Working with Big Data

默认只展示每周独有的知识重点；节奏、考核、Tutorial 和避坑信息按需展开。

1. 1

   Module 1: Introduction to Mining Big Data, Parallel Processing using MapReduce

   从 big data mining 的基本问题入手，并通过 MapReduce 建立并行处理大规模数据的第一套框架。

   big data miningMapReduceparallel processingdistributed computation
2. 2

   Module 2: Similar Items and Data Streams

   聚焦海量数据里的 similar items 与 data streams 问题，理解近似算法和流式处理为什么重要。

   similar itemsdata streamsapproximationstream processing
3. 3

   Module 3: PageRank and Frequent Item sets

   学习 PageRank 与 frequent item sets，把图分析与大规模模式发现连接起来。

   PageRankfrequent itemsetsgraph analysispattern mining
4. 4

   Module 4: Clustering and Advertising

   围绕 clustering 与 advertising 场景理解 big data analytics 如何服务于分群、画像与投放问题。

   clusteringadvertisingsegmentationbig data applications
5. 5

   Module 5: Recommendation Systems and Social Networks

   进入 recommendation systems 与 social networks，理解用户行为、关系结构和推荐逻辑在大规模场景下的实现方式。

   recommendation systemssocial networksuser behaviourgraph data
6. 6

   Module 6: Dimensionality Reduction and Machine Learning and Big Data

   以 dimensionality reduction 与 machine learning 收束整门课，把大规模数据表示、建模和分析问题连接成完整框架。

   dimensionality reductionmachine learningfeature spacebig data