最新公告
  • 江苏地区如果无法访问本站,请更改电脑的DNS地址!!!点此修改
  • Spark+ES+ClickHouse 构建DMP用户画像

    Spark+ES+ClickHouse 构建DMP用户画像 最后编辑:2022-12-23
    资源介绍: 高清MP4 资料齐全 网盘发货 一手资源免费更新包售后

    第1章 DMP用户画像项目介绍
    1-1 关于这门课,你需要知道的 (08:34)
    1-2 DMP项目的意义和课程的侧重点 (09:46)
    1-3 DMP项目架构及各个模块介绍 (09:35)
    1-4 项目技术选型及各组件版本 (04:30)
    1-5 【知识点梳理】本章重难点总结
    第2章 项目环境搭建
    2-1 本章重点及学习计划 (01:59)
    2-2 基于docker一键部署大数据开发环境 (12:34)
    2-3 【项目文档】环境部署步骤
    2-4 数据准备:表结构和数据导入Hive数仓 (16:06)
    2-5 【项目文档】表结构和数据导入Hive数仓步骤
    2-6 数据准备:Hive,ES,ClickHouse导入人群标签数据 (15:50)
    2-7 【项目文档】Hive,ES,ClickHouse导入人群标签数据步骤
    2-8 环境搭建和数据导入的常见问题及解决方案 (05:18)
    2-9 【项目文档】 项目整体架构及整体流程
    2-10 【项目文档】Hive、Hbase、ES、clickhouse表结构
    2-11 Springboot+JdbcTemplate+druid整合Hive(上) (11:58)
    2-12 Springboot+JdbcTemplate+druid整合Hive(下) (13:26)
    2-13 Springboot+Mybatis+phoenix整合Hbase (30:48)
    2-14 Springboot整合ClickHouse(上) (17:00)
    2-15 Springboot整合ClickHouse(下) (06:32)
    2-16 Spark+phoenix整合Hbase (19:53)
    第3章 DMP和用户画像
    3-1 本章重点及学习计划 (01:39)
    3-2 用户画像是如何生成的 (05:34)
    3-3 用户画像的标签维度 (04:12)
    3-4 如何构建高质量的用户画像 (06:31)
    3-5 用户画像和特征工程 (03:30)
    3-6 DMP用户画像的正确使用场景 (04:49)
    3-7 【知识点梳理】本章重难点总结
    第4章 用户画像搭建之特征工程
    4-1 本章重点及学习计划 (02:59)
    4-2 特征工程流程 (06:08)
    4-3 数值型数据的特征提取 (07:32)
    4-4 文本型数据的特征提取 (07:48)
    4-5 使用Spark实现中文分词+TF-IDF (17:34)
    4-6 Spark基于TF-IDF+SVM实现电商商品评论情感提取(上) (15:32)
    4-7 Spark基于TF-IDF+SVM实现电商商品评论情感提取(下) (13:57)
    4-8 类别型和时间型数据的特征提取 (06:48)
    4-9 构建新特征之特征交叉 (04:50)
    4-10 基于FM的特征交叉 (10:22)
    4-11 Spark实现基于FM的特征交叉 (41:32)
    4-12 特征筛选之GBDT和xgboost (14:16)
    4-13 Spark实现基于Xgboost的特征筛选(上) (19:56)
    4-14 Spark实现基于Xgboost的特征筛选(下) (13:41)
    4-15 特征监控方案设计 (05:27)
    4-16 【知识点梳理】本章重难点总结
    第5章 用户画像搭建之标签体系构建
    5-1 本章重点及学习计划 (01:38)
    5-2 电商行业的标签体系以及reachCTR曲线 (11:24)
    5-3 用户行为标签的ES存储 (27:21)
    5-4 基于TF-IDF的标签权重算法(上) (13:19)
    5-5 基于TF-IDF的标签权重算法(中) (11:06)
    5-6 基于TF-IDF的标签权重算法(下) (10:32)
    5-7 时间衰减因子和用户偏好标签的计算(上) (18:35)
    5-8 时间衰减因子和用户偏好标签的计算(下) (20:58)
    5-9 ES构建Hbase二级索引对标签进行组合查询 (19:36)
    5-10 商品标签与用户画像标签的匹配度 (04:10)
    5-11 【知识点梳理】本章重难点总结
    第6章 用户画像搭建之群体用户画像构建
    6-1 本章重点及学习计划 (01:21)
    6-2 朴素贝叶斯分类算法 (09:25)
    6-3 使用Spark-ml实现基于朴素贝叶斯预测性别(上) (18:23)
    6-4 使用Spark-ml实现基于朴素贝叶斯预测性别(中) (19:55)
    6-5 使用Spark-ml实现基于朴素贝叶斯预测性别(下) (05:05)
    6-6 基于RFM模型的用户价值划分及Spark代码(上) (06:03)
    6-7 基于RFM模型的用户价值划分及Spark代码(下) (21:38)
    6-8 使用Spark-ml实现基于Kmeans的用户消费分群 (26:16)
    6-9 通过订单数据挖掘用户的的行为属性及Spark代码(上) (15:42)
    6-10 通过订单数据挖掘用户的的行为属性及Spark代码(下) (08:19)
    6-11 DMP的用户分群 (09:38)
    6-12 【知识点梳理】本章重难点总结
    第7章 用户画像搭建之DMP人群管理
    7-1 本章重点及学习计划 (01:33)
    7-2 通过不同算法给用户打上标签后的业务应用 (04:38)
    7-3 ES,ClickHouse导入万级人群标签数据 (17:18)
    7-4 Mysql导入标签数据 (06:18)
    7-5 DMP的标签管理 (12:53)
    7-6 DMP生成人群包数据 (19:16)
    7-7 人群组合和人群去重 (22:56)
    7-8 lookalike的主要算法 (04:14)
    7-9 ClickHouse和ES在人群圈选上的对比 (05:40)
    7-10 ClickHouse集成Bitmap (10:50)
    7-11 基于宽表的ClickHouse人群圈选 (04:40)
    7-12 将Hive数据导入到ClickHouse (10:33)
    7-13 将Hive数据转换为ClickHouse的Bitmap (11:33)
    7-14 基于Bitmap的ClickHouse人群圈选 (16:05)
    7-15 本章知识点梳理
    第8章 项目展示及版本升级解决方案
    8-1 项目完整演示(上) (14:55)
    8-2 项目完整演示(下) (12:51)
    8-3 Spark模块本地运行完整演示 (05:58)
    8-4 Spark模块集群运行完整演示(上) (16:56)
    8-5 Spark模块集群运行完整演示(下) (14:27)
    8-6 版本升级解决方案 (04:14)
    8-7 课程总结 (20:05)

    网盘截图:

    猜你在找

    常见问题FAQ

    视频加密吗?
    无密,本站视频全部为超清无密MP4格式
    怎么发货?
    百度网盘全自动发货
    课程没更新完怎么办?
    本站资源,持续更新,所有资源都会更新完毕
    有问题怎么解决?
    联系站长,或者直接给站长发邮件:lmcf129@163.com
    • 7127会员总数(位)
    • 21467资源总数(个)
    • 19本周发布(个)
    • 0 今日发布(个)
    • 3212稳定运行(天)

    最优质的的it资源平台

    期待您的加入
  • © 2011 92资源站 All rights reserved
  • 升级SVIP尊享更多特权立即升级