课时一：概念综述
1、 大数据的定义由来和原因
2、 大数据的6V特征
3、 从数据库，数据仓库到大数据
课时二：Hadoop生态圈、spark生态圈、搜索引擎概述
1、 hadoop：HDFS、Map-Reduce、Hbase、Hive等
2、 spark：scala、spark-SQL、spark-Streaming等
3、 搜索引擎：lucene（solr）、ES
4、 并发的机器学习工具：R-hadoop、spark-MLLIB、 spark-R、pyspark
课时三：存储在hbase中的数据
1、 NoSQL（key-value）
2、 Hbase：安装
3、 行键与列簇
4、 如何利用Hbase的特点存储数据
5、 应用程序如何访问Hbase中的数据
6、 数据迁移：sqoop
7、 Hbase的应用场景
课时四：Hive：为用SQL的开发者留的活路
1、 Hive：安装（单用户与多用户）
2、 Hive：基本操作
3、 Hive：与典型的关系型数据库的区别
4、 如果“想慢”，你可以这样…（不恰当使用hive的案例介绍）
5、 Hive的应用场景
课时五：Spark各组件在卫生领域的应用
1、 Hadoop最大的特点是什么？
2、 Spark概述与安装
3、 Scala：你可以一直“点”下去
4、 RDD：“映射”、“转换”解决一切
5、 spark-SQL
6、 spark-streaming
7、 spark的其他组件
8、 应用场景
课时六：机器学习算法介绍—I
1、 综述（人工智能、数据挖掘、机器学习、机器智能、大数据：这些词的确切含义）
2、 监督学习、无监督学习与强化学习
3、 工具：R、Python等
4、 决策树详解（熵、贪心法、连续的和离散的）
5、 神经网络详解（神经元、激励函数、前馈神经网络的BP算法，其他神经网络）
课时七：机器学习算法介绍—II
1、 关联规则详解（频繁项集、Apriori、支持度、置信度）
2、 聚类详解（k-means、k-medoid）
3、 常见算法的简述（Naïve-Bayes、k-NN、HMM、SVM等）
