键）
项目工程初步搭建
二、基础知识：数据导入ETL和应用调度 -2天
a）、数据采集与ETL
如何将业务数据采集导入到大数据平台上（HDFS、Hive、HBase）
b）、标签 -> 模型 -> SparkApplication
Oozie

三、标签开发（基础标签） - 12天
a）、规则匹配标签 + GitHup 5天
b）、统计标签 2天

c）、挖掘标签 5天
涉及机器学习算法：聚类KMeans、决策树DecisionTree

四、商品推荐体验及多数据源 - 3天
a）、当用户点击浏览商品时，给用户推荐商品（Top10）
涉及机器学习算法：ALS（交替最小二乘法）
b）、标签系统支持多种数据源
可以从任意数据源加载业务数据，构建标签，比如从HBase、Hive、MySQL和HDFS等等

第一部分：
用户画像概念、项目概述及环境搭建

1、用户画像

1.1、概念

什么是用户画像？

*百度百科定义

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

tps://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**