大数据分析技术与应用一站式学习（值得收藏）_v20200418

?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。

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. Scrapy网络爬虫简介

10. 通过网络爬虫采集大数据

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编程实例：单词计数

37. MapReduce执行流程和Shuffle过程

38. MapReduce实例分析：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

大数据分析技术与应用一站式学习（值得收藏）_v20200418

原文：https://www.cnblogs.com/linjingtu/p/13193528.html