课程购买咨询和资料获取请加老师QQ  2020363447 

本课程讲解大规模数据处理的统一分析引擎—Spark。在本课程中基于大量案例实战，深度剖析和讲解Spark2.4原理和新特性，且会包含完全从企业真实业务需求中抽取出的案例实战。除Spark全体系外还包含机器学习、算法、推荐系统等。

本套大型Spark架构师系列教程共计13季，本套为第十二季。

 

课程目录：

第十二季

01.userCF的推荐列表实现

02.userCF的推荐列表实现-数据验证

03.itemCF的原理说明

04.itemCF的itemUsers计算

05.itemCF的item相似度矩阵算法-排序

06.itemCF下计算用户对商品的偏好值

07.itemCF下实现用户商品推荐

08.itemCF下实现用户商品推荐-验证结果

09.john breese相似度对流行商品进行惩罚

10.机器学习-中文垃圾邮件分类

11.推荐系统-scala实现itemCF算法

12.推荐系统-scala实现商品相似度矩阵求解

13.推荐系统-userCF-itemCF的比较

14.推荐系统-f1score物理意义计算

15.推荐系统-处理观影数据用于itemCF测试

16.推荐系统-处理观影数据用于itemCF测试scala修剪1

17.推荐系统-精确率和召回率结果验证

 

13季全部掌握可以达到如下效果：

1.代码和原理驱动讲解Spark的各个技术点（全部手敲代码），全程图文解读

2.能够对常见的Spark性能问题，使用各种技术进行性能调优

3.熟练掌握Spark全体系的知识和操作，可以开发各种复杂的大数据离线批处理程序

4.透彻理解Spark新特性和原理，可以对Spark企业级案例，进行调优和故障排查

5.能熟练对Spark、Sclala、Kafka、机器学习、朴素贝叶斯算法等技术融汇贯通