Spark+ES+ClickHouse 构建DMP用户画像(8章完结）

第1章 dmp用户画像项目介绍 [57.08M]

1-1 关于这门课，你需要知道的.mp4 [16.41M]

1-2 dmp项目的意义和课程的侧重点.mp4 [15.75M]

1-3 dmp项目架构及各个模块介绍.mp4 [15.87M]

1-4 项目技术选型及各组件版本.mp4 [8.84M]

1-5 【知识点梳理】本章重难点总结.jpg [215.43K]

第2章 项目环境搭建 [1.08G]

2-1 本章重点及学习计划[3]_ + [2].mp4 [8.57M]

2-10 springboot整合clickhouse（下）[3]_ + [2].mp4 [54.50M]

2-11 spark+phoenix整合hbase[3]_ + [2].mp4 [142.26M]

2-12 【项目文档】本章重难点–环境部署步骤_.jpg [1.26M]

2-13 【项目文档】本章重难点–表结构和数据导入步骤_.jpg [220.55K]

2-14 【项目文档】hive，es，clickhouse导入人群标签数据步骤_.jpg [192.51K]

2-15 【项目文档】hive、hbase、es、clickhouse表结构_.jpg [982.02K]

2-2 基于docker一键部署大数据开发环境[3]_ + [2].mp4 [91.46M]

2-3 环境搭建的常见问题及解决方案[3]_ + [2].mp4 [38.31M]

2-4 数据准备：表结构和数据导入hive数仓[3]_ + [2].mp4 [119.91M]

2-5 数据准备：hive数仓和hbase同步标签数据[3]_ + [2].mp4 [115.20M]

2-6 springboot+jdbctemplate+druid整合hive（上）[3]_ + [2].mp4 [86.83M]

2-7 springboot+jdbctemplate+druid整合hive（下）[3]_ + [2].mp4 [99.93M]

2-8 springboot+mybatis+phoenix整合hbase[3]_ + [2].mp4 [223.89M]

2-9 springboot整合clickhouse（上）[3]_ + [2].mp4 [122.75M]

第3章 dmp和用户画像 [132.04M]

3-1 本章重点及学习计划】.mp4 [8.95M]

3-2 用户画像是如何生成的】.mp4 [22.41M]

3-3 用户画像的标签维度】.mp4 [21.92M]

3-4 如何构建高质量的用户画像】.mp4 [35.04M]

3-5 用户画像和特征工程】.mp4 [16.60M]

3-6 dmp用户画像的正确使用场景】.mp4 [25.72M]

3-7 【知识点梳理】本章重难点总结】.jpg [1.39M]

第4章 用户画像搭建之特征工程 [1.24G]

4-1 本章重点及学习计划】.mp4 [18.24M]

4-10 基于fm的特征交叉】.mp4 [49.06M]

4-11 spark实现基于fm的特征交叉】.mp4 [320.31M]

4-12 特征筛选之gbdt和xgboost】.mp4 [70.03M]

4-13 spark实现基于xgboost的特征筛选（上）】.mp4 [141.79M]

4-14 spark实现基于xgboost的特征筛选（下）】.mp4 [98.75M]

4-15 特征监控方案设计】.mp4 [23.15M]

4-16 【知识点梳理】本章重难点总结】.jpg [2.75M]

4-2 特征工程流程】.mp4 [21.71M]

4-3 数值型数据的特征提取】.mp4 [32.93M]

4-4 文本型数据的特征提取】.mp4 [37.24M]

4-5 使用spark实现中文分词+tf-idf】.mp4 [81.32M]

4-6 spark基于tf-idf+svm实现电商商品评论情感提取（上）】.mp4 [118.13M]

4-7 spark基于tf-idf+svm实现电商商品评论情感提取（下）】].mp4 [94.21M]

4-8 类别型和时间型数据的特征提取】[.mp4 [138.90M]

4-9 构建新特征之特征交叉】].mp4 [24.55M]

第5章 用户画像搭建之标签体系构建 [336.05M]

5-1 本章重点及学习计划.mp4 [2.68M]

5-10 商品标签与用户画像标签的匹配度.mp4 [6.39M]

5-11 【知识点梳理】本章重难点总结】.jpg [186.04K]

5-2 电商行业的标签体系以及reachctr曲线.mp4 [17.18M]

5-3 用户行为标签的es存储.mp4 [51.57M]

5-4 基于tf-idf的标签权重算法（上）.mp4 [26.40M]

5-5 基于tf-idf的标签权重算法（中）.mp4 [27.09M]

5-6 基于tf-idf的标签权重算法（下）.mp4 [31.78M]

5-7 时间衰减因子和用户偏好标签的计算（上）.mp4 [49.34M]

5-8 时间衰减因子和用户偏好标签的计算（下）.mp4 [78.01M]

5-9 es构建hbase二级索引对标签进行组合查询.mp4 [45.42M]

第6章 用户画像搭建之群体用户画像构建 [970.08M]

6-1 本章重点及学习计划.mp4 [7.32M]

6-10 通过订单数据挖掘用户的的行为属性及spark代码（下）.mp4 [65.98M]

6-11 dmp的用户分群.mp4 [42.61M]

6-12 【知识点梳理】本章重难点总结..jpg [166.34K]

6-2 朴素贝叶斯分类算法.mp4 [49.38M]

6-3 使用spark-ml实现基于朴素贝叶斯预测性别（上）.mp4 [129.97M]

6-4 使用spark-ml实现基于朴素贝叶斯预测性别（中）.mp4 [141.25M]

6-5 使用spark-ml实现基于朴素贝叶斯预测性别（下）.mp4 [50.43M]

6-6 基于rfm模型的用户价值划分及spark代码（上）.mp4 [26.47M]

6-7 基于rfm模型的用户价值划分及spark代码（下）.mp4 [155.62M]

6-8 使用spark-ml实现基于kmeans的用户消费分群.mp4 [187.89M]

6-9 通过订单数据挖掘用户的的行为属性及spark代码（上）.mp4 [112.99M]

第7章 用户画像搭建之dmp人群管理 [921.76M]

7-1 本章重点及学习计划.mp4 [6.49M]

7-10 将hive数据转换为clickhouse的bitmap.mp4 [141.68M]

7-11 基于bitmap的clickhouse人群圈选.mp4 [117.86M]

7-12 本章知识点梳理.jpg [137.97K]

7-2 dmp的标签管理.mp4 [94.12M]

7-3 dmp生成人群包数据.mp4 [138.94M]

7-4 人群组合和人群去重.mp4 [173.80M]

7-5 lookalike的主要算法.mp4 [18.54M]

7-6 clickhouse和es在人群圈选上的对比.mp4 [31.26M]

7-7 clickhouse集成bitmap.mp4 [98.83M]

7-8 基于宽表的clickhouse人群圈选.mp4 [23.10M]

7-9 将hive数据导入到clickhouse.mp4 [77.00M]

第8章 项目展示及版本升级解决方案 [332.33M]

8-1 项目完整演示（上）.mp4 [106.81M]

8-2 项目完整演示（下）.mp4 [105.92M]

8-3 版本升级解决方案.mp4 [21.00M]

8-4 课程总结.mp4 [98.60M]

资料 [72.26M]

dmp_personas_system.zip [72.26M]