极客时间-吴磊-零基础入门Spark（完结）

编辑点评

深入浅出，从Spark SQL到MLlib，全面掌握大数据处理与机器学习。

⭐ 编辑推荐

吴磊老师带你零基础入门Spark，从Spark SQL到MLlib，掌握大数据处理与机器学习核心技能。

✨ 课程亮点

课程目录

📁 04-SparkMLlib(2讲)
26丨模型训练（上）：决策树系列算法详解.html [2.4 MB]
25丨特征工程（下）：有哪些常用的特征处理函数？.html [3.1 MB]
24丨特征工程（上）：有哪些常用的特征处理函数？.pdf [4.6 MB]
27丨模型训练（中）：回归、分类和聚类算法详解.m4a [10.4 MB]
27丨模型训练（中）：回归、分类和聚类算法详解.pdf [3.8 MB]
29丨SparkMLlibPipeline：高效开发机器学习应用.html [2.2 MB]
29丨SparkMLlibPipeline：高效开发机器学习应用.pdf [2.1 MB]
24丨特征工程（上）：有哪些常用的特征处理函数？.m4a [15.8 MB]
29丨SparkMLlibPipeline：高效开发机器学习应用.m4a [12.8 MB]
27丨模型训练（中）：回归、分类和聚类算法详解.html [2.4 MB]
23丨SparkMLlib：从“房价预测”开始.m4a [14.8 MB]
24丨特征工程（上）：有哪些常用的特征处理函数？.html [3.7 MB]
26丨模型训练（上）：决策树系列算法详解.pdf [4.7 MB]
28丨模型训练（下）：协同过滤与频繁项集算法详解.pdf [4.3 MB]
25丨特征工程（下）：有哪些常用的特征处理函数？.m4a [11.6 MB]
26丨模型训练（上）：决策树系列算法详解.m4a [11.8 MB]
23丨SparkMLlib：从“房价预测”开始.pdf [4.8 MB]
23丨SparkMLlib：从“房价预测”开始.html [3.2 MB]
25丨特征工程（下）：有哪些常用的特征处理函数？.pdf [5.2 MB]
28丨模型训练（下）：协同过滤与频繁项集算法详解.html [2.7 MB]
28丨模型训练（下）：协同过滤与频繁项集算法详解.m4a [10.3 MB]
📁 03-Spark SQL (4讲)
17丨数据关联：不同的关联形式与实现机制该怎么选？.m4a [14.5 MB]
15丨数据源与数据格式：DataFrame从何而来？.pdf [4.5 MB]
21丨SparkUI（上）：如何高效地定位性能问题？.pdf [6.5 MB]
17丨数据关联：不同的关联形式与实现机制该怎么选？.html [2.5 MB]
16丨数据转换：如何在DataFrame之上做数据处理？.html [3.3 MB]
16丨数据转换：如何在DataFrame之上做数据处理？.pdf [4.5 MB]
19丨配置项详解：哪些参数会影响应用程序执行性能？.pdf [3.7 MB]
20丨Hive+Spark强强联合：分布式数仓的不二之选.m4a [17.4 MB]
18丨数据关联优化：都有哪些Join策略，开发者该如何取舍？.pdf [4.2 MB]
20丨Hive+Spark强强联合：分布式数仓的不二之选.pdf [5.0 MB]
19丨配置项详解：哪些参数会影响应用程序执行性能？.m4a [14.3 MB]
14丨DataFrame与SparkSQL的由来.pdf [5.7 MB]
…（已达 35 条上限，后续省略）
…（已达 35 条上限，后续省略）

适合人群

• 大数据初学者
• Spark开发者
• 数据分析师

🎯 学习收获

• 掌握Spark基础
• 精通Spark SQL和MLlib
• 提升大数据处理能力

🎉 祝您学习愉快！