教程网首页 > 大学 > 电子信息 》 大数据技术原理与应用
- (新)第115集 13.3 大数据在智能医疗和智能物流领域运用
- (新)第114集 13.2.1 推荐系统概述
- (新)第113集 13.2.2 基于用户的协同过滤（UserCF）
- 第112集 13.2.4 UserCF算法和ItemCF算法的对比
- 第111集 13.2.3 基于物品的协同过滤（ItemCF）
- 第110集 13.1 大数据应用概览
- 第109集 12.7 Hama的安装和使用
- 第108集 12.6 Pregel的应用实例——单源最短路径
- 第107集 12.5.1 Pregel的执行过程和容错性
- 第106集 12.5.2 Worker、Master和Aggregator
- 第105集 12.4.1 定义Vertex基类
- 第104集 12.4.3 Aggregator、拓扑改变和输入输出
- 第103集 12.4.2 消息传递机制和Combiner
- 第102集 12.3.2 Pregel的计算过程
- 第101集 12.3.3 Pregel实例
- 第100集 12.3.1 有向图和顶点
- 第99集 12.2 Pregel简介
- 第98集 12.1 图计算简介
- 第97集 11.6.2 安装Storm的基本过程和实例
- 第96集 11.6.1 编写Storm程序
- 第95集 11.5 Spark Streaming、Samza以及三种流计算框架的比较
- 第94集 11.4.2 Storm设计思想
- 第93集 11.4.3 Storm框架设计
- 第92集 11.4.1 Storm简介
- 第91集 11.3 流计算的应用
- 第90集 11.2 流计算处理流程
- 第89集 11.1.1 数据的处理模型
- 第88集 11.1.2 流计算概念与典型框架
- 第87集 10.6.2 Spark RDD基本操作
- 第86集 10.6.1 Spark安装和启动Spark Shell
- 第85集 10.6.3 Spark应用程序
- 第84集 10.5 Spark的部署和应用方式
- 第83集 10.4 Spark SQL
- 第82集 10.3.2 Spark运行基本流程
- 第81集 10.3.1 基本概念和架构设计
- 第80集 10.3.3 RDD概念
- 第79集 10.3.5 RDD的依赖关系和运行过程
- 第78集 10.3.4 RDD特性
- 第77集 10.2 Spark生态系统
- 第76集 10.1.2 Spark与Hadoop的对比
- 第75集 10.1.1 Spark简介
- 第74集 9.4.2 Tez
- 第73集 9.4.1 Pig
- 第72集 9.4.3 Spark和Kafka
- 第71集 9.3.6 YARN的发展目标
- 第70集 9.3.5 YARN框架与MapReduce1.0框架的对比分析
- 第69集 9.3.3 YARN体系结构
- 第68集 9.3.4 YARN工作流程
- 第67集 9.3.1 MapReduce1.0的缺陷
- 第66集 9.3.2 YARN设计思路
- 第65集 9.2.2 HDFS Federation
- 第64集 9.2.1 HDFS HA
- 第63集 9.1 Hadoop的优化与发展
- 第62集 8.1 数据仓库概念
- 第61集 8.5.2 Hive应用实例:WordCount
- 第60集 8.5.1 Hive安装与基本操作
- 第59集 8.4.4 Impala与Hive的比较
- 第58集 8.4.3 Impala查询执行过程
- 第57集 8.4.2 Impala系统架构
- 第56集 8.4.1 Impala简介
- 第55集 8.3 SQL转换成MapReduce作业的原理
- 第54集 8.2 Hive简介
- 第53集 7.8 MapReduce编程实践
- 第52集 7.7 MapReduce的具体应用
- 第51集 7.6 实例分析：WordCount
- 第50集 7.5 MapReduce应用程序执行过程
- 第49集 7.4 Shuffle过程原理
- 第48集 7.3 MapReduce工作流程
- 第47集 6.3.2 UMP系统架构
- 第46集 7.2 MapReduce的体系结构
- 第45集 7.1.2 MapReduce模型简介
- 第44集 7.1.1 分布式并行编程
- 第43集 6.6 云数据库实践
- 第42集 6.5 微软云数据库SQL Azure
- 第41集 6.4.3 Amazon AWS平台上的云数据库
- 第40集 6.4.2 Amazon AWS
- 第39集 6.4.1 Amazon和云计算的渊源
- 第38集 6.3.3 UMP系统功能
- 第37集 6.3.1 UMP系统概述
- 第36集 6.2 云数据库产品
- 第35集 6.1 云数据库概述
- 第34集 5.6 文档数据库MongoDB
- 第33集 5.5 从NoSQL到NewSQL数据库
- 第32集 5.4.2 BASE和最终一致性
- 第31集 5.4.1 CAP理论
- 第30集 5.3.2 文档数据库、图数据库以及不同数据库比较分析
- 第29集 5.3.1 键值数据库和列族数据库
- 第28集 5.2 NoSQL与关系数据库的比较
- 第27集 5.1 NoSQL概述
- 第26集 4.7 HBase常用Java API及应用实例
- 第25集 4.6 HBase安装配置和常用Shell命令
- 第24集 4.5 HBase应用方案
- 第23集 4.4 HBase运行机制
- 第22集 4.3 HBase的实现原理
- 第21集 4.2 HBase数据模型
- 第20集 4.1 HBase简介
- 第19集 3.6 HDFS编程实践
- 第18集 3.5.2 HDFS写数据过程（二）
- 第17集 3.5.1 HDFS读数据过程（一）
- 第16集 3.4 HDFS存储原理
- 第15集 3.3 HDFS体系结构
- 第14集 3.2 HDFS相关概念
- 第13集 3.1 分布式文件系统HDFS简介
- 第12集 2.4 Hadoop集群的部署和使用
- 第11集 2.3.2 Hadoop的安装和使用详解
- 第10集 2.3.1 Hadoop安装之前的预备知识
- 第9集 2.2 Hadoop项目结构
- 第8集 2.1.2 Hadoop不同版本
- 第7集 2.1.1 大数据处理架构Hadoop简介
- 第6集 1.5.2 大数据与云计算、物联网（二）
- 第5集 1.5.1 大数据与云计算、物联网（一）
- 第4集 1.4 大数据的关键技术
- 第3集 1.3 大数据的应用
- 第2集 1.2 大数据概念和影响
- 第1集 1.1 大数据时代
《大数据技术原理与应用》为入门级大数据课程，适合初学者实现“零基础”学习大数据课程。课程采用厦门大学林子雨老师编著的国内高校第一本系统性介绍大数据知识专业教材《大数据技术原理与应用》，紧紧围绕“构建知识体系、阐明基本原理、引导初级实践、了解相关应用”的指导思想，对大数据知识体系进行系统梳理，做到“有序组织、去粗取精、由浅入深、渐次展开”。本课程由知名大数据教师厦门大学林子雨助理教授主讲。（厦门大学）
关注公众号:diyijc_com 问题反馈
关注公众号:diyijc_com 问题反馈
《大数据技术原理与应用》为入门级大数据课程，适合初学者实现“零基础”学习大数据课程。课程采用厦门大学林子雨老师编著的国内高校第一本系统性介绍大数据知识专业教材《大数据技术原理与应用》，紧紧围绕“构建知识体系、阐明基本原理、引导初级实践、了解相关应用”的指导思想，对大数据知识体系进行系统梳理，做到“有序组织、去粗取精、由浅入深、渐次展开”。本课程由知名大数据教师厦门大学林子雨助理教授主讲。（厦门大学）
大数据技术原理与应用相关文章：
扫一扫手机观看！
最新更新的教程榜单
- 人工智能与科学之美10-06
- ARM体系结构与程序设计10-06
- 信息检索10-06
- 玩转计算机网络——计算机网络原理10-06
- Blockly创意趣味编程08-05
- 操作系统08-05
- 人工智能导论08-05
- 车载网络技术08-05
- Office高级应用08-05
- 计算机网络08-05
