收藏
课程目录
1.1大数据的前世今生
1.2大数据的亲朋好友
1.3怎么和大数据交朋友
2.1数据质量分析与数据预处理概述
2.2数据质量分析
2.3统计量与统计特征分析
2.4零均值化与规范化
2.5主成分分析法
3.1关联规则概述
3.2Apriori算法
3.3FP-Growth算法
3.4基于数理统计的关联规则
4.1分类概述
4.2决策树算法
4.3K近邻算法
4.4支持向量机算法
4.5组合分类算法
4.6分类器评估
5.1聚类分析概述
5.2相似性度量
5.3K-Means聚类算法
5.4GMM算法
5.5层次聚类算法
6.1大数据工具家谱
6.2Hadoop并行计算框架
6.3HBase
7.1Spark概述
7.2Spark架构及运行原理
7.3RDD编程基础
7.4RDD编程实例解析（1）
7.5RDD编程实例解析（2）
8.1Spark SQL简介
8.2DataFrame
9.1流计算概述
9.2Spark Streaming原理
9.3发布订阅消息系统Kafka
9.4Spark Streaming+Kafka编程实例（1）
9.5Spark Streaming+Kafka编程实例（2）
10.1数据可视化概述
10.2数据可视化工具
10.3数据可视化案例
11.1人工智能的概念、分类和发展历史
11.2大数据是人工智能的幕后英雄
1.2大数据的亲朋好友
1.3怎么和大数据交朋友
2.1数据质量分析与数据预处理概述
2.2数据质量分析
2.3统计量与统计特征分析
2.4零均值化与规范化
2.5主成分分析法
3.1关联规则概述
3.2Apriori算法
3.3FP-Growth算法
3.4基于数理统计的关联规则
4.1分类概述
4.2决策树算法
4.3K近邻算法
4.4支持向量机算法
4.5组合分类算法
4.6分类器评估
5.1聚类分析概述
5.2相似性度量
5.3K-Means聚类算法
5.4GMM算法
5.5层次聚类算法
6.1大数据工具家谱
6.2Hadoop并行计算框架
6.3HBase
7.1Spark概述
7.2Spark架构及运行原理
7.3RDD编程基础
7.4RDD编程实例解析（1）
7.5RDD编程实例解析（2）
8.1Spark SQL简介
8.2DataFrame
9.1流计算概述
9.2Spark Streaming原理
9.3发布订阅消息系统Kafka
9.4Spark Streaming+Kafka编程实例（1）
9.5Spark Streaming+Kafka编程实例（2）
10.1数据可视化概述
10.2数据可视化工具
10.3数据可视化案例
11.1人工智能的概念、分类和发展历史
11.2大数据是人工智能的幕后英雄
课程详情
通过本课程的学习，学习者可以了解大数据技术的常见业务背景和底层技术原理，掌握主流的大数据处理框架和数据分析编程工具以及常用的典型数据挖掘算法，并将其纳入软件工程专业的知识和技能体系之中，为胜任大数据时代的工作岗位奠定基础。
通过本课程的学习，学习者可以了解大数据技术的常见业务背景和底层技术原理，掌握主流的大数据处理框架和数据分析编程工具以及常用的典型数据挖掘算法，并将其纳入软件工程专业的知识和技能体系之中，为胜任大数据时代的工作岗位奠定基础。
通过本课程的学习，学习者可以了解大数据技术的常见业务背景和底层技术原理，掌握主流的大数据处理框架和数据分析编程工具以及常用的典型数据挖掘算法，并将其纳入软件工程专业的知识和技能体系之中，为胜任大数据时代的工作岗位奠定基础。
