Spark+ES+ClickHouse构建DMP用户画像笔记

7-9 将Hive数据导入到ClickHouse.mp4

77M

7-8 基于宽表的ClickHouse人群圈选.mp4

23.1M

7-7 ClickHouse集成Bitmap.mp4

98.9M

7-6 ClickHouse和ES在人群圈选上的对比.mp4

31.3M

7-5 lookalike的主要算法.mp4

18.6M

7-4 人群组合和人群去重.mp4

173.8M

7-3 DMP生成人群包数据.mp4

139M

7-2 DMP的标签管理.mp4

94.2M

7-12 本章知识点梳理.jpg

138KB

7-11 基于Bitmap的ClickHouse人群圈选.mp4

117.9M

7-10 将Hive数据转换为ClickHouse的Bitmap.mp4

141.7M

7-1 本章重点及学习计划.mp46-9 通过订单数据挖掘用户的的行为属性及Spark代码（上）.mp4

113M

6-8 使用Spark-ml实现基于Kmeans的用户消费分群.mp4

187.9M

6-7 基于RFM模型的用户价值划分及Spark代码（下）.mp4

155.7M

6-6 基于RFM模型的用户价值划分及Spark代码（上）.mp4

26.5M

6-5 使用Spark-ml实现基于朴素贝叶斯预测性别（下）.mp4

50.5M

6-4 使用Spark-ml实现基于朴素贝叶斯预测性别（中）.mp4

141.3M

6-3 使用Spark-ml实现基于朴素贝叶斯预测性别（上）.mp4

130M

6-2 朴素贝叶斯分类算法.mp4

49.4M

6-12 【知识点梳理】本章重难点总结.jpg

166KB

6-11 DMP的用户分群.mp4

42.7M

6-10 通过订单数据挖掘用户的的行为属性及Spark代码（下）.mp4

66M

6-1 本章重点及学习计划.mp4