承诺：【不加密，不收费】
一、 课程介绍
1、项目介绍以及在本课程中能学到什么东西、如何应用到实际项目中2、scala和IDE的安装以及使用以及maven插件的安装
3、Centos环境准备（java环境、hosts配置、防火墙关闭）
4、scala基础知识讲解-1
5、scala基础知识讲解-函数和闭包-2
6、scala基础知识讲解-数组和集合-3.1
7、scala基础知识讲解-数组和集合-3.2
8、scala基础知识讲解-类和对象-4
9、scala基础知识讲解-特征和模式匹配-5
10、scala基础知识讲解-正则表达式和异常处理-6
11、scala基础知识讲解-知识回顾
12、nosql数据库mongodb安装
13、spring data for mongodb-简单连接mongodb
14、spring data for mongodb-spring配置+CRUD操作(不实现repo，默认操作)
15、spring data for mongodb-实现repo接口+mongoTemplate+CRUD操作
16、spring data for mongodb-分页查询
17、zookeeper集群安装
18、zookeeper基本介绍-1
19、zookeeper工作原理-选举流程（basic paxos算法）-2
20、zookeeper工作原理-选举流程（fast paxos算法）-3
21、kafka-背景及架构介绍
22、kafka集群安装以及测试
23、kafka数据发送与接收实现-java
24、hdfs单机安装部署
25、连接hdfs查询存储-java
26、机器学习基本线性代数介绍
27、IKAnalyzer中文分词工具介绍
28、IKAnalyzer中文分词工具结合java应用
29、Spark以及生态圈介绍
30、Spark运行架构介绍及原理之job，stage，task
31、Spark编程模型RDD设计以及运行原理
32、纯手写第一个Spark应用程序：WordCount
33、RDD常用函数介绍
34、Spark Sql介绍、DataFrame创建以及使用、RDD DataFrame DataSet相互转化
35、Spark Streaming介绍
36、Spark Streaming+Kafka集成操作
37、avro结合maven使用,实现序列化和反序列化
38、Spark ML（机器学习）介绍（监督学习、半监督学习、无监督学习
39、特征抽取：TF-IDF原理介绍
40、特征提取：TF-IDF代码实现计算
41、聚类算法：KMEANS原理介绍
42、聚类算法：KMEANS代码实现计算
43、其它Spark ML算法简单介绍
44、Spark连接Mongodb代码实现
45、Mesos总体架构介绍
46、Mesos安装部署
47、Spark on Mesos安装部署
48、系统整体架构再次介绍+技术串联介绍（将学习的技术全部整合到项目中）
49、项目代码实现：数据avro序列化类封装
50、项目代码实现：分词类+ kafka类封装
51、项目代码实现：数据从mongodb读取数据分词存储到hdfs
52、项目代码实现：Spark ml从hdfs读取数据训练模型
53、项目代码实现：Spark Streaming读取kafka数据，加载模型进行分类
54、项目代码实现：用户加载分词类写数据到kafka
55、Spark on Mesos部署提交参数介绍
56、Spark代码提交到Mesos运行（Spark-submit）
57、项目整体流程跑通，结果展示
58、Spark调优介绍
59、基于Spark的机器学习项目-智能客户系统实战课程总结
60、实际工作及面试注意问题
下载方法：（过期请留言）应大家请求，地址已更新
关注微信公众号：大数据技术圈
回复：“Spark机器学习”领取下载地址（注意大小写）