R語言機器學習
R本身是一款十分出色的數據分析和數據可視化軟件，同時作為代機器學習的工具，其中包括大量用于機器學習的添加包。此部分帶領大家學習R語言更是帶領大家進入機器學習的領域，機器學習算法為主線的同時，通過案例學習將會讓大家對內容脈絡掌握的更加清晰。
1) R語言介紹，基本函數，數據類型
2) 線性回歸
3) 樸素貝葉斯聚類
4) 決策樹分類
5) k均值聚類    a) 離群點檢測
6) 關聯規則探索
7) 神經網絡
Mahout機器學習
Mahout提供一些可擴展的機器學習領域經典算法的實現，很多公司會使用Mahout方便快捷地創建智能應用程序。Mahout包含許多實現，包括聚類、分類、推薦過濾、頻繁子項挖掘。Mahout通過使用 Apache Hadoop，可以有效地擴展到云中。被業界奉為第二代機器學習工具。此部分過后大家不僅會學習到mahout的組件而且會有項目讓大家真正把它應用到工作中。
1) 介紹為什么使用它,它的前景
a) 簡單介紹Mahout     b) 簡單介紹機器學習     c) 實例演示Mahout單機推薦程序
2) 配置安裝（hadoop2.x版本的）編譯安裝步驟說明
a) 命令行中測試運行協同過濾概念
3) 推薦
a) 講解基于用戶的協同過濾     b) 講解基于物品的協同過濾
4) 分類
a) 分類概念     b) 分類的應用及Mahout分類優勢     c) 分類和聚類、推薦的區別     d) 分類工作原理
e) 分類中概念術語     f) 分類項目工作流     g) 如何定義預測變量     h) 線性分類器的介紹，及貝葉斯分類器
i) 決策樹分類器的介紹，及隨機森林分類器     j) 如何使用貝葉斯分類器和隨機森林分類器的代碼展示
5) 聚類
a) 聚類概念     b) 聚類步驟流程     c) 聚類中的距離測度     d) 講解K-means聚類     e) K-means聚類算法展示
f) 聚類其他算法     g) 介紹TF-IDF     h) 歸一化     i) 微博聚類案例
項目實戰
微博營銷數據挖掘項目 使用數據來自微博平臺，項目目標通過機器學習所學知識挖掘目標客戶群體，找到代言人進行微博營銷廣告投放。
項目技術架構體系：
a) 分布式平臺 Hadoop，MapReduce
b) 數據采集 Flume
c) 數據清洗 ETL
d) 數據庫 Hbase，Redis
e) 機器學習 Mahout