课程介绍

Spark+ES+ClickHouse构建DMP用户画像课程是一个涵盖了大数据技术、数据仓库和数据挖掘的综合性课程。该课程主要介绍了如何使用Spark、ES和ClickHouse等工具来构建用户画像，从而实现精准的用户行为分析和数据驱动的营销策略。

课程内容包括以下几个方面：

用户画像的概念和意义：介绍用户画像的定义、作用和目的，帮助学员了解用户画像在DMP系统中的重要性。

Spark大数据处理平台：讲解Spark的框架和工作原理，包括RDD、DataFrame、DataSet等概念，以及Spark在数据处理中的优势和适用场景。

Elasticsearch分布式搜索引擎：介绍Elasticsearch的基本概念和核心功能，包括全文搜索、聚合、日志分析等，以及如何将数据存储在Elasticsearch中并实现实时搜索和分析。

ClickHouse数据仓库：讲解ClickHouse作为数据仓库的优势和特点，包括高并发、高性能、可扩展等，以及如何将数据导入ClickHouse并实现数据整合和分析。

DMP用户画像构建：介绍如何使用Spark、ES和ClickHouse等工具来构建用户画像，包括数据采集、数据处理、用户标签管理等环节，以及如何通过用户画像实现精准的用户行为分析和数据驱动的营销策略。

案例分析与实践：通过实际案例分析与实践，让学员了解如何将Spark、ES和ClickHouse等工具应用于实际业务场景中，并解决实际问题。

通过本课程的学习，学员可以掌握大数据处理、数据仓库和数据挖掘等方面的知识和技能，并能够运用Spark、ES和ClickHouse等工具来构建用户画像，实现精准的用户行为分析和数据驱动的营销策略。同时，本课程还提供了大量的案例分析和实践机会，帮助学员更好地掌握相关知识和技能。

课程目录

8-001-【imooc】课程汇总/
│【imooc-513】-Spark+ES+ClickHouse 构建DMP用户画像【完结无密】/
││├─第01章 DMP用户画像项目介绍
││├─第02章 项目环境搭建
││├─第03章 DMP和用户画像
││├─第04章 用户画像搭建之特征工程
││├─第05章 用户画像搭建之标签体系构建
││├─第06章 用户画像搭建之群体用户画像构建
││├─第07章 用户画像搭建之DMP人群管理
││├─第08章 项目展示及版本升级解决方案
││├─资料

详细目录

││第01章 DMP用户画像项目介绍/
│││├─1-1 关于这门课，你需要知道的.mp4 16.4MB
│││├─1-2 DMP项目的意义和课程的侧重点.mp4 15.8MB
│││├─1-3 DMP项目架构及各个模块介绍.mp4 15.9MB
│││├─1-4 项目技术选型及各组件版本.mp4 8.8MB
│││├─1-5 【知识点梳理】本章重难点总结.jpg 215.4KB
││第02章 项目环境搭建/
│││├─2-1 本章重点及学习计划.mp4 8.6MB
│││├─2-10 Springboot整合ClickHouse（下）.mp4 54.5MB
│││├─2-11 Spark+phoenix整合Hbase.mp4 142.3MB
│││├─2-12 【项目文档】本章重难点–环境部署步骤.jpg 1.3MB
│││├─2-13 【项目文档】本章重难点–表结构和数据导入步骤.jpg 220.5KB
│││├─2-14 【项目文档】Hive，ES，ClickHouse导入人群标签数据步骤.jpg 192.5KB
│││├─2-15 【项目文档】Hive、Hbase、ES、clickhouse表结构.jpg 982KB
│││├─2-2 基于docker一键部署大数据开发环境.mp4 91.5MB
│││├─2-3 环境搭建的常见问题及解决方案.mp4 38.3MB
│││├─2-4 数据准备：表结构和数据导入Hive数仓.mp4 119.9MB
│││├─2-5 数据准备：Hive数仓和Hbase同步标签数据.mp4 115.2MB
│││├─2-6 Springboot+JdbcTemplate+druid整合Hive（上）.mp4 86.8MB
│││├─2-7 Springboot+JdbcTemplate+druid整合Hive（下）.mp4 99.9MB
│││├─2-8 Springboot+Mybatis+phoenix整合Hbase.mp4 223.9MB
│││├─2-9 Springboot整合ClickHouse（上）.mp4 122.7MB
││第03章 DMP和用户画像/
│││├─3-1 本章重点及学习计划.mp4 8.9MB
│││├─3-2 用户画像是如何生成的.mp4 22.4MB
│││├─3-3 用户画像的标签维度.mp4 21.9MB
│││├─3-4 如何构建高质量的用户画像.mp4 35MB
│││├─3-5 用户画像和特征工程.mp4 16.6MB
│││├─3-6 DMP用户画像的正确使用场景.mp4 25.7MB
│││├─3-7 【知识点梳理】本章重难点总结.jpg 1.4MB
││第04章 用户画像搭建之特征工程/
│││├─4-1 本章重点及学习计划.mp4 18.2MB
│││├─4-10 基于FM的特征交叉.mp4 49.1MB
│││├─4-11 Spark实现基于FM的特征交叉.mp4 320.3MB
│││├─4-12 特征筛选之GBDT和xgboost.mp4 70MB
│││├─4-13 Spark实现基于Xgboost的特征筛选（上）.mp4 141.8MB
│││├─4-14 Spark实现基于Xgboost的特征筛选（下）.mp4 98.8MB
│││├─4-15 特征监控方案设计.mp4 23.2MB
│││├─4-16 【知识点梳理】本章重难点总结.jpg 2.7MB
│││├─4-2 特征工程流程.mp4 21.7MB
│││├─4-3 数值型数据的特征提取.mp4 32.9MB
│││├─4-4 文本型数据的特征提取.mp4 37.2MB
│││├─4-5 使用Spark实现中文分词+TF-IDF.mp4 81.3MB
│││├─4-6 Spark基于TF-IDF+SVM实现电商商品评论情感提取（上）.mp4 118.1MB
│││├─4-7 Spark基于TF-IDF+SVM实现电商商品评论情感提取（下）.mp4 94.2MB
│││├─4-8 类别型和时间型数据的特征提取.mp4 138.9MB
│││├─4-9 构建新特征之特征交叉.mp4 24.5MB
││第05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.mp4 2.7MB
│││├─5-10 商品标签与用户画像标签的匹配度.mp4 6.4MB
│││├─5-11 【知识点梳理】本章重难点总结.jpg 186KB
│││├─5-2 电商行业的标签体系以及reachCTR曲线.mp4 17.2MB
│││├─5-3 用户行为标签的ES存储.mp4 51.6MB
│││├─5-4 基于TF-IDF的标签权重算法（上）.mp4 26.4MB
│││├─5-5 基于TF-IDF的标签权重算法（中）.mp4 27.1MB
│││├─5-6 基于TF-IDF的标签权重算法（下）.mp4 31.8MB
│││├─5-7 时间衰减因子和用户偏好标签的计算（上）.mp4 49.3MB
│││├─5-8 时间衰减因子和用户偏好标签的计算（下）.mp4 78MB
│││├─5-9 ES构建Hbase二级索引对标签进行组合查询.mp4 45.4MB
││第06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.mp4 7.3MB
│││├─6-10 通过订单数据挖掘用户的的行为属性及Spark代码（下）.mp4 66MB
│││├─6-11 DMP的用户分群.mp4 42.6MB
│││├─6-12 【知识点梳理】本章重难点总结.jpg 166.3KB
│││├─6-2 朴素贝叶斯分类算法.mp4 49.4MB
│││├─6-3 使用Spark-ml实现基于朴素贝叶斯预测性别（上）.mp4 130MB
│││├─6-4 使用Spark-ml实现基于朴素贝叶斯预测性别（中）.mp4 141.3MB
│││├─6-5 使用Spark-ml实现基于朴素贝叶斯预测性别（下）.mp4 50.4MB
│││├─6-6 基于RFM模型的用户价值划分及Spark代码（上）.mp4 26.5MB
│││├─6-7 基于RFM模型的用户价值划分及Spark代码（下）.mp4 155.6MB
│││├─6-8 使用Spark-ml实现基于Kmeans的用户消费分群.mp4 187.9MB
│││├─6-9 通过订单数据挖掘用户的的行为属性及Spark代码（上）.mp4 113MB
││第07章 用户画像搭建之DMP人群管理/
│││├─7-1 本章重点及学习计划.mp4 6.5MB
│││├─7-10 将Hive数据转换为ClickHouse的Bitmap.mp4 141.7MB
│││├─7-11 基于Bitmap的ClickHouse人群圈选.mp4 117.9MB
│││├─7-12 本章知识点梳理.jpg 138KB
│││├─7-2 DMP的标签管理.mp4 94.1MB
│││├─7-3 DMP生成人群包数据.mp4 138.9MB
│││├─7-4 人群组合和人群去重.mp4 173.8MB
│││├─7-5 lookalike的主要算法.mp4 18.5MB
│││├─7-6 ClickHouse和ES在人群圈选上的对比.mp4 31.3MB
│││├─7-7 ClickHouse集成Bitmap.mp4 98.8MB
│││├─7-8 基于宽表的ClickHouse人群圈选.mp4 23.1MB
│││├─7-9 将Hive数据导入到ClickHouse.mp4 77MB
││第08章 项目展示及版本升级解决方案/
│││├─8-1 项目完整演示（上）.mp4 106.8MB
│││├─8-2 项目完整演示（下）.mp4 105.9MB
│││├─8-3 版本升级解决方案.mp4 21MB
│││├─8-4 课程总结.mp4 98.6MB
││资料/
│││├─资料代码(自解压).exe 130.7MB