本案例基于某商品零售企业收集的购物篮的数据进行分析，通过分析结果构建关联规则模型分析商品之间的关联性。       本案例的主要分析目标如下。      

二、技术点       缺失值处理；异常值处理；构建特征；K-Means聚类模型。  

因此，根据近期用户对菜品的评分历史数据，建立菜品推荐模型，向用户们提供菜品推荐，从而满足用户们的个性化或差异性的口味，提高餐饮外卖平台的利润。

二、项目目标       1.本项目希望利用所给数据结合机器学习等相关技术，选用合适的模型，训练出一个能够有效预测出订单装运类型的模型。  

（2）分析线上课程的受欢迎程度，构建课程智能推荐模型，为教育平台的线上推荐服务提供策略。  

  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。

基础篇介绍了数据挖掘的基本原理，以及使用Python进行数据挖掘所需的编程基础；入门篇、进阶篇、高阶篇介绍了11个真实案例，包括电商平台手机销售数据采集与分析、自动售货机销售数据分析与应用、教育平台的线上课程推荐策略

一、课程简介       随着互联网和信息科学技术的发展，技术人员也需要不断地紧跟潮流学习新的技术。这些人在学习的过程中喜欢把所学的知识记录下来以方便以后查看或者分享给他人。某些公司因此萌发了开发技术博客网站的想法，技术博客网站的功能就是技术人员可以通过注册成为会员后把自己所学的知识记录在博客上分享给其他人学习或者在网站上查看他人分享的知识。而随着推荐技术的发展，现在的博客网站也都会设置个性化的推荐板块，以此来吸引用户的浏览。       本案例的主要分析目标如下。      （1) 每小时对博文网页进行快速统计，将热度最高的10个网页更新到热门博文版块。     二、技术点       Spark Streaming、MySQL、排序。   三、建议前置课程 Spark大数据技术基础 大数据数据分析SQL基础