慕课网实战课程结合视频快捷方便的体验,并与视频同步学习,边编程边看视频。

1-1关于这门课,你需要知道的(08:34)

1-2DMP项目的意义和课程的侧重点(09:46)

1-3DMP项目架构及各个模块介绍(09:35)

1-4项目技术选型及各组件版本(04:30)

1-5【知识点梳理】本章重难点总结

2-1本章重点及学习计划(01:59)

2-2基于docker一键部署大数据开发环境(12:34)

2-3环境搭建的常见问题及解决方案(05:18)

2-4数据准备:表结构和数据导入Hive数仓(16:06)

2-5数据准备:Hive数仓和Hbase同步标签数据(15:50)

2-6Springboot+JdbcTemplate+druid整合Hive(上)(11:58)

2-7Springboot+JdbcTemplate+druid整合Hive(下)(13:26)

2-8Springboot+Mybatis+phoenix整合Hbase(30:48)

2-9Springboot整合ClickHouse(上)(17:00)

2-10Springboot整合ClickHouse(下)(06:32)

2-11Spark+phoenix整合Hbase(19:53)

2-12【知识点梳理】本章重难点总结--环境部署注意事项

2-13【知识点梳理】本章重难点总结--安装中得踩坑秘笈

2-14【知识点梳理】本章重难点总结--Hive和Hbase存储结构

2-15【知识点梳理】本章重难点总结--表结构和数据导入方法

3-1本章重点及学习计划(01:39)

3-2用户画像是如何生成的(05:34)

3-3用户画像的标签维度(04:12)

3-4如何构建高质量的用户画像(06:31)

3-5用户画像和特征工程(03:30)

3-6DMP用户画像的正确使用场景(04:49)

3-7【知识点梳理】本章重难点总结

4-1本章重点及学习计划(02:59)

4-2特征工程流程(06:08)

4-3数值型数据的特征提取(07:32)

4-4文本型数据的特征提取(07:48)

4-5使用Spark实现中文分词+TF-IDF(17:34)

4-6Spark基于TF-IDF+SVM实现电商商品评论情感提取(上)(15:32)

4-7Spark基于TF-IDF+SVM实现电商商品评论情感提取(下)(13:57)

4-8类别型和时间型数据的特征提取(06:48)

4-9构建新特征之特征交叉(04:50)

4-10基于FM的特征交叉(10:22)

4-11Spark实现基于FM的特征交叉(41:32)

4-12特征筛选之GBDT和xgboost(14:16)

4-13Spark实现基于Xgboost的特征筛选(上)(19:56)

4-14Spark实现基于Xgboost的特征筛选(下)(13:41)

4-15特征监控方案设计(05:27)

4-16【知识点梳理】本章重难点总结

5-1本章重点及学习计划(01:38)

5-2电商行业的标签体系以及reachCTR曲线(11:24)

5-3用户行为标签的ES存储(27:21)

5-4基于TF-IDF的标签权重算法(上)(13:19)

5-5基于TF-IDF的标签权重算法(中)(11:06)

5-6基于TF-IDF的标签权重算法(下)(10:32)

5-7时间衰减因子和用户偏好标签的计算(上)(18:35)

5-8时间衰减因子和用户偏好标签的计算(下)(20:58)

5-9ES构建Hbase二级索引对标签进行组合查询(19:36)

5-10商品标签与用户画像标签的匹配度(04:10)

5-11【知识点梳理】本章重难点总结

独家号:慕课网

慕课网(IMOOC)是IT技能学习平台。慕课网(IMOOC)课程涉及JAVA、前端、Python、大数据等60类主流技术语言,覆盖了面试就业、职业成长、自我提升等需求场景,帮助用户实现从技能提升到岗位提升的能力闭环。

学习方式:在线播放或缓存下载