|
大数据-基于Spark的机器学习-智能客户系统项目实战 2017年11月 2017年客户智能系统-基于Spark的机器学习资料# |$ Y% Q M7 |/ u1 u
第1节项目介绍以及在本课程中能学到什么东西、如何应用到实际项目中.mp48 H- c1 a' r) n% w. s# ~# x
第2节scala和IDE的安装以及使用以及maven插件的安装.mp4
第3节Centos环境准备（java环境、hosts配置、防火墙关闭）.mp43 t0 z- k" \; H* p% J( e
第4节scala基础知识讲解-1.mp41 K7 P# `. }: Q3 E) O9 k
第5节scala基础知识讲解-函数和闭包-2.mp4: P# T& r Y @$ }# W6 I
第6节scala基础知识讲解-数组和集合-3.1.mp4
第7节scala基础知识讲解-数组和集合-3.2.mp4
第8节scala基础知识讲解-类和对象-4.mp4
第9节scala基础知识讲解-特征和模式匹配-5.mp47 E6 S, t0 W. N0 v6 B$ s
第10节scala基础知识讲解-正则表达式和异常处理-6.mp4
第11节-26节：课件资料.rar
第11节scala基础知识讲解-知识回顾.mp4" i8 ]; S+ S+ O# ^
第12节nosql数据库mongodb安装.mp4% `' ?/ b) R# ^5 {8 P: j* }
第13节spring data for mongodb-简单连接mongodb.mp4
第14节spring data for mongodb-spring配置+CRUD操作(不实现repo，默认操作).mp4
第15节spring data for mongodb-实现repo接口+mongoTemplate+CRUD操作.mp4
第16节spring data for mongodb-分页查询.mp42 ?2 X0 U, o8 t( i3 c/ Q _) u
第17节zookeeper集群安装.mp4
第18节zookeeper基本介绍-1.mp4' @) ~& {% w1 ^# n' H
第19节zookeeper工作原理-选举流程（basic paxos算法）-2.mp44 G- @# m7 J9 ~3 h5 [
第20节zookeeper工作原理-选举流程（fast paxos算法）-3.mp4+ z) m: ?* R6 H+ @
第21节kafka-背景及架构介绍.mp4+ T5 E' m8 }' ?, E; _6 ?/ D; v
第22节kafka集群安装以及测试.mp4
第23节kafka数据发送与接收实现-java.mp4- }( T& P1 j* s' m& C' I7 v! U
第24节hdfs单机安装部署.mp4; _& i* ^$ s( d5 H: ~5 L( E
第25节连接hdfs查询存储-java.mp4) c/ E/ U2 G2 p+ F% ?9 z8 Y( ]
第26节机器学习基本线性代数介绍.mp4
第27节-32节：课件资料.rar
第27节IKAnalyzer中文分词工具介绍.mp4) b9 R1 I% d/ J/ Q0 A7 L g
第28节IKAnalyzer中文分词工具结合java应用.mp4+ o4 H' M, ]: x$ @( s- s$ ?# n
第29节Spark以及生态圈介绍.mp43 G' T, ]6 S0 }( p, n- K! r
第30节Spark运行架构介绍及原理之job，stage，task.mp48 d$ D- v( j2 P6 L# O2 w1 M+ }
第31节Spark编程模型RDD设计以及运行原理.mp4
第32节纯手写第一个Spark应用程序：WordCount.mp4. J! W7 n1 m- l& u& T0 Q- e; E4 J
第33节-38节：课件资料.rar
第33节RDD常用函数介绍.mp4
第34节Spark Sql介绍、DataFrame创建以及使用、RDD DataFrame DataSet相互转化.mp4+ }6 w+ D; A, Y
第35节Spark Streaming介绍.mp4" i' }' {4 F$ i4 B+ u; H% E
第36节Spark Streaming+Kafka集成操作.mp4
第37节avro结合maven使用,实现序列化和反序列化.mp40 _3 q) g- v& J9 Q% q, E: |
第38节Spark ML（机器学习）介绍（监督学习、半监督学习、无监督学习）.mp4& d$ A2 x' S0 A* l b/ ?! e5 H8 Y
第39节-44节：课件资料.rar! c9 V! L( h" z) h! M0 U. d% G
第39节特征抽取：TF-IDF原理介绍.mp4
第40节特征提取：TF-IDF代码实现计算.mp4
第41节聚类算法：KMEANS原理介绍.mp47 k% `/ z: K$ D4 }2 U) P3 v4 ^
第42节聚类算法：KMEANS代码实现计算.mp4
第43节其它Spark ML算法简单介绍.mp4/ d0 b5 z1 D# Z1 b; Q4 T
第44节Spark连接Mongodb代码实现.mp4
第45节-48节：课件资料.rar
第45节Mesos总体架构介绍.mp4- ~6 e# B0 d% e7 v3 D% |
第46节Mesos安装部署.mp4
第47节Spark on Mesos安装部署.mp4
第48节系统整体架构再次介绍+技术串联介绍（将学习的技术全部整合到项目中）.mp4
第49节项目代码：父类工程，管理各个jar的版本.mp46 k/ r" o6 Z- j+ J t
第50节项目代码：avro序列化jar，用于客户端和机器学学习实现序列化和反序列化.mp4
第51节项目代码：kafka发送数据jar，给app调用并实现切词并发送数据到kafka.mp41 u$ n3 r) Z9 [4 q( h5 v$ o
第52节项目代码：工具类jar，实现操作hdfs、切词以及操作mongodb.mp42 [* h9 h. G: w/ K" t8 {! e
第53节项目代码：操作类jar，调用工具类具体进行切词以及数据清洗并且存储到Hdfs.mp42 k7 y2 @1 ~" k: F
第54节项目代码：机器学习集合jar，主要用来存放record.mp4
第55节项目代码：机器学习算法jar，主要进行tf-idf以及kmeans计算，主要实现企业上下游、供求上下游模型计算.mp4/ b& |' k% t; {# X) G! E
第56节项目代码：流式计算jar，主要是接受客户端发送到kafka的数据加载模型进行计算.mp4
第57节项目代码：测试模拟jar，主要模拟实现用户加载avro序列化jar写数据到kafka.mp4
第58节-61节：课件资料.rar% J3 e: ~% z' o' H# n& o/ m9 }
第58节Spark on Mesos部署提交参数介绍.mp4
第59节Spark代码提交到Mesos运行（Spark-submit）.mp4 z3 N5 _% [6 D! Q2 L
第60节项目整体流程跑通，结果展示.mp4
第61节Spark调优介绍.mp4' r8 Y1 c3 c2 p. [5 o1 J7 ]
第62节基于Spark的机器学习项目-智能客户系统实战课程总结.mp4: B: _3 j# ?# z7 R* C( z( m
第63节实际工作及面试注意问题.mp4
# s" d9 D+ h. M' j- }( J5 J8 @3 j
下载地址:
| 
发表于 2018-6-9 10:37:07
发表于 2019-5-25 21:13:25
