课时一：概念综述
1.大数据的定义由来和原因
1.大数据的6V特征
1.从数据库，数据仓库到大数据
1.大数据相关技术和处理

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
1.spark：scala、spark-SQL、spark-Streaming等
1.搜索引擎：lucene（solr）、ES
1.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）
1.Hbase：安装
1.行键与列簇
1.如何利用Hbase的特点存储数据
1.应用程序如何访问Hbase中的数据
1.数据迁移：sqoop
1.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）
1.Hive：基本操作
1.Hive：与典型的关系型数据库的区别
1.如果“想慢”，你可以这样…（不恰当使用hive的案例介绍）
1.Hive的应用场景

课时五：Spark各组件在卫生领域的应用
1.Hadoop*的特点是什么？
1.Spark概述与安装
1.Scala：你可以一直“点”下去
1.RDD：“映射”、“转换”解决一切
1.spark-SQL
1.spark-streaming
1.spark的其他组件
1.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）
1.监督学习、无监督学习与强化学习
1.工具：R、Python等
1.决策树详解（熵、贪心法、连续的和离散的）
1.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）
1.聚类详解（k-means、k-medoid）
1.常见算法的简述（Na?ve-Bayes、k-NN、HMM、SVM等）