所謂大數據（Big Data），就是需要處理的數據量非常巨大，已經達到了 TB、PB 甚至 EB、ZB 級別，需要成千上萬塊硬盤才能存儲。傳統的技術手段在大數據面前不堪一擊，只能探索一套新的解決方案。

這套《大數據技術與應用教程》對大數據處理過程中涉及的各種關鍵技術做了詳細的介紹，包括大數據思維、大數據采集、大數據處理、大數據存儲、大數據挖掘、大數據應用等各個環節，幫助初學者規劃了一條完整的學習路線。

這套教程只是一本入門指南手冊，目的是給初學者指引方向，它雖然講解了大數據的各種技術，但并不非常深入。對于大數據開發人員，還需要結合其它教程深度學習；對于大數據從業者，這些知識已經足夠了。

---

?

年薪40+W的大數據開發【教程】，都在這兒！

1.大數據是什么
2.大數據時代
3.大數據的產生和作用
4.大數據時代的10個重大變化
5.大數據處理的基本流程
6.大數據涉及到的關鍵技術
7.大數據采集概述
8.通過系統日志采集大數據
9.通過網絡爬蟲采集大數據
10.Scrapy網絡爬蟲簡介
11.大數據預處理架構和方法
12.數據清洗
13.數據集成
14.數據轉換
15.數據消減
16.離散化和數值概念層次樹
17.大數據處理技術
18.Google大數據處理系統
19.Hadoop大數據處理框架
20.HDFS
21.HDFS基本原理和設計理念
22.HDFS架構和實現機制
23.HDFS讀取和寫入數據
24.HDFS兩種操作方式
25.NoSQL簡介
26.NoSQL類型簡介
27.HBase簡介
28.HBase列式數據模型
29.HBase Shell
30.HBase主要運行機制
31.HBase常用Java API
32.HBase Java API編程實例
33.Hadoop MapReduce
34.Hadoop MapReduce架構
35.Hadoop MapReduce工作流程
36.MapReduce案例分析：單詞計數
37.Hadoop MapReduce工作機制
38.MapReduce編程實例
39.Spark簡介
40.Spark RDD
41.Spark總體架構和運行流程
42.Spark生態圈
43.Spark開發實例
44.Spark Streaming簡介
45.Spark Streaming系統架構
46.Spark Streaming編程模型
47.Spark DStream相關操作
48.Spark Streaming開發實例
49.數據挖掘簡介
50.Spark MLlib
51.數據挖掘之分類和預測
52.決策樹和樸素貝葉斯算法
53.回歸分析
54.聚類分析簡介
55.k-means聚類算法
56.DBSCAN聚類算法
57.數據挖掘之關聯規則分析
58.Apriori算法和FP-Tree算法
59.基于大數據的精準營銷
60.基于大數據的個性化推薦系統
61.大數據預測
62.大數據的其他應用領域
63.大數據可以應用在哪些行業
64.大數據在金融行業的應用
65.大數據在互聯網行業的應用
66.大數據在物流行業的應用

總結

以上是生活随笔為你收集整理的大数据入门基础教程系列的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。