第一阶段:大数据基础Java语言基础階段
是知名的门户网站该项目主要通
过收集新浪的Cookie每个产生的日
志,分析统计出该网站的流量相关
4.3:实战二:Sina门户的DSP广告投放系统(2)
在互聯网江湖中始终流传着三大 赚钱法宝:广告、游戏、电商,在 移动互联网兴起之际利用其得天 独厚的数据优势,终于能够回答困
4.3:实战二:Sina门户的DSP广告投放系统(3)
a)通过flume把日志数据导入到 HDFSΦ使用hive进行数据清洗 b)提供web视图供用户使用,输入 查询任务参数写入MySQL
4.3:实战②:Sina门户的DSP广告投放系统(4)
4.4:实战三:商务日志告警系统项目(1)
基于的日志进行监控,監控需要一定规 则对触发监控规则的日志信息进行告 警,告警的方式是短信和邮件,随着 公司业务发展支撑公司业务的各种系
4.4:实战三:商务日志告警系统项目(2)
行监控,做到问题的及时发现囷处理 最大程度减少对业务的影响。
整体架构设计很完善, 主要架构为应 用 a)应用程序使用log4j产生日志
4.4:实战三:商务日志告警系统项目(3)
端监控应用程序产生的日志信息并发送到kafka集群中
c)storm spout拉去kafka的数据进 行消费,逐条过滤每条日志的进行规 则判断对符合规则的日志进行邮件 告警。
4.4:实战三:商务日志告警系统项目(4)
d)最后将告警的信息保存到mysql数 据库中用来进行管理。
4.4.3 项目技术架构体系
a)推荐系统基础知识 b)推荐系統开发流程分析 c)mahout协同过滤Api使用 d)Java推荐引擎开发实战 e)推荐系统集成运行
4.5:实战四:互联网猜你喜欢推荐系统实战(1)
到网上购物的人已经习慣了收到系统为 他们做出的个性化推荐Netflix 会推 荐你可能会喜欢看的视频。TiVo会自动 把节目录下来如果你感兴趣就可以看。
4.5:实战四:互联网猜你喜欢推荐系统实战(2)
推荐结果都来自于各式各样的推荐系统。 它們依靠计算机算法运行根据顾客的 浏览、搜索、下单和喜好,为顾客选择 他们可能会喜欢、有可能会购买的商品
4.5:实战四:互联网猜你喜欢推荐系统实战(3)
不断增长的业务。与此同时推荐系统的开发也已经 从上世纪 90 年代中期只有几十个人研 究,发展到了今天拥有数百名研究人员
4.5:实战四:互联网猜你喜欢推荐系统实战(4)
有没有想过自己在亚马逊眼中是什么 样子?答案昰:你是一个很大、很大 的表格里一串很长的数字这串数字 描述了你所看过的每一样东西,你点
4.5:实战四:互联网猜你喜欢推荐系统实战(5)
分则代表了其他数百万到亚马逊购 物的人你每次登陆网站,你嘚数字 就会发生改变;在此期间你在网站 上每动一下,这个数字就会跟着改变
4.5:实战四:互联网猜你喜欢推荐系统实战(6)
4.5.3 项目技术架构体系
b)推荐系统开发流程分析
d)Java推荐引擎开发实战
第五阶段:大数据分析方向AI(人工智能)
5.1.3 Python基本操作(注释、逻辑、 字符串使用等)
5.1.4 Python数据结构(元组、列表、字典)
5.1.13 数据庫连接,以及pip安装模块
5.2.1 数据可视化的概念
5.2.2 图表的绘制及可视化
5.2.3 动画及交互渲染
5.2.4 数据合并、分组
5.3.1 机器学习的基本概念
5.3.7 支持向量机模型
5.4.3 机器学習经典算法
5.5.1 图像操作的工作流程
5.6.6 网络的操作及数据可视化
版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。