清华大学 学堂在线，高级大数据系统课件笔记：讲解内容：大数据系统导论、linux 数据处理基础、分布式文件系统、map reduce、内存化的数据处理、流数据处理、NoSQL、图处理、机器学习系统等。

关于常用的一个hadoop的python脚本代码，包括两种字典，一种是file分发的，一种是靠输入并且，一起经过shuffle排序，再进行计算的。限于文件大小限制，只有代码，不包含字典文件，所以不能直接运行，请见谅

分享知识要点：lubridate包拆解时间|POSIXlt利用决策树分类，利用随机森林预测利用对数进行fit，和exp函数还原训练集来自Kaggle华盛顿自行车共享计划中的自行车租赁数据，分析共享自行车与天气、时间等关系。数据集共11个变量，10000多行数据。https://www.kaggle.com/c/bike-sharing-demand首先看一下官方给出的数据，一共两个表格，都是2011-2012年的数据，区别是Test文件是每个月的日期都是全的，但是没有注册用户和随意用户。而Train文件是每个月只有1-20天，但有两类用户的数量。求解：补全Train文件里21-30号的用户数量

dataset-master是一个公开的数据集，它经常被用来练习处理大数据，常用的语言是python，里面涉及到各种各种的数据集比如鸢尾花分类的数据集、航班数据集、某一年地震统计数据集等等，可以借助数据使用plotly进行绘制各种统计图练习。

PySpark大数据处理及机器学习Spark2.3视频教程，本课程主要讲解Spark技术，借助Spark对外提供的Python接口，使用Python语言开发。

浙江省法人库标准，数据清理可参考。主要内容包含：范围、规范性引用文件、术语和定义、法人信息分类、法人库数据框架、法人库基础数据元等。

史上最全的Hadoop配置完全手册

包括：《Spark大数据处理：技术、应用与性能优 》 《Spark大数据处理技术》 《Spark高级数据分析》 《Spark快速数据处理_中文版》 《大数据Spark企业级实战》 《Spark 编程指南》 方便大家共同学习

行业分类-电子政务-一种基于大数据处理的电子商务平台系统.zip

电商流量大数据处理系统设计与开发_王宇凯