Spark机器学习视频第10课.最终获取用户的收藏以及订单转换率
课程目录:
课时1:Spark介绍
课时2:Spark2集群安装
课时3:Spark RDD操作
课时4:SparkRDD原理剖析
课时5:Spark2sql从mysql中导入
课时6:Spark1.6.2sql与mysql数据交互
课时7:SparkSQL java操作mysql数据
课时8:Spark统计用户的收藏转换率
课时9:Spark梳理用户的收藏以及订单转换率
课时10:最终获取用户的收藏以及订单转换率
课时11:Spark Pipeline构建随机森林回归预测模型
课时12:Spark 随机森林回归预测结果并存储进mysql
课时13:Spark对收藏转预测换率与真正的转换率对比,以及决策树模型构建
课时14:Spark机器学习对各种监督与非监督分类学习详细介绍
课时15:Spark协同过滤算法,构建用户与产品模型
课时16:Spark协同算法完成给用户推荐产品
课时17:mongodb的安装以及其基本操作
课时18:Spark与mongodb整合
课时19:Spark预测收藏以及给用户推荐的产品存储进mongodb
课时20:操作RDD需要注意点,以及Spark内存分配资源调优
课时21:Spark整个学习过程及其总结
Spark机器学习视频第4课.SparkRDD原理剖析
课程目录:
课时1:Spark介绍
课时2:Spark2集群安装
课时3:Spark RDD操作
课时4:SparkRDD原理剖析
课时5:Spark2sql从mysql中导入
课时6:Spark1.6.2sql与mysql数据交互
课时7:SparkSQL java操作mysql数据
课时8:Spark统计用户的收藏转换率
课时9:Spark梳理用户的收藏以及订单转换率
课时10:最终获取用户的收藏以及订单转换率
课时11:Spark Pipeline构建随机森林回归预测模型
课时12:Spark 随机森林回归预测结果并存储进mysql
课时13:Spark对收藏转预测换率与真正的转换率对比,以及决策树模型构建
课时14:Spark机器学习对各种监督与非监督分类学习详细介绍
课时15:Spark协同过滤算法,构建用户与产品模型
课时16:Spark协同算法完成给用户推荐产品
课时17:mongodb的安装以及其基本操作
课时18:Spark与mongodb整合
课时19:Spark预测收藏以及给用户推荐的产品存储进mongodb
课时20:操作RDD需要注意点,以及Spark内存分配资源调优
课时21:Spark整个学习过程及其总结
Spark机器学习视频第2课.Spark2集群安装
课程目录:
课时1:Spark介绍
课时2:Spark2集群安装
课时3:Spark RDD操作
课时4:SparkRDD原理剖析
课时5:Spark2sql从mysql中导入
课时6:Spark1.6.2sql与mysql数据交互
课时7:SparkSQL java操作mysql数据
课时8:Spark统计用户的收藏转换率
课时9:Spark梳理用户的收藏以及订单转换率
课时10:最终获取用户的收藏以及订单转换率
课时11:Spark Pipeline构建随机森林回归预测模型
课时12:Spark 随机森林回归预测结果并存储进mysql
课时13:Spark对收藏转预测换率与真正的转换率对比,以及决策树模型构建
课时14:Spark机器学习对各种监督与非监督分类学习详细介绍
课时15:Spark协同过滤算法,构建用户与产品模型
课时16:Spark协同算法完成给用户推荐产品
课时17:mongodb的安装以及其基本操作
课时18:Spark与mongodb整合
课时19:Spark预测收藏以及给用户推荐的产品存储进mongodb
课时20:操作RDD需要注意点,以及Spark内存分配资源调优
课时21:Spark整个学习过程及其总结
Spark机器学习第1课.Spark介绍
课程目录:
课时1:Spark介绍
课时2:Spark2集群安装
课时3:Spark RDD操作
课时4:SparkRDD原理剖析
课时5:Spark2sql从mysql中导入
课时6:Spark1.6.2sql与mysql数据交互
课时7:SparkSQL java操作mysql数据
课时8:Spark统计用户的收藏转换率
课时9:Spark梳理用户的收藏以及订单转换率
课时10:最终获取用户的收藏以及订单转换率
课时11:Spark Pipeline构建随机森林回归预测模型
课时12:Spark 随机森林回归预测结果并存储进mysql
课时13:Spark对收藏转预测换率与真正的转换率对比,以及决策树模型构建
课时14:Spark机器学习对各种监督与非监督分类学习详细介绍
课时15:Spark协同过滤算法,构建用户与产品模型
课时16:Spark协同算法完成给用户推荐产品
课时17:mongodb的安装以及其基本操作
课时18:Spark与mongodb整合
课时19:Spark预测收藏以及给用户推荐的产品存储进mongodb
课时20:操作RDD需要注意点,以及Spark内存分配资源调优
课时21:Spark整个学习过程及其总结