大数据挖掘与应用—10627人已学习
课程介绍
本课程由多名大数据业界精英呕心沥血精心打造,主要包括视频、交互、实训平台、以及直播课程。视频课程包括数据挖掘常见算法与案例讲解,每个算法都配有IBM SPSS Modeler的实现案例;对大数据环境下利用Hadoop和Spark框架进行数据处理、分析、挖掘也做了详细的讲解,并用一个推荐系统的搭建作为综合案例讲解如何利用Hadoop框架为电商平台搭建一套个性化推荐系统。
课程收益
了解常见数据挖掘算法的原理与具体实现,熟悉Hadoop和Spark框架,熟悉Mahout和MLlib数据挖掘和机器学习方法,熟悉推荐系统的架构和开发方法。
讲师介绍
陈松鑫 更多讲师课程
Adobe知名讲师 Adobe教育讲师委员会委员(国家级) Adobe教育讲师委员会副主任委员(省级) Adobe全国十大金牌讲师 Microsoft Office Certified Master Specialist Instructor (微软全球认证大师级讲师)
课程大纲
第1章:数据挖掘概论
1. 数据挖掘概念 14:50
2. 数据挖掘功能和应用方向 13:47
3. 常见数据挖掘工具及介绍 20:30
第2章:数据预处理
1. 为什么要数据预处理 7:47
2. 数据清理 9:19
3. 数据集成和变换 9:44
4. 数据归约 12:53
第3章:分类算法与案例
1. 分类概述与决策树算法 12:08
2. 其他分类算法与分类建模实例 22:01
第4章:预测算法与案例
1. 预测算法与预测建模实例 15:14
第5章:聚类算法与案例
1. 聚类概述与K-Means聚类算法 11:33
2. 其他聚类算法与聚类建模实例 9:38
第6章:关联算法与案例
1. 关联规则概述 9:24
2. Apriori算法 10:30
3. 其他关联算法与关联建模实例 15:58
第7章:Hadoop入门与进阶
1. Hadoop入门(一) 10:47
2. Hadoop入门(二) 29:10
3. YARN资源管理(一) 13:24
4. YARN资源管理(二) 12:05
5. HDFS分布式文件系统(一) 10:50
6. HDFS分布式文件系统(二) 13:45
7. MAPREDUCE计算框架(一) 13:55
8. MAPREDUCE计算框架(二) 18:49
第8章:Hive基础
1. Hive简介 5:00
2. Hive的体系结构 2:27
3. Hive数据类型和文件格式 5:40
4. Hive常用操作方式 6:26
5. HiveQL数据定义 12:38
6. HiveQL查询 6:03
第9章:Hbase基础
1. HBase简介 4:32
2. HBase体系架构 11:35
3. HBase常用操作 5:13
第10章:Storm理论及操作
1. 初识Storm 6:01
2. Storm架构和原理 8:26
3. Storm操作 10:51
第11章:Spark入门与实战
1. Spark入门 16:40
2. Spark实战 17:12
第12章:Mahout与Mllib理论及基本操作
1. Mahout 理论 9:05
2. Mahout 基本操作 18:21
3. Mllib 理论及基本操作 18:45
第13章:推荐系统介绍及案例分析
1. 推荐系统概念及推荐场景 5:23
2. 实时推荐系统方法 6:35
3. 推荐系统中常见算法 12:22
4. 推荐系统案例 7:09
大家可以点击【 查看详情】查看我的课程
课程介绍
本课程由多名大数据业界精英呕心沥血精心打造,主要包括视频、交互、实训平台、以及直播课程。视频课程包括数据挖掘常见算法与案例讲解,每个算法都配有IBM SPSS Modeler的实现案例;对大数据环境下利用Hadoop和Spark框架进行数据处理、分析、挖掘也做了详细的讲解,并用一个推荐系统的搭建作为综合案例讲解如何利用Hadoop框架为电商平台搭建一套个性化推荐系统。
课程收益
了解常见数据挖掘算法的原理与具体实现,熟悉Hadoop和Spark框架,熟悉Mahout和MLlib数据挖掘和机器学习方法,熟悉推荐系统的架构和开发方法。
讲师介绍
陈松鑫 更多讲师课程
Adobe知名讲师 Adobe教育讲师委员会委员(国家级) Adobe教育讲师委员会副主任委员(省级) Adobe全国十大金牌讲师 Microsoft Office Certified Master Specialist Instructor (微软全球认证大师级讲师)
课程大纲
第1章:数据挖掘概论
1. 数据挖掘概念 14:50
2. 数据挖掘功能和应用方向 13:47
3. 常见数据挖掘工具及介绍 20:30
第2章:数据预处理
1. 为什么要数据预处理 7:47
2. 数据清理 9:19
3. 数据集成和变换 9:44
4. 数据归约 12:53
第3章:分类算法与案例
1. 分类概述与决策树算法 12:08
2. 其他分类算法与分类建模实例 22:01
第4章:预测算法与案例
1. 预测算法与预测建模实例 15:14
第5章:聚类算法与案例
1. 聚类概述与K-Means聚类算法 11:33
2. 其他聚类算法与聚类建模实例 9:38
第6章:关联算法与案例
1. 关联规则概述 9:24
2. Apriori算法 10:30
3. 其他关联算法与关联建模实例 15:58
第7章:Hadoop入门与进阶
1. Hadoop入门(一) 10:47
2. Hadoop入门(二) 29:10
3. YARN资源管理(一) 13:24
4. YARN资源管理(二) 12:05
5. HDFS分布式文件系统(一) 10:50
6. HDFS分布式文件系统(二) 13:45
7. MAPREDUCE计算框架(一) 13:55
8. MAPREDUCE计算框架(二) 18:49
第8章:Hive基础
1. Hive简介 5:00
2. Hive的体系结构 2:27
3. Hive数据类型和文件格式 5:40
4. Hive常用操作方式 6:26
5. HiveQL数据定义 12:38
6. HiveQL查询 6:03
第9章:Hbase基础
1. HBase简介 4:32
2. HBase体系架构 11:35
3. HBase常用操作 5:13
第10章:Storm理论及操作
1. 初识Storm 6:01
2. Storm架构和原理 8:26
3. Storm操作 10:51
第11章:Spark入门与实战
1. Spark入门 16:40
2. Spark实战 17:12
第12章:Mahout与Mllib理论及基本操作
1. Mahout 理论 9:05
2. Mahout 基本操作 18:21
3. Mllib 理论及基本操作 18:45
第13章:推荐系统介绍及案例分析
1. 推荐系统概念及推荐场景 5:23
2. 实时推荐系统方法 6:35
3. 推荐系统中常见算法 12:22
4. 推荐系统案例 7:09
大家可以点击【 查看详情】查看我的课程