| 大数据内存计算技术介绍（深入理解Spark Core实现原理） |
1、Spark应用现状
2、Spark应用优势
3、Spark应用案例
4、Scala介绍
5、Mesos介绍
6、Spark介绍
7、Spark基本概念介绍
8、Spark架构剖析
9、Spark RDD计算模型解析
10、Spark RDD操作剖析
11、DAG有向无环图介绍
12、Spark编程
a)Java编写Spark程序
b)Scala编写Spark程序
c)Python编写Spark程序
d)R编写Spark程序
13、Spark可访问的数据源介绍
a)文件系统
b)HDFS
c)HBase
d)Hive
e)Cassandra
f)Tachyon
14、Spark编程技巧分享
15、Spark开发分析
16、Spark的执行机制解析
17、Spark运行原理剖析
18、Spark的调试与任务分配
19、Spark的性能调优
20、Spark与MapReduce对比分析
21、Spark生态体系剖析
22、Spark监控管理
23、Spark的容错机制剖析
24、Spark集群部署
25、Spark集群部署经验分享
26、Spark大规模集群运维经验分享
27、 Spark实战案例：Spark与HBase整合分析数据 |
| 大数据内存计算技术实战分享（深入理解Spark Core使用实战操作） |
1、Spark Shell
2、PySpark
3、构建与运行Spark应用
4、Spark的性能调优
5、Spark实战案例：预测国际经济危机实战案例开发 |
| Shark数据仓库工具实战（深入理解Shark实现原理及开发实战） |
1、Spark Shark概述
2、Hive与Shark
3、Spark Shark原理剖析
4、Spark Shark框架介绍
5、Spark Shark编程
6、Spark Shark分布式文件HDFS读写
7、Spark Shark APIs全面介绍
8、Shark UDFs
9、Shark UADFs
10、Shark HiveQL
11、Shark基于Spark的综合应用
12、Spark Shark实战案例：运营商话务数据分析案例剖析 |
| Spark SQL技术实战（深入理解Spark SQL实现原理及开发实战） |
1、Spark SQL概述
2、Spark SQL原理剖析
3、Spark SQL架构介绍
4、SparkSQL CLI
5、Tree和Rule
6、sqlContext和hiveContext的运行过程
7、Load/Save函数
8、Parquet文件读写
9、Spark SQL连接JDBC
10、Spark SQL连接ODBC
11、Spark SQL分布式文件HDFS读写
12、JSON数据集
13、Hive表
14、数据类型
15、Spark SQL与 Cassandra集成
16、Spark SQL APIs全面介绍
17、Spark SQL and DataFrames
18、Spark SQL and DataSets
19、Spark SQL HiveQL
20、Spark SQL编程
21、运行Spark SQL程序
22、在内存中缓存数据
23、Spark SQL UDFs
24、Spark SQL UADFs
25、Spark SQL SerDes
26、Spark SQL BI Tools
27、Spark SQL实战案例：数据分析案例剖析
|
| Spark Streaming流计算技术实战（深入理解Spark Streaming实现原理及开发实战） |
1、Spark Streaming概述
2、Spark Streaming原理剖析
3、Spark Streaming流数据处理框架介绍
4、Spark Streaming编程剖析
5、初始化StreamingContext
6、Discretized Streams (DStreams)
7、输入DStreams与Receivers
8、基于DStreams的Transformations
9、基于DStreams的输出操作
10、Accumulators和Broadcast Variables
11、DataFrame和SQL操作
12、MLlib操作
13、Caching与Persistence
14、Checkpointing
15、运行Spark Streaming程序
16、性能调优：减少批处理时间
17、性能调优：设置正确的批处理间隔时间
18、内存调优
19、容错元语
实战案例：Spark Streaming与Kafka整合实现数据实时数据分析处理设计与分析 |
| Spark GraphX图计算框架实战（深入理解Spark GraphX实现原理及开发实战） |
1、Spark GraphX概述
2、Spark GraphX图计算理论剖析
3、Spark GraphX框架剖析
4、Spark GraphX的图属性
5、Spark GraphX的图操作
6、操作列表
7、属性操作
8、结构操作
9、连接操作
10、近邻集合操作
11、Caching and Uncaching
12、Pregel APIs
13、Graph Builders
14、Vertex与Edge RDDs
15、Optimized Representation
16、Graph Algorithms
17、PageRank
18、Connected Components
19、Triangle Counting
20、Spark GraphX编程剖析
21、Spark GraphX APIs介绍
22、实战案例：Spark GraphX实现社交网络关系分析 |
| spark MLlib机器学习库实战（深入理解Spark MLlib实现原理及开发实战） |
- Spark MLlib概述
- Spark MLlib算法库介绍
- Spark MLlib架构剖析
- Spark MLlib机器学习算法剖析
- 数据类型
- 基本统计算法
- 分类与回归
- 协同过滤
- 聚类
- 降维
- 特征提取与转换
- 频繁模式挖掘
- 评价指标
- Spark MLlib编程
- Spark MLlib APIs介绍
- Spark MLlib机器学习算法应用实战
- Spark MLlib实战案例：数据聚类分析案例剖析
|
| Spark集成R语言SparkR（R语言与大数据内存计算框架Spark集成） |
- R语言概述
- R语言语法介绍
- R语言绘图函数
- R语言高级绘图函数
- SparkR集群部署
- SparkR原理剖析
- SparkR框架介绍
- SparkR DataFrames
- DataFrame的操作
- 选择行和列
- Grouping和Aggregation
- SparkContext和SQLContext
- 在SparkR中运行SQL查询
- SparkR编程
- 在YARN上SparkR运行
- SparkR机器学习
- SparkR实战案例：运营商话务数据绘图
|
| 大数据推荐实战（深入理解大数据推荐技术以及推荐技术编程） |
1、个性化推荐的理论依据
2、个性化推荐的价值
3、个性化推荐能达到的目的
4、个性化推荐的原则
5、个性化推荐技术发展史
6、个性化推荐的相关技术
7、基于用户的常用推荐算法
8、基于用户的协同过滤推荐 |
