課時(shí)一：概念綜述

1、 大數(shù)據(jù)的定義由來(lái)和原因

2、 大數(shù)據(jù)的6V特征

3、 從數(shù)據(jù)庫(kù)，數(shù)據(jù)倉(cāng)庫(kù)到大數(shù)據(jù)

4、 大數(shù)據(jù)相關(guān)技術(shù)和處理

課時(shí)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(jī)器學(xué)習(xí)工具：R-hadoop、spark-MLLIB、 spark-R、pyspark

課時(shí)三：存儲(chǔ)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(diǎn)存儲(chǔ)數(shù)據(jù)

5、 應(yīng)用程序如何訪問(wèn)Hbase中的數(shù)據(jù)

6、 數(shù)據(jù)遷移：sqoop

7、 Hbase的應(yīng)用場(chǎng)景

課時(shí)四：Hive：為用SQL的開(kāi)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(kù)的區(qū)別

4、 如果“想慢”，你可以這樣…（不恰當(dāng)使用hive的案例介紹）

5、 Hive的應(yīng)用場(chǎng)景

課時(shí)五：Spark各組件在衛(wèi)生領(lǐng)域的應(yīng)用

1、 Hadoop最大的特點(diǎn)是什么？

2、 Spark概述與安裝

3、 Scala：你可以一直“點(diǎn)”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(chǎng)景

課時(shí)六：機(jī)器學(xué)習(xí)算法介紹—I

1、 綜述（人工智能、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、機(jī)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(wú)監(jiān)督學(xué)習(xí)與強(qiáng)化學(xué)習(xí)

3、 工具：R、Python等

4、 決策樹(shù)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(lì)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(shí)七：機(jī)器學(xué)習(xí)算法介紹—II

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

2、 聚類詳解（k-means、k-medoid）

3、 常見(jiàn)算法的簡(jiǎn)述（Na?ve-Bayes、k-NN、HMM、SVM等）