大数据学习路线copy自淘宝

一、hadoop视频学习（入门到精通）

二、数据挖掘（入门到精通）

 

三、Hadoop学习路线

1.开发前期准备

首先，如果你没有Java和Linux基础，建议你先简单学一下这两门课程，此宝贝里面都为你准备好了。

 

2.云计算前期了解

当你初步掌握了Java和Linux基础后，你就可以进入大数据的学习了，我们可以先对云计算有一个前期的了解，在前期了解云计算这个文件夹中，包含了6套云计算相关的视频，你不用全部听完，建议听前两个。

4.storm学习 

本宝贝为大家准备3套Storm的学习视频，第一套是传智的Storm资料，课程是13年12月份，后两套是51上的课程，一套是视频教程（2013年11月），一套是项目视频（2014年5月），建议你有时间的话三套都进行学习。

6.Flume学习

Flume是Cloudera提供的一个高可用，高可靠的，分布式的海量日志采集，聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据；同时，Flume提供对数据进行简单处理，并写到各种数据接受方（可定制）的能力。

本宝贝提供一套2013年10月的51 cto的flume学习课程，有这方面需要的可以进行学习。

四、数据挖掘资料  

包括：

课程目标：
熟悉课程里所介绍的各种算法的细节
懂得如何使用这些算法去解决实际场景问题
熟悉了解常用的机器学习和数据挖掘软件

育成目标：

数据分析师，算法设计师，具备算法设计能力的高层次程序员

4.《快速数据挖掘平台RapidMiner》课程

第一周：数据挖掘基本知识RapidMiner工具介绍 第二周：数据准备：导入、预处理、导出 第三周：数据挖掘模型和方法 第四周：K-Means 聚类与辨别分析 第五周：线性回归与逻辑回归 第六周：决策树与神经网络 第七周：文本挖掘 第八周：WEB挖掘 第九周：协同过滤、推荐 第十周：时间序列分析 第十一周：离群点分析 第十二周：模型评估-交叉验证与模型优化化 第十三周：过程控制 第十四周：数据转换与执行命令

5.推荐系统课程

第1课 推荐系统概述 第2课 最流行的推荐系统：itemCF和userCF 第3课 大数据环境下的itemCF实现 第4课 基于频繁模式的推荐系统，套餐设计 第5课 文本挖掘与标签系统 第6课 基于内容的推荐系统 第7课 社交网络好友推荐，图算法，在图数据库Neo4j上的实现 第8课 用Cypher语言实现好友推荐 第9课 实时推荐系统

6.《大数据的统计学基础》课程

第1周 面向小白的统计学：描述性统计（均值，中位数，众数，方差，标准差，与常见的统计图表） 第2周 赌博设计：概率的基本概念，古典概型 第3周 每人脑袋里有个贝叶斯：条件概率与贝叶斯公式，独立性 第4周 啊！微积分：随机变量及其分布（二项分布，均匀分布，正态分布） 第5周 万事皆由分布掌握：多维随机变量及其分布 第6周 砖家的统计学：随机变量的期望，方差与协方差 第7周 上帝之手，统计学的哲学基础：大数定律、中心极限定理与抽样分布 第8周 点数成金，从抽样推测规律之一：点估计与区间估计 第9周 点数成金，从抽样推测规律之二：参数估计 第10周 对或错？告别拍脑袋决策：基于正态总体的设检验 第11周 扔掉正态分布：秩和检验 第12周 预测未来的技术：回归分析 第13周 抓住表象背后那只手：方差分析 第14周 沿着时间轴前进，预测电子商务业绩：时间序列分析简介 第15周 PageRank的背后：随机过程与马尔科夫链简介

授课对象：
这是一门数学课程，适合有志于转往大数据分析领域的非数学专业人士（例如IT人，业务人员等）补强数学基础，以更好地学习更高级的数据分析，数据挖掘，机器学习课程

==============================================================

《大数据的矩阵计算基础》课程内容：
课程简介:
炼数成金开设数据分析课程有一段时间了。在诸多课程里，常见到有学员根本不知道矩阵是何物，可能从来没学过，也可能学过忘光了，但作为数据分析里最常见的 数据结构类型，不理解矩阵，就看不懂公式，看不懂公式，就根本不懂数据分析的语言，学习起来犹如哑巴吃黄连有苦难言（《黑客帝国》里把那部控制一切的机器 称为Matrix——“矩阵”，这肯定不是无缘无故的）。至于像听Page-Rank，因子分析和主成分分析，推荐系统同现矩阵这些内容那就更像听天书。 由此我们萌发了开一门矩阵计算的基础课程，给大家补一下数学的念头!

课程内容：