- (新)第101集 8.4.2 决策树分类器
- (新)第100集 8.4.1 逻辑斯蒂回归分类器
- (新)第99集 8.3.3 特征抽取：CountVectorizer
- 第98集 8.3.2 特征抽取：Word2Vec
- 第97集 8.3.1 特征抽取：TF-IDF
- 第96集 8.2.2 构建一个机器学习流水线
- 第95集 8.2.1 机器学习流水线概念
- 第94集 8.1 Spark MLlib简介
- 第93集 7.8 Structured Streaming
- 第92集 7.7 输出操作
- 第91集 7.6.3 DStream有状态转换操作（updateStateByKey操作）
- 第90集 7.6.2 DStream有状态转换操作（滑动窗口转换操作）
- 第89集 7.6.1 DStream无状态转换操作
- 第88集 7.5.3 编写消费者程序、编译运行程序
- 第87集 7.5.2 编写生产者程序
- 第86集 7.5.1 使用Apache Kafka作为Spark Streaming数据源（准备工作）
- 第85集 7.4.4 RDD队列流
- 第84集 7.4.3 套接字流（使用Socket编程实现自定义数据源）
- 第83集 7.4.2 套接字流（使用NC程序产生数据）
- 第82集 7.4.1 文件流
- 第81集 7.3 DStream操作概述
- 第80集 7.2 Spark Streaming
- 第79集 7.1 流计算概述
- 第78集 6.4.2 通过JDBC连接MySQL数据库
- 第77集 6.4.1 MySQL数据库准备工作
- 第76集 6.3.2 使用编程方式定义RDD模式
- 第75集 6.3.1 利用反射机制推断RDD模式
- 第74集 6.2 DataFrame
- 第73集 6.1 Spark SQL简介
- 第72集 5.4.5 案例5：连接操作
- 第71集 5.4.4 案例4：二次排序
- 第70集 5.4.3 案例3：文件排序
- 第69集 5.4.2 案例2：求最大最小值
- 第68集 5.4.1 案例1：求TOP值
- 第67集 5.3.6 读写HBase数据（编写程序向HBase写入数据）
- 第66集 5.3.5 读写HBase数据（配置Spark并编写程序读取HBase数据）
- 第65集 5.3.4 读写HBase数据（创建一个HBase表）
- 第64集 5.3.3 读写HBase数据（HBase简介）
- 第63集 5.3.2 文件数据读写（JSON文件数据读写）
- 第62集 5.3.1 文件数据读写（文件系统数据读写）
- 第61集 5.2.4 常用的键值对RDD转换操作（一个综合实例）
- 第60集 5.2.3 常用的键值对RDD转换操作（2）
- 第59集 5.2.2 常用的键值对RDD转换操作（1）
- 第58集 5.2.1 键值对RDD的创建
- 第57集 5.1.7 一个综合案例
- 第56集 5.1.6 分区（设置分区的方法）
- 第55集 5.1.5 分区（分区的作用和原则）
- 第54集 5.1.4 持久化
- 第53集 5.1.3 RDD操作（Action）
- 第52集 5.1.2 RDD操作（Transformation）
- 第51集 5.1.1 RDD创建
- 第50集 4.5 在集群上运行Spark应用程序
- 第49集 4.4 Spark集群环境搭建
- 第48集 4.3.2 开发Spark独立应用程序（编译打包和运行程序）
- 第47集 4.3.1 开发Spark独立应用程序（安装编译工具、编写代码）
- 第46集 4.2 在spark-shell中运行代码
- 第45集 4.1 安装Spark
- 第44集 3.4 Spark的部署和应用方式
- 第43集 3.3.6 RDD运行原理（阶段的划分和RDD运行过程）
- 第42集 3.3.5 RDD运行原理（RDD之间的依赖关系）
- 第41集 3.3.4 RDD运行原理（RDD概念、操作和特性）
- 第40集 3.3.3 RDD运行原理（RDD设计背景）
- 第39集 3.3.2 Spark运行基本流程
- 第38集 3.3.1 基本概念和架构设计
- 第37集 3.2 Spark的生态系统
- 第36集 3.1.2 Spark与Hadoop的对比
- 第35集 3.1.1 Spark简介
- 第34集 2.4.5 函数式编程实例WordCount
- 第33集 2.4.4 针对容器的操作（过滤、归约）
- 第32集 2.4.3 针对容器的操作（遍历、映射）
- 第31集 2.4.2 高阶函数
- 第30集 2.4.1 函数定义与使用
- 第29集 2.3.9 包
- 第28集 2.3.8 模式匹配
- 第27集 2.3.7 特质
- 第26集 2.3.6 继承
- 第25集 2.3.5 对象（update方法和unapply方法）
- 第24集 2.3.4 对象（apply方法）
- 第23集 2.3.3 对象（单例对象）
- 第22集 2.3.2 类（构造器）
- 第21集 2.3.1 类（类的定义）
- 第20集 2.2.6 数据结构（集合、映射）
- 第19集 2.2.5 数据结构（容器、序列）
- 第18集 2.2.4 数据结构（数组、元组）
- 第17集 2.2.3 控制结构
- 第16集 2.2.2 输入输出
- 第15集 2.2.1 基本数据类型和变量
- 第14集 2.1.5 HelloWorld
- 第13集 2.1.4 Scala安装
- 第12集 2.1.3 Scala简介
- 第11集 2.1.2 编程范式
- 第10集 2.1.1 计算机的缘起
- 第9集 1.6.3 代表性大数据技术之Flink和Beam
- 第8集 1.6.2 代表性大数据技术之Spark
- 第7集 1.6.1 代表性大数据技术之Hadoop
- 第6集 1.5 大数据计算模式
- 第5集 1.4 大数据关键技术
- 第4集 1.3 大数据的影响
- 第3集 1.2 大数据概念
- 第2集 1.1 大数据时代
- 第1集 1.0 课程宣传片
本课程重点介绍Spark的技术原理与编程方法，旨在帮助学习者形成基础的Spark应用程序编程能力，为其使用Spark技术解决实际科研问题和未来从事大数据相关工作奠定基础。
关注公众号:diyijc_com 问题反馈
关注公众号:diyijc_com 问题反馈
本课程重点介绍Spark的技术原理与编程方法，旨在帮助学习者形成基础的Spark应用程序编程能力，为其使用Spark技术解决实际科研问题和未来从事大数据相关工作奠定基础。
Spark编程基础相关文章：
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
