大数据分析技术与应用一站式学习（值得收藏）
时间：12-09来源：作者：点击数：
所谓大数据（Big Data），就是需要处理的数据量非常巨大，已经达到了 TB、PB 甚至 EB、ZB 级别，需要成千上万块硬盘才能存储。传统的技术手段在大数据面前不堪一击，只能探索一套新的解决方案。
这套《大数据技术与应用教程》对大数据处理过程中涉及的各种关键技术做了详细的介绍，包括大数据思维、大数据采集、大数据处理、大数据存储、大数据挖掘、大数据应用等各个环节，帮助初学者规划了一条完整的学习路线。
这套教程只是一本入门指南手册，目的是给初学者指引方向，它虽然讲解了大数据的各种技术，但并不非常深入。对于大数据开发人员，还需要结合其它教程深度学习；对于大数据从业者，这些知识已经足够了。
优质学习资源：数据观（中国大数据分析产业观察）、中国大数据技术与应用联盟、大数据分析学习路线、大数据学习书籍
- 教程目录：
- 1.大数据是什么？1分钟了解大数据的概念！
- 2.大数据时代是什么意思？
- 3.大数据的产生和作用（详细分析）
- 4.大数据时代的10个重大变化（长篇神文）
- 5.大数据处理的基本流程：数据抽取与集成+数据分析+数据解释
- 6.大数据开发涉及到的关键技术有哪些？
- 7.大数据采集技术概述
- 8.通过系统日志采集大数据
- 9.通过网络爬虫采集大数据
- 10.Scrapy网络爬虫简介
- 11.大数据预处理架构和方法简介
- 12.大数据预处理之数据清洗
- 13.大数据预处理之数据集成
- 14.大数据预处理之数据转换
- 15.大数据预处理之数据消减
- 16.离散化和数值概念层次树简介
- 17.大数据处理技术有哪些？
- 18.GFS、MapReduce和BigTable：Google的三种大数据处理系统
- 19.Hadoop大数据处理框架简介
- 20.Hadoop HDFS分布式文件系统简介
- 21.HDFS基本原理和设计理念
- 22.HDFS架构和实现机制简介
- 23.HDFS读取和写入数据简介
- 24.HDFS两种操作方式：命令行和Java API
- 25.NoSQL非关系型数据库简介
- 26.NoSQL数据库类型简介
- 27.Hadoop HBase数据库简介
- 28.HBase列式数据模型简介
- 29.HBase Shell常用命令和基本操作（附带实例）
- 30.HBase主要运行机制（物理存储和逻辑架构）
- 31.HBase常用Java API
- 32.HBase Java API编程实例
- 33.Hadoop MapReduce简介
- 34.Hadoop MapReduce架构
- 35.Hadoop MapReduce工作流程
- 36.MapReduce实例分析：单词计数
- 37.MapReduce执行流程和Shuffle过程
- 38.MapReduce编程实例：单词计数
- 39.Spark是什么？Spark和Hadoop的区别
- 40.Spark RDD是什么？
- 41.Spark总体架构和运行流程
- 42.Spark生态圈简介
- 43.Spark开发实例（编程实践）
- 44.Spark Streaming简介
- 45.Spark Streaming的系统架构
- 46.Spark Streaming编程模型
- 47.Spark DStream相关操作
- 48.Spark Streaming编程实战（开发实例）
- 49.数据挖掘是什么？
- 50.Spark MLlib简介
- 51.数据挖掘之分类和预测简介
- 52.决策树和朴素贝叶斯算法简介
- 53.回归分析预测技术简介
- 54.什么是聚类分析？聚类分析方法的类别
- 55.k-means聚类算法简介
- 56.DBSCAN聚类算法简介
- 57.数据挖掘之关联规则分析简介
- 58.Apriori算法和FP-Tree算法简介
- 59.基于大数据的精准营销
- 60.基于大数据的个性化推荐系统
- 61.大数据预测（大数据核心应用）
- 62.大数据的其他应用领域
- 63.大数据可以应用在哪些行业？
- 64.大数据在金融行业的应用
- 65.大数据在互联网行业的应用
- 66.大数据在物流行业的应用
方便获取更多学习、工作、生活信息请关注本站微信公众号
上一篇:大数据在物流行业的应用
下一篇:【大数据】CentOS7安装Scala2.11.8
湘公网安备 43102202000103号