大數(shù)據(jù)

課時一：概念綜述

1、 大數(shù)據(jù)的定義由來和原因

2、 大數(shù)據(jù)的6V特征

3、 從數(shù)據(jù)庫，數(shù)據(jù)倉庫到大數(shù)據(jù)

4、 大數(shù)據(jù)相關(guān)技術(shù)和處理

課時二：Hadoop生態(tài)圈、spark生態(tài)圈、搜索引擎概述

1、 hadoop：HDFS、Map-Reduce、Hbase、Hive等

2、 spark：scala、spark-SQL、spark-Streaming等

3、 搜索引擎：lucene（solr）、ES

4、 并發(fā)的機器學(xué)習(xí)工具：R-hadoop、spark-MLLIB、 spark-R、pyspark

課時三：存儲在hbase中的數(shù)據(jù)

1、 NoSQL（key-value）

2、 Hbase：安裝

3、 行鍵與列簇

4、 如何利用Hbase的特點存儲數(shù)據(jù)

5、 應(yīng)用程序如何訪問Hbase中的數(shù)據(jù)

6、 數(shù)據(jù)遷移：sqoop

7、 Hbase的應(yīng)用場景

課時四：Hive：為用SQL的開發(fā)者留的活路

1、 Hive：安裝（單用戶與多用戶）

2、 Hive：基本操作

3、 Hive：與典型的關(guān)系型數(shù)據(jù)庫的區(qū)別

4、 如果“想慢”，你可以這樣…（不恰當使用hive的案例介紹）

5、 Hive的應(yīng)用場景

課時五：Spark各組件在衛(wèi)生領(lǐng)域的應(yīng)用

1、 Hadoop最大的特點是什么？

2、 Spark概述與安裝

3、 Scala：你可以一直“點”下去

4、 RDD：“映射”、“轉(zhuǎn)換”解決一切

5、 spark-SQL

6、 spark-streaming

7、 spark的其他組件

8、 應(yīng)用場景

課時六：機器學(xué)習(xí)算法介紹—I

1、 綜述（人工智能、數(shù)據(jù)挖掘、機器學(xué)習(xí)、機器智能、大數(shù)據(jù)：這些詞的確切含義）

2、 監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)與強化學(xué)習(xí)

3、 工具：R、Python等

4、 決策樹詳解（熵、貪心法、連續(xù)的和離散的）

5、 神經(jīng)網(wǎng)絡(luò)詳解（神經(jīng)元、激勵函數(shù)、前饋神經(jīng)網(wǎng)絡(luò)的BP算法，其他神經(jīng)網(wǎng)絡(luò)）

課時七：機器學(xué)習(xí)算法介紹—II

1、 關(guān)聯(lián)規(guī)則詳解（頻繁項集、Apriori、支持度、置信度）

2、 聚類詳解（k-means、k-medoid）

3、 常見算法的簡述（Na?ve-Bayes、k-NN、HMM、SVM等）