大數(shù)據(jù)架構(gòu)概述

1. 大數(shù)據(jù)層級結(jié)構(gòu)
介紹大數(shù)據(jù)系統(tǒng)基本架構(gòu)與流程
2. Hadoop生態(tài)系統(tǒng)概述以及版本演化
概要介紹Hadoop生態(tài)系統(tǒng)及其版本演化歷史，并給出hadoop版本選擇建議。
3. Spark生態(tài)系統(tǒng)概述
概要介紹Spark生態(tài)系統(tǒng)及其特點，并與Hadoop對比

數(shù)據(jù)收集系統(tǒng)Flume與Sqoop

介紹如何使用flume和sqoop兩個系統(tǒng)將外部流式數(shù)據(jù)（比如網(wǎng)站日志，用戶行為數(shù)據(jù)等）、關(guān)系型數(shù)據(jù)庫（比如MySQL、Oracle等）中的數(shù)據(jù)導(dǎo)入Hadoop中進行分析和挖掘

大數(shù)據(jù)存儲系統(tǒng)HDFS與HBase

1. 1. HDFS 2.0 原理、特性與基本架構(gòu)
2. 理論：介紹HDFS 2.0原理與架構(gòu)，以及使用方式
3.
4. 2. HBase原理，基本架構(gòu)與案例分析
5. 理論：介紹HBase應(yīng)用場景、原理和架構(gòu)，介紹幾個HBase典型應(yīng)用案例，包括互聯(lián)網(wǎng)應(yīng)用案例和銀行應(yīng)用案例。

分布式計算技術(shù)MapReduce與Hive

1. 介紹計算框架MapReduce基本原理，架構(gòu)及程序設(shè)計方式
2. 動手編寫第一個MapReduce程序
3. Hive基本原理及使用方式

分布式計算技術(shù)Spark

1. 介紹計算框架Spark基本原理，架構(gòu)及程序設(shè)計方式
2. Spark程序設(shè)計

數(shù)據(jù)挖掘與機器學(xué)習(xí)

1. 常見的數(shù)據(jù)挖掘與機器學(xué)習(xí)算法
2. Hadoop數(shù)據(jù)挖掘庫mahout
3. Spark數(shù)據(jù)挖掘庫mllib

應(yīng)用案例1：基于Hadoop的構(gòu)建數(shù)據(jù)倉庫

1. 數(shù)據(jù)倉庫基礎(chǔ)介紹
2. 如何利用大數(shù)據(jù)系統(tǒng)構(gòu)建數(shù)據(jù)倉庫
使用Flume+HDFS+MapReduce+Hive構(gòu)建數(shù)據(jù)倉庫
3. 數(shù)據(jù)倉庫基本架構(gòu)
4. 數(shù)據(jù)倉庫應(yīng)用
如報表生成

應(yīng)用案例2：用戶畫像系統(tǒng)

1. 什么是用戶畫像系統(tǒng)
2. 如何構(gòu)建用戶畫像系統(tǒng)
使用Flume/sqoop+HDFS+HBase+MapReduce/Spark+redis構(gòu)建用戶標簽系統(tǒng)
3. 用數(shù)據(jù)挖掘方式構(gòu)建用戶標簽?
應(yīng)用邏輯回歸、聚類、分類等機器學(xué)習(xí)和數(shù)據(jù)挖掘算法構(gòu)建用戶標簽
4. 用戶畫像系統(tǒng)應(yīng)用
用戶畫像系統(tǒng)在用戶信用等級分級、大數(shù)據(jù)營銷中、用戶流失預(yù)警、潛在用戶分析、異常檢測與分析等方面的應(yīng)用

應(yīng)用案例3：商品推薦系統(tǒng)

1. 什么是商品推薦系統(tǒng)
2. 商品推薦系統(tǒng)基本架構(gòu)
使用Flume+HDFS +Spark+Redis構(gòu)建推薦系統(tǒng)
3. 推薦算法
推薦算法詳解

應(yīng)用案例4：數(shù)據(jù)挖掘系統(tǒng)

1. 什么是數(shù)據(jù)挖掘系統(tǒng)
2. 數(shù)據(jù)挖掘算法的使用
以Spark為主，如何設(shè)計和實現(xiàn)邏輯回歸、聚類、分類等機器學(xué)習(xí)和數(shù)據(jù)挖掘算法
3. 數(shù)據(jù)挖掘的典型應(yīng)用