课程目录

•   课时 1 1.1 数据科学简述 可试学
•   课时 2 1.2.1数据科学在编程、数据库领域（上） 可试学
•   课时 3 1.2.2 数据科学在编程、数据库领域（下）
•   课时 4 1.3.1 数据科学与统计学领域（上）
•   课时 5 1.3.2 数据科学与统计学领域（下）
•   课时 6 1.3.3 数据科学的数据领域
•   课时 7 2.1 初识大数据
•   课时 8 2.2 大数据的概念
•   课时 9 2.3 大数据的特征
•   课时 10 2.4 大数据的存储
•   课时 11 2.5.1 结构化数据类型
•   课时 12 2.5.2 半结构化数据类型
•   课时 13 2.5.3 非结构化数据类型
•   课时 14 2.6.1 大数据技术
•   课时 15 2.6.2 大数据的应用
•   课时 16 2.6.3 大数据的挑战
•   课时 17 3.1 大数据来源
•   课时 18 3.2.1数据采集设备
•   课时 19 3.2.1智能数据采集
•   课时 20 3.2.2日志采集与用户行为链路分析
•   课时 21 3.2.3 大数据采集技术
•   课时 22 3.2.3 大数据采集平台
•   课时 23 3.3.1 数据清洗（下）
•   课时 24 3.3.1数据清洗（上）
•   课时 25 3.3.2 数据集成（上）
•   课时 26 3.3.2数据集成（下）
•   课时 27 3.3.3 数据归约
•   课时 28 3.3数据预处理概述
•   课时 29 4.1.1 传统存储技术（上）
•   课时 30 4.1.2传统存储技术（下）
•   课时 31 4.2.1 关系型数据库（上）
•   课时 32 4.2.2 关系型数据库（下）
•   课时 33 4.3.1 云存储的概念
•   课时 34 4.3.2 云存储的架构
•   课时 35 4.4.1 新兴数据库技术（上）
•   课时 36 4.4.1 新兴数据库技术（下）
•   课时 37 4.4.2 大数据存储管理问题
•   课时 38 4.4.3大数据存储技术
•   课时 39 4.4.4 数据仓库（上）
•   课时 40 4.4.4 数据仓库（下）
•   课时 41 4.4.4数据中心
•   课时 42 5.1.1 云计算起源定义
•   课时 43 5.1.2 云计算的分类
•   课时 44 5.1.3云计算平台（上）
•   课时 45 5.1.4云计算平台（中）
•   课时 46 5.1.5云计算平台（下）
•   课时 47 5.2.2数据存储与管理技术（上）
•   课时 48 5.2.3数据存储与管理技术（下）
•   课时 49 5.3.1Hadoop的发展历史
•   课时 50 5.3.3Hadoop的基本组成-HDFS
•   课时 51 5.3.4 MapReduce平台（上）
•   课时 52 5.3.4Hadoop的发展历史（下）
•   课时 53 5.3.4Hadoop的基本组成-Mapreduce
•   课时 54 5.3.4MapReduce平台（下）
•   课时 55 5.3.6 Hadoop平台搭建（下）
•   课时 56 5.3.6Hadoop平台的搭建
•   课时 57 5.4.1Spark搭建（上）
•   课时 58 5.4.1Spark平台架构和搭建（下）
•   课时 59 5.4.2Spark的优势（上）
•   课时 60 5.4.2Spark的优势（下）
•   课时 61 6.1数据分析概念与流程
•   课时 62 6.2.4使用pandas进行数据分析（上）
•   课时 63 6.2.4使用Pandas进行数据分析（下）
•   课时 64 6.2大数据分析方法（上）
•   课时 65 6.2大数据分析方法（下
•   课时 66 6.2数据分析应用场景
•   课时 67 6.3.1 大数据分析应用工具—传统分析统计工具
•   课时 68 6.3.2大数据分析应用工具（下）
•   课时 69 6.4机器学习认知
•   课时 70 6.5.1数据挖掘之分类（上）
•   课时 71 6.5.1数据挖掘之分类（下）
•   课时 72 6.5.2 数据挖掘之聚类（上）
•   课时 73 6.5.2 数据挖掘之聚类（下）
•   课时 74 6.5.3 数据挖掘之关联规则（下）
•   课时 75 6.5.3 数据挖掘之关联规则（上）
•   课时 76 6.6机器学习的革命
•   课时 77 7.1 数据可视化之美
•   课时 78 7.2.2 数据可视化的分类、流程和原则

学习资料

暂无学习资料