基本概念和方法
上一节
下一节
王国胤
目录
-
1 第一讲云计算时代的大数据智能处理
-
1.1 云计算是人机交互的互联计算
-
1.2 大数据催生三元空间世界
-
1.3 “互联网+”的未来智能互联
-
1.4 本章测试
-
-
2 第二讲大数据分析处理概述
-
2.1 大数据分析处理计算框架
-
2.2 大数据分析处理基本流程
-
2.3 大数据分析处理评测方法
-
2.4 本章测试
-
-
3 第三讲大数据分析平台基础
-
3.1 Hadoop平台及HDFS基础
-
3.2 MapReduce并行算法基础
-
3.3 HBas/Hive基础及其使用
-
3.4 本章测试
-
-
4 第四讲数据统计分析方法
-
4.1 认识数据
-
4.2 数据统计汇总方法
-
4.3 数据预处理方法
-
4.4 本章测试
-
-
5 第五讲SPSS Statistics
-
5.1 SPSS Statistics简介和分析基本步骤
-
5.2 SPSS Statistics变量属性定义、T检验和单向方差分析
-
5.3 SPSS Statistics 二阶聚类分析
-
5.4 本章测试
-
-
6 第六讲大数据可视化方法
-
6.1 可视化简介
-
6.2 高维数据可视化
-
6.3 网络数据可视化方法
-
6.4 本章测试
-
-
7 第七讲流式大数据预处理基础
-
7.1 流式大数据处理框架- apache storm
-
7.2 流式大数据处理框架-apache spark streaming
-
7.3 流式大数据处理案例
-
7.4 本章测试
-
-
8 第八讲数据关联分析算法
-
8.1 基本概念和方法
-
8.2 经典的Apriori关联规则算法
-
8.3 关联规则算法案例
-
8.4 本章测试
-
-
9 第九讲线性模型分析方法
-
9.1 线性模型基础知识
-
9.2 线性模型方法
-
9.3 weka平台上线性模型应用
-
9.4 本章测试
-
-
10 第十讲有标签的数据分析算法
-
10.1 问题的引入
-
10.2 决策树算法
-
10.3 决策树算法讨论
-
10.4 本章测试
-
-
11 第十一讲无标签的数据分析算法
-
11.1 聚类分析概述
-
11.2 k-means聚类算法
-
11.3 聚类算法讨论
-
11.4 本章测试
-
-
12 第十二讲人工神经网络学习算法
-
12.1 人工神经网络基础知识
-
12.2 误差反向传播神经网络算法
-
12.3 weka平台上BP神经网络应用
-
12.4 本章测试
-
-
13 第十三讲深度学习简介
-
13.1 深度学习基础知识
-
13.2 深度卷积神经网络
-
13.3 Tensorflow平台应用简介
-
13.4 本章测试
-
-
14 第十四讲SPSS Modeler
-
14.1 CRISP-DM和挖掘基本步骤
-
14.2 基于CHAID的决策树模型
-
14.3 标志目标的自动建模
-
14.4 本章测试
-
-
15 第十五讲典型数据挖掘算法并行化案例
-
15.1 MR-Kmeans算法
-
15.2 Spark Mllib聚类算法
-
15.3 Spark平台下的DBSCAN算法
-
-
16 第十六讲大数据分析应用案例
-
16.1 搜索引擎日志数据分析
-
16.2 出租车轨迹数据分析
-
16.3 新闻组数据分析
-
-
17 第十七讲大数据分析与处理展望
-
17.1 大数据分析与处理展望1
-
17.2 大数据分析与处理展望2
-
