清华大学出品的大数据全套课程PPT学习课件，非常适合大学生和职场人士学习，也适合老鸟复习回顾，完全可用于自学入门，很经典好用的PPT课件哦~
01.《大数据》配套PPT之一：第1章 大数据概念与应用
02.《大数据》配套PPT之二：第2章 数据采集与预处理
03.《大数据》配套PPT之三：第3章 数据挖掘算法（上）
03.《大数据》配套PPT之四：第3章 数据挖掘算法（下）
04.《大数据》配套PPT之五：第4章 大数据挖掘工具
05.《大数据》配套PPT之六：第5章 R语言
06.《大数据》配套PPT之七：第6章 深度学习
07.《大数据》配套PPT之八：第7章 大数据可视化
08.《大数据》配套PPT之九：第8章 互联网大数据处理
09.《大数据》配套PPT之十：第9章 大数据商业应用
10.《大数据》配套PPT之十一：第10章 行业大数据
2021-06-05 18:05:18
6.63MB
定义、特点
大数据对系统的需求、大数据和云计算的关系
大数据市场分析
大数据处理的技术关键
Hadoop原理、优点
Hadoop体系架构
Hadoop核心设计：MapReduce、HDFS
2021-05-10 18:05:32
2.78MB
Hadoop是大数据处理主流框架，如果要学习大数据处理与存储，hadoop是必须掌握的一种框架技术。动手安装是最基础的实践， 内含2.7.6 和2.7.7
教程:https://blog.csdn.net/llm765800916/article/details/114323454
2021-03-03 21:10:58
415.11MB
1
ApacheSpark是一个围绕速度、易用性和复杂分析构建的大数据处理框架。最初在2009年由加州大学伯克利分校的AMPLab开发，并于2010年成为Apache的开源项目之一。与Hadoop和Storm等其他大数据和MapReduce技术相比，Spark有如下优势。首先，Spark为我们提供了一个全面、统一的框架用于管理各种有着不同性质（文本数据、图表数据等）的数据集和数据源（批量数据或实时的流数据）的大数据处理的需求。Spark可以将Hadoop集群中的应用在内存中的运行速度提升100倍，甚至能够将应用在磁盘上的运行速度提升10倍。Spark让开发者可以快速的用Java、Scala或Pyt
2021-02-26 16:07:18
200KB
1