2.项目目标        本项目旨在利用人工智能技术开筛选多种与疾病相关的语音特征，运用人工智能算法构建帕金森疾病诊断模型，使用评估方法对比多种算法的诊断效果，选取最优模型。

2.熟悉PySpark相关操作，包含但不限于多种数据源读取、行动算子和操作算子的使用、数据处理、模型构建与评估等。 3.熟悉Hive相关操作，包含但不限于数据存储、数据简单查询等。

2.熟悉Spark相关操作，包含但不限于多种数据源读取、行动算子和操作算子的使用、数据处理、模型构建与评估等。

2.熟悉Spark相关操作，包含但不限于多种数据源读取、行动算子和操作算子的使用、数据处理、模型构建与评估等。

       在这个信息高速发展的时代，人才市场网络化的产生，使得网络招聘越来越成为如今社会的主流趋势，它以招聘范围广、方便迅速、不受时空限制等区别于传统招聘的优势成为越来越多求职者和企业单位青睐的招聘渠道，在人力资源招募与配置方面中起着至关重要的作用。同时，随着互联网、云计算和大数据产业的兴起，面对海量的网络数据，数据分析、数据挖掘等相应行业也正快速发展。        网络招聘信息反映着各行各业的发展现状，各地区发展水平，不同职业类型对人才基本条件、能力和素质的要求，以及对新兴行业的发展动向都有着最及时有效的传达。因此，对网络招聘信息进行分析研究，了解不同职业领域的需求特点，挖掘兴起的数据类行业相应的人才需求现状及发展趋势，为广大求职者提供正确的就业指导有着重要意义。        本案例将使用非结构化数据“职位描述.csv”，结合分词、TF-IDF(Term Frequency-Inverse Document Frequency, 词频-逆文件频率)等文本挖掘技术，采用Spark ML中的LDA（Latent Dirichlet allocation）聚类算法，对招聘信息进行职业类型的划分。

本项目旨在利用语音技术开发英文语音合成模型，将一段英文文本信息转化为自然语音，使得机器能够生成人类语音，从而实现更自然和便捷的人机交互。

就本文而言，需根据收集自互联网公开来源的群众问政留言记录，完成问政工作的第一步，构建深度学习模型完成问政留言记录的分类识别和分配。