課時(shí)一：概念綜述
1.大數(shù)據(jù)的定義由來(lái)和原因
1.大數(shù)據(jù)的6V特征
1.從數(shù)據(jù)庫(kù)，數(shù)據(jù)倉(cāng)庫(kù)到大數(shù)據(jù)
1.大數(shù)據(jù)相關(guān)技術(shù)和處理

課時(shí)二：Hadoop生態(tài)圈、spark生態(tài)圈、搜索引擎概述
1.hadoop：HDFS、Map-Reduce、Hbase、Hive等
1.spark：scala、spark-SQL、spark-Streaming等
1.搜索引擎：lucene（solr）、ES
1.并發(fā)的機(jī)器學(xué)習(xí)工具：R-hadoop、spark-MLLIB、 spark-R、pyspark

課時(shí)三：存儲(chǔ)在hbase中的數(shù)據(jù)
1.NoSQL（key-value）
1.Hbase：安裝
1.行鍵與列簇
1.如何利用Hbase的特點(diǎn)存儲(chǔ)數(shù)據(jù)
1.應(yīng)用程序如何訪問(wèn)Hbase中的數(shù)據(jù)
1.數(shù)據(jù)遷移：sqoop
1.Hbase的應(yīng)用場(chǎng)景

課時(shí)四：Hive：為用SQL的開發(fā)者留的活路
1.Hive：安裝（單用戶與多用戶）
1.Hive：基本操作
1.Hive：與典型的關(guān)系型數(shù)據(jù)庫(kù)的區(qū)別
1.如果“想慢”，你可以這樣…（不恰當(dāng)使用hive的案例介紹）
1.Hive的應(yīng)用場(chǎng)景

課時(shí)五：Spark各組件在衛(wèi)生領(lǐng)域的應(yīng)用
1.Hadoop*的特點(diǎn)是什么？
1.Spark概述與安裝
1.Scala：你可以一直“點(diǎn)”下去
1.RDD：“映射”、“轉(zhuǎn)換”解決一切
1.spark-SQL
1.spark-streaming
1.spark的其他組件
1.應(yīng)用場(chǎng)景

課時(shí)六：機(jī)器學(xué)習(xí)算法介紹—I
1.綜述（人工智能、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、機(jī)器智能、大數(shù)據(jù)：這些詞的確切含義）
1.監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)與強(qiáng)化學(xué)習(xí)
1.工具：R、Python等
1.決策樹詳解（熵、貪心法、連續(xù)的和離散的）
1.神經(jīng)網(wǎng)絡(luò)詳解（神經(jīng)元、激勵(lì)函數(shù)、前饋神經(jīng)網(wǎng)絡(luò)的BP算法，其他神經(jīng)網(wǎng)絡(luò)）

課時(shí)七：機(jī)器學(xué)習(xí)算法介紹—II
1.關(guān)聯(lián)規(guī)則詳解（頻繁項(xiàng)集、Apriori、支持度、置信度）
1.聚類詳解（k-means、k-medoid）
1.常見算法的簡(jiǎn)述（Na?ve-Bayes、k-NN、HMM、SVM等）