《spark 机器学习班》,你最想听到啥内容


继3月面试求职班、4月机器学习算法班、5月深度学习班、数据挖掘班、机器数学班、机器学习应用班之后
将再新开spark 机器学习班
今16年每一个班都开始偏工程应用,且讲师团队不断强大(8位博士 + 6位Google/BAT一线工程师)

课程概要:基于mllib源码层次的讲解,包括如何基于spark 开发工具包,比如开发一个贝叶斯
课程目标:培养spark开发工程师,学完后可基于某个平台进行实际spark开发

课程大纲草案
  1. 环境搭建与运行
  2. 基于spark的推荐系统:日志数据的收集+评价数据的收集=>数据清洗=>推荐系统=>推荐结果
  3. 基于spark的分类
  4. 基于spark的聚类
  5. 基于spark的文本处理
  6. 基于Spark的图计算
  7. MLlib 中的矩阵计算、MLlib中的统计方法


你最想听到啥内容,欢迎于本帖子下畅所欲言
已邀请:

July - 抠细节抠体验,不妥协不将就。

赞同来自:


《Spark 机器学习》 大纲更新:
1. Spark环境搭建与运行
- 两种语言Scala与Python
2. Spark MLlib基础
- Spark数据操作与MLlib统计操作
- Spark MLlib矩阵向量
3. 基于Spark的推荐系统:日志数据的收集+评价数据的收集=>数据清洗=>推荐系统=>推荐结果
- Spark MLlib ALS交替最小二乘算法、NMF非负矩阵分解、协同过滤推荐算法
4. 基于Spark的分类模型
- Spark MLlib贝叶斯分类、SVM支持向量机算法、决策树算法
5. 基于Spark的回归模型
- Spark MLlib 线性回归、逻辑回归算法
6. 基于Spark的聚类模型
- Spark MLlib KMeans聚类算法、LDA主题模型算法
7. 基于Spark的数据降维
- Spark MLlib PCA主成分分析法、SVD奇异值分解法
8. 基于Spark的文本处理
- 词袋模型、TF-IDF模型、Word2Vec模型
9. 基于Spark的图计算
- GraphX与GraphFrames、BFS、Connected Components、Shortest paths、Triangle Count、PageRank、LPA等算法
10. 基于Spark的神经网络算法
- 人工神经网络与神经网络算法实现

要回复问题请先登录注册

返回顶部