1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
       2、課程完成后,授課老師留給學員手機和Email,保障培訓效果,免費提供半年的技術支持。
       3、培訓合格學員可享受免費推薦就業(yè)機會。☆合格學員免費頒發(fā)相關工程師等資格證書，提升職業(yè)資質。專注高端技術培訓15年，曙海學員的能力得到大家的認同，受到用人單位的廣泛贊譽，曙海的證書受到廣泛認可。

• 第1章 初識機器學習
  在本章中將帶領大家概要了解什么是機器學習、機器學習在當前有哪些典型應用、機器學習的核心思想、常用的框架有哪些，該如何進行選型等相關問題。
• 1-1 導學
  1-2 機器學習概述
  1-3 機器學習核心思想
  1-4 機器學習的框架與選型..
  第2章 初識MLlib
  本章中，將介紹Spark的機器學習庫，對比Spark當前兩種機器學習庫（MLLib/ML）的區(qū)別，同時介紹Spark機器學習庫的應用場景以及行業(yè)應用優(yōu)勢。
• 2-1 MLlib概述
  2-2 MLlib的數(shù)據(jù)結構
  2-3 MLlib與ml
  2-4 MLlib的應用場景
  第3章 實戰(zhàn)環(huán)境搭建
  本章中，將介紹如何進行實戰(zhàn)環(huán)境搭建。包括如何完成Spark環(huán)境安裝配置、如何通過Spark Shell進行編程，并通過 Wordcount 入門程序，完成部署和測試。
• 3-1 Spark環(huán)境安裝
  3-2 Spark配置若干要點
  3-3 學習Spark shell
  3-4 實戰(zhàn)Wordcount
  第4章 數(shù)據(jù)可視化
  本章中，將對數(shù)據(jù)可視化進行介紹，告訴大家什么是數(shù)據(jù)可視化，我們通過數(shù)據(jù)可視化能對大數(shù)據(jù)系統(tǒng)起到怎樣的作用，并結合 Echars 介紹了如何實現(xiàn)常見的數(shù)據(jù)可視化圖表（折線圖、柱狀圖、散點圖）。
• 4-1 數(shù)據(jù)可視化的作用及常用方法
  4-2 初識Echarts
  4-3 通過Echarts實現(xiàn)圖表化數(shù)據(jù)展示
  第5章 Spark的矩陣與向量
  本章中，將講解矩陣與向量的一些基本運算，并介紹Spark的矩陣與向量的操作，幫助數(shù)據(jù)基礎薄弱的同學補齊短板。
• 5-1 矩陣與向量介紹
  5-2 Spark中實踐向量的使用
  5-3 Spark中實踐矩陣的使用
  第6章 Spark基礎統(tǒng)計模塊
  本章中，將概要介紹Spark的基礎統(tǒng)計模塊、簡單的統(tǒng)計學知識、相關系數(shù)以及假設檢驗的知識，拓展大家的技術視野。
• 6-1 基礎統(tǒng)計模塊及常用統(tǒng)計學知識介紹
  6-2 實戰(zhàn)統(tǒng)計匯總
  6-3 學習相關系數(shù)
  6-4 學習假設檢驗
  第7章 Spark實現(xiàn)回歸算法
  本章中，將講解幾種常見的回歸算法，并以預測房價模型為例，教大家如何使用回歸算法來實現(xiàn)簡單的預測。
• 7-1 回歸分析概述
  7-2 線性回歸算法概述
  7-3 線性回歸算法原理
  7-4 小二乘法
  7-5 隨機梯度下降
  7-6 實戰(zhàn)Spark預測房價---項目展示及代碼概覽
  7-7 實戰(zhàn)Spark預測房價---數(shù)據(jù)加載及轉換
  7-8 實戰(zhàn)Spark預測房價--訓練與預測
  7-9 邏輯回歸算法及原理概述
  7-10 正則化原理
  7-11 實戰(zhàn)Spark邏輯回歸
  7-12 保序回歸算法概述
  7-13 保序回歸算法原理
  7-14 實戰(zhàn)一個保序回歸數(shù)據(jù)分析
  第8章 Spark實現(xiàn)分類算法
  本章中，將幾種常見的分類算法，并結合鳶尾花數(shù)據(jù)集為例，講解分類算法在Spark上的實踐。同時，比較各種分類算法的區(qū)別，使大家能夠合理選擇應該使用的算法。
• 8-1 樸素貝葉斯算法及原理概述
  8-2 實戰(zhàn)樸素貝葉斯的分類
  8-3 支持向量機概述
  8-4 實戰(zhàn)基于SVM的分類
  8-5 決策樹算法及原理概述
  8-6 實戰(zhàn)基于決策樹的分類--案例1
  8-7 實戰(zhàn)基于決策樹的分類--案例2
  8-8 本章小結
  8-9 關于數(shù)據(jù)歸一化的介紹
  第9章 Spark實現(xiàn)聚類算法
  本章中，將介紹聚類算法，并通過比較聚類算法與分類算法的區(qū)別，幫助大家了解聚類算法的內在含義。此處，仍然使用鳶尾花數(shù)據(jù)集應用聚類算法進行分析，便于大家對比發(fā)現(xiàn)聚類算法與分類算法的區(qū)別與聯(lián)系，以便于后期靈活運用。...
• 9-1 Kmeans算法概述
  9-2 Kmeans算法原理
  9-3 Kmeans算法實戰(zhàn)
  9-4 LDA算法概述
  9-5 LDA算法原理
  9-6 LDA算法實踐
  9-7 本章小結
  第10章 Spark實現(xiàn)降維
  本章中，將通過講解PCA算法的原理，使大家明白降維算法的大致原理，以及能夠實現(xiàn)怎么樣的功能。結合應用降維算法在分類算法使用之前進行預處理的實踐，幫助大家體會算法的作用。
• 10-1 PCA算法及原理概述
  10-2 實戰(zhàn)PCA算法實現(xiàn)降維
  10-3 本章小結
  第11章 Spark實踐文本情感分類
  本章中，將結合前述知識進行綜合實戰(zhàn)，以達到所學即所用。文本情感分類這個項目會將分類算法、文本特征提取算法等進行關聯(lián)，使大家能夠對Spark的具體應用有一個整體的感知與了解。
• 11-1 項目總體概況
  11-2 數(shù)據(jù)集概述
  11-3 數(shù)據(jù)預處理
  11-4 文本特征提取
  11-5 訓練分類模型
  11-6 本章小結
  第12章 Spark實踐推薦系統(tǒng)
  本章中，將結合前述知識進行綜合實戰(zhàn)，以達到所學即所用。在推薦系統(tǒng)項目中，講解了推薦系統(tǒng)基本原理以及實現(xiàn)推薦系統(tǒng)的架構思路，有其他相關研發(fā)經驗基礎的同學可以結合以往的經驗，實現(xiàn)自己的推薦系統(tǒng)。
• 12-1 推薦系統(tǒng)簡介
  12-2 推薦系統(tǒng)原理
  12-3 推薦系統(tǒng)實戰(zhàn)(上)
  12-4 推薦系統(tǒng)實戰(zhàn)(下)