第1章 初识机器学习 试看 4 节 | 39分钟

在本章中将带领大家概要了解什么是机器学习、机器学习在当前有哪些典型应用、机器学习的核心思想、常用的框架有哪些，该如何进行选型等相关问题。

收起列表

• 视频： 1-1 导学 (12:05) 试看
• 视频： 1-2 机器学习概述 (07:19)
• 视频： 1-3 机器学习核心思想 (12:08)
• 视频： 1-4 机器学习的框架与选型.. (06:36)

第2章 初识MLlib 4 节 | 30分钟

本章中，将介绍Spark的机器学习库，对比Spark当前两种机器学习库（MLLib/ML）的区别，同时介绍Spark机器学习库的应用场景以及行业应用优势。

收起列表

• 视频： 2-1 MLlib概述 (10:59)
• 视频： 2-2 MLlib的数据结构 (11:15)
• 视频： 2-3 MLlib与ml (02:52)
• 视频： 2-4 MLlib的应用场景 (04:04)

第3章 实战环境搭建 4 节 | 38分钟

本章中，将介绍如何进行实战环境搭建。包括如何完成Spark环境安装配置、如何通过Spark Shell进行编程，并通过 Wordcount 入门程序，完成部署和测试。

收起列表

• 视频： 3-1 Spark环境安装 (06:53)
• 视频： 3-2 Spark配置若干要点 (08:02)
• 视频： 3-3 学习Spark shell (05:03)
• 视频： 3-4 实战Wordcount (17:38) 试看

第4章 数据可视化 3 节 | 21分钟

本章中，将对数据可视化进行介绍，告诉大家什么是数据可视化，我们通过数据可视化能对大数据系统起到怎样的作用，并结合 Echars 介绍了如何实现常见的数据可视化图表（折线图、柱状图、散点图）。

收起列表

• 视频： 4-1 数据可视化的作用及常用方法 (03:06)
• 视频： 4-2 初识Echarts (06:23)
• 视频： 4-3 通过Echarts实现图表化数据展示 (11:28)

第5章 Spark的矩阵与向量 3 节 | 27分钟

本章中，将讲解矩阵与向量的一些基本运算，并介绍Spark的矩阵与向量的操作，帮助数据基础薄弱的同学补齐短板。

收起列表

• 视频： 5-1 矩阵与向量介绍 (07:03)
• 视频： 5-2 Spark中实践向量的使用 (10:55)
• 视频： 5-3 Spark中实践矩阵的使用 (08:59)

第6章 Spark基础统计模块 4 节 | 39分钟

本章中，将概要介绍Spark的基础统计模块、简单的统计学知识、相关系数以及假设检验的知识，拓展大家的技术视野。

收起列表

• 视频： 6-1 基础统计模块及常用统计学知识介绍 (03:42)
• 视频： 6-2 实战统计汇总 (11:11)
• 视频： 6-3 学习相关系数 (12:15)
• 视频： 6-4 学习假设检验 (11:38)

第7章 Spark实现回归算法 14 节 | 114分钟

本章中，将讲解几种常见的回归算法，并以预测房价模型为例，教大家如何使用回归算法来实现简单的预测。

收起列表

• 视频： 7-1 回归分析概述 (05:36)
• 视频： 7-2 线性回归算法概述 (03:34)
• 视频： 7-3 线性回归算法原理 (06:35)
• 视频： 7-4 最小二乘法 (09:58)
• 视频： 7-5 随机梯度下降 (13:36)
• 视频： 7-6 实战Spark预测房价---项目展示及代码概览 (05:22)
• 视频： 7-7 实战Spark预测房价---数据加载及转换 (15:56)
• 视频： 7-8 实战Spark预测房价--训练与预测 (16:20)
• 视频： 7-9 逻辑回归算法及原理概述 (04:36)
• 视频： 7-10 正则化原理 (09:52)
• 视频： 7-11 实战Spark逻辑回归 (06:28)
• 视频： 7-12 保序回归算法概述 (03:23)
• 视频： 7-13 保序回归算法原理 (03:33)
• 视频： 7-14 实战一个保序回归数据分析 (08:44)

第8章 Spark实现分类算法 试看 9 节 | 103分钟

本章中，将几种常见的分类算法，并结合鸢尾花数据集为例，讲解分类算法在Spark上的实践。同时，比较各种分类算法的区别，使大家能够合理选择应该使用的算法。

收起列表

• 视频： 8-1 朴素贝叶斯算法及原理概述 (10:02) 试看
• 视频： 8-2 实战朴素贝叶斯的分类 (20:13)
• 视频： 8-3 支持向量机概述 (13:20)
• 视频： 8-4 实战基于SVM的分类 (11:52)
• 视频： 8-5 决策树算法及原理概述 (16:21)
• 视频： 8-6 实战基于决策树的分类--案例1 (13:00)
• 视频： 8-7 实战基于决策树的分类--案例2 (16:18)
• 视频： 8-8 本章小结 (01:49)
• 图文： 8-9 关于数据归一化的介绍

第9章 Spark实现聚类算法 7 节 | 46分钟

本章中，将介绍聚类算法，并通过比较聚类算法与分类算法的区别，帮助大家了解聚类算法的内在含义。此处，仍然使用鸢尾花数据集应用聚类算法进行分析，便于大家对比发现聚类算法与分类算法的区别与联系，以便于后期灵活运用。...

收起列表

• 视频： 9-1 Kmeans算法概述 (03:41)
• 视频： 9-2 Kmeans算法原理 (07:15)
• 视频： 9-3 Kmeans算法实战 (13:13)
• 视频： 9-4 LDA算法概述 (02:23)
• 视频： 9-5 LDA算法原理 (04:49)
• 视频： 9-6 LDA算法实践 (10:56)
• 视频： 9-7 本章小结 (03:39)

第10章 Spark实现降维 3 节 | 24分钟

本章中，将通过讲解PCA算法的原理，使大家明白降维算法的大致原理，以及能够实现怎么样的功能。结合应用降维算法在分类算法使用之前进行预处理的实践，帮助大家体会算法的作用。

收起列表

• 视频： 10-1 PCA算法及原理概述 (11:32)
• 视频： 10-2 实战PCA算法实现降维 (09:29)
• 视频： 10-3 本章小结 (02:27)

第11章 Spark实践文本情感分类 6 节 | 39分钟

本章中，将结合前述知识进行综合实战，以达到所学即所用。文本情感分类这个项目会将分类算法、文本特征提取算法等进行关联，使大家能够对Spark的具体应用有一个整体的感知与了解。

收起列表

• 视频： 11-1 项目总体概况 (06:45)
• 视频： 11-2 数据集概述 (04:00)
• 视频： 11-3 数据预处理 (03:55)
• 视频： 11-4 文本特征提取 (05:32)
• 视频： 11-5 训练分类模型 (15:22)
• 视频： 11-6 本章小结 (03:07)

第12章 Spark实践推荐系统 6 节 | 46分钟

本章中，将结合前述知识进行综合实战，以达到所学即所用。在推荐系统项目中，讲解了推荐系统基本原理以及实现推荐系统的架构思路，有其他相关研发经验基础的同学可以结合以往的经验，实现自己的推荐系统。

收起列表

• 视频： 12-1 推荐系统简介 (06:41)
• 视频： 12-2 推荐系统原理 (10:23)
• 视频： 12-3 推荐系统实战(上) (12:46)
• 视频： 12-4 推荐系统实战(下) (08:09)
• 视频： 12-5 本章小结 (01:41)
• 视频： 12-6 总结与建议 (05:23)