一、大数据分析挖掘技术介绍

1、map/reduce
2、mahout数据挖掘
3、sql on hadoop
4、spark生态体系
5、R语言
6、MPI并行计算
7、GPU并行计算（深度学习）
8、fourinone并行计算

二、常用机器学习算法原理

1、决策树
2、随机森林
3、协同过滤推荐算法
4、朴素贝叶斯算法
5、k-means聚类算法
6、pagerank算法
7、逻辑回归

三、大数据挖掘业务场景和生产平台

1、互联网金融业务
2、银行客户需求业务
3、大数据分析生产平台

四、编程实践

1、迭代类机器学习编程入门-求圆周率
2、pagerank的并行化实现（*）
3、逻辑回归算法的java实现（*）
4、决策树c45,id3的java实现
5、随机森林和全树并行化实现
6、训练数据和结果模拟器
7、模型结果规则化处理