Follow a manual added link
大數據實驗室建設方案
Follow a manual added link
大數據實驗室課程體系
Follow a manual added link
大數據實驗室教學項目案例
Follow a manual added link
大數據實驗室教學平臺
Follow a manual added link
大數據教學項目案例
涵蓋運營商、農業、電商、輿情、體育、交通、航空、銀行、互聯網等行業
大數據行業應用—運營商服務平臺
項目描述：隨著通信行業的普及以及人們對網絡的需求越來越大，因此運營商的在線服務需求劇增。對于客戶體驗來說，電子渠道提供了一個足不出戶辦理業務的便捷方式，對于運營商來說，電子渠道低成本分流了實體渠道的業務壓力中釋放出來。
項目解決方案：本系統架構采用模塊化設計，分為數據預處理、數據存儲模塊、數據處理模塊、數據ETL模塊、結果展現模塊。可多維度統計數據、投訴風險預測、區域服務效能監控、實時展現故障區域位置及故障信息等。
大數據行業應用—農業大數據分析
項目描述：為了不斷推進農業經濟的優化，實現可持續的產業發展和區域產業結構優化，進一步推動智慧農業的建設進程，需要全面及時掌握農業的發展動態，這需要依托農業大數據及相關大數據分析處理技術，建設一個農業大數據分析應用平臺來支撐。
項目解決方案：本系統架構采用模塊化設計，分為數據爬取模塊、數據存儲模塊、數據預處理模塊、數據計算模塊、數據可視化展現模塊?？蓪崿F區域行情、品種對比、價格預測、價格走勢等功能。
10+
項目案例及指導手冊
10G
項目源代碼及代碼注釋
200G
項目案例數據
10+
系統安裝部署文檔
大數據行業應用—情感分析
項目描述：互聯網時代輿論觀點都散布在各種社交網絡平臺或新聞提要中。對于這種網上海量分布的數據，可以挖掘各種重要信息，可以了解當前的輿論導向以及支持自身做出一些重要性的決定等等，所以針對網絡社交平臺中海量數據的挖掘分析顯得尤為重要。
項目解決方案：本系統架構分為數據準備模塊、文本轉換向量模塊、數據分詞模塊、可視化模塊、模型訓練模塊、模型預測模塊、程序運行模塊。通過從twitter數據中抽取有用信息，結合文本分析算法處理文本內容，使用機器學習相關算法從訓練數據集中訓練出隨機森林模型，再使用模型針對測試數據集進行預測分析，結合可視化組件直觀展示民意分布，即時了解輿情導向。
大數據行業應用—生態環境數據分析
項目名稱：生態環境數據分析
通過對環境數據的分析，監測出環境相關數據的變化、趨勢，最終直觀的將各分析結果也直觀的方式展現出來。
配備《實驗手冊》《系統安裝部署文檔》項目源代碼及代碼注釋
大數據行業應用—交通軌跡
項目描述：隨著各種打車軟件的發展，人們足不出戶就可以約車，本案例主要是來探究生活中存在的打車難的問題，這個問題限制了我們有些時間的出行，浪費了我們的時間。在哪些地方容易打車，什么時候的車更容易搭乘，這是我們要著手解決的問題。
項目解決方案：本系統采用模塊化設計，分為數據準備， 解析csv數據， 構建特征向量，聚類模型訓練，聚類模型測試， 分析預測結果，數據可視化。通過spark和機器學習算法等相關技能，對打車的現狀進行分析，并最終用可視化的手段直觀的展示分析結果。為用戶提供決策支持。
大數據行業應用—銀行貸款風險評估
項目名稱：銀行貸款風險評估案例
使用MLlib分析用戶數據對用戶做風險等級評估，給業務人員提供決策支持。
約15G數據、配備《實驗手冊》《系統安裝部署文檔》及項目源代碼及代碼注釋
大數據行業應用—搜索引擎構建
項目描述：互聯網時代輿論觀點都散布在各種社交網絡平臺或新聞提要中。對于這種網上海量分布的數據，可以挖掘各種重要信息，可以了解當前的輿論導向以及支持自身做出一些重要性的決定等等，所以針對網絡社交平臺中海量數據的挖掘分析顯得尤為重要。
項目解決方案：本系統架構分為數據準備模塊、文本轉換向量模塊、數據分詞模塊、可視化模塊、模型訓練模塊、模型預測模塊、程序運行模塊。通過從twitter數據中抽取有用信息，結合文本分析算法處理文本內容，使用機器學習相關算法從訓練數據集中訓練出隨機森林模型，再使用模型針對測試數據集進行預測分析，結合可視化組件直觀展示民意分布，即時了解輿情導向。
大數據行業應用—線上競拍
項目描述：Ebay在國外很受歡迎，網民可以拍賣的形式出售和競價商品，但是并不是所有拍賣都可以成功，因此我們利用ebay的歷史數據使用機器學習方法訓練模型并預測一項拍賣是否會成功，并預測成功交易的最終價格
項目解決方案：本系統架構采用模塊化設計，分為數據準備、數據存儲模塊、數據分析模塊、模型訓練模塊、模型預測模塊。通過歷史數據利用機器學習算法訓練模型，找出商品所有特征項與拍賣成功與否的正負相關性，預測拍賣能否成功，并預測價格的準確度。
大數據行業應用—NBA賽事預測
項目描述：目前可以通過球隊的排名對比賽的結果進行賽前估計，但是這種猜測一般覺有不確定性。所以利用機器學習算法對球隊的以往表現，以及對手的表現綜合各方面的因素做一個統計，從中學習出某種規律，這樣我們就可以得到可靠性比較高的預測結果。
項目解決方案：本系統架構采用模塊化設計，分為數據獲取模塊、特征選擇模塊、數據分析模塊、模型訓練模塊、模型預測模塊，程序運行模塊等。通過從已有數據中抽取有用的信息并通過相應算法，將球隊重新劃分等級，利用機器學習算法，從中學習出特有的規律預測比賽結果。
大數據行業應用—航班線路
項目描述：飛機航班常因為天氣或機場原因，導致航班的延誤甚至取消，該項目基于一批航班的歷史數據對航班的各種重要指標做統計分析，如最繁忙航線、某機場起降最頻繁時段等；最后利用機器學習，對航班延誤做預測，旅客可參考這些統計及預測結果調整行程安排。
項目解決方案：本案例使用Hadoop作為底層支持，其中HDFS提供底層存儲支持，Yarn提供集群中應用的資源調度支持；Hive提供spark sql中的元數據訪問支持；spark core作為spark sql的核心支持。使用spark sql分析航空數據的一些指標。
關注普開數據