第一章：数据挖掘概论

• 1. 数据挖掘概念 14:50
• 2. 数据挖掘功能和应用方向 13:47
• 3. 常见数据挖掘工具及介绍 20:30

第二章：数据预处理

• 1. 为什么要数据预处理 7:47
• 2. 数据清理 9:19
• 3. 数据集成和变换 9:44
• 4. 数据归约 12:53

第三章：分类算法与案例

• 1. 分类概述与决策树算法 12:08
• 2. 其他分类算法与分类建模实例 22:01

第四章：预测算法与案例

• 1. 预测算法与预测建模实例 15:14

第五章：聚类算法与案例

• 1. 聚类概述与K-Means聚类算法 11:33
• 2. 其他聚类算法与聚类建模实例 9:38

第六章：关联算法与案例

• 1. 关联规则概述 9:24
• 2. Apriori算法 10:30
• 3. 其他关联算法与关联建模实例 15:58

第七章：Hadoop入门与进阶

• 1. Hadoop入门（一） 10:47
• 2. Hadoop入门（二） 29:10
• 3. YARN资源管理（一） 13:24
• 4. YARN资源管理（二） 12:05
• 5. HDFS分布式文件系统（一） 10:50
• 6. HDFS分布式文件系统（二） 13:45
• 7. MAPREDUCE计算框架（一） 13:55
• 8. MAPREDUCE计算框架（二） 18:49

第八章：Hive基础

• 1. Hive简介 5:00
• 2. Hive的体系结构 2:27
• 3. Hive数据类型和文件格式 5:40
• 4. Hive常用操作方式 6:26
• 5. HiveQL数据定义 12:38
• 6. HiveQL查询 6:03

第九章：Hbase基础

• 1. HBase简介 4:32
• 2. HBase体系架构 11:35
• 3. HBase常用操作 5:13

第一十章：Storm理论及操作

• 1. 初识Storm 6:01
• 2. Storm架构和原理 8:26
• 3. Storm操作 10:51

第一十一章：Spark入门与实战

• 1. Spark入门 16:40
• 2. Spark实战 17:12

第一十二章：Mahout与Mllib理论及基本操作

• 1. Mahout 理论 9:05
• 2. Mahout 基本操作 18:21
• 3. Mllib 理论及基本操作 18:45

第一十三章：推荐系统介绍及案例分析

• 1. 推荐系统概念及推荐场景 5:23
• 2. 实时推荐系统方法 6:35
• 3. 推荐系统中常见算法 12:22
• 4. 推荐系统案例 7:09