大数据算法

大数据算法这门课程旨在通过讲授一些大数据上基本算法设计思想，包括概率算法、I/O有效算法和并行算法，让听课的同学们接触到和传统算法课程不一样的算法设计与分析思路，并且以最新的研究成果为导向，让参与这门课程学习的同学了解大数据算法的前沿知识。通过这门课程的学习，同学可以掌握大数据算法设计的基本思想，并通过本门课程的作业，掌握大数据算法设计与分析的技术。

• 课时1：大数据的定义与特点 (15分40秒)

• 课时2：大数据算法-大数据算法的定义 (6分43秒)

• 课时3：大数据算法-大数据算法的特点与难点 (3分19秒)

• 课时4：大数据算法设计与分析 (6分33秒)

• 课时5：亚线性算法的定义 (6分35秒)

• 课时6：水库抽样—空间亚线性算法 (5分38秒)

• 课时7：全0数组判定—时间亚线性判定算法 (10分19秒)

• 课时8：数据流中频繁元素-基础知识 (12分12秒)

• 课时9：数据流中频繁元素-算法与分析 (8分51秒)

• 课时10：生成树权重(一) (18分36秒)

• 课时11：生成树权重(二) (17分32秒)

• 课时12：数组有序性判定 (9分3秒)

• 课时13：外存存储结构与外存算法 (14分41秒)

• 课时14：外存排序算法 (33分46秒)

• 课时15：外存排序算法(二) (18分56秒)

• 课时16：外存查找树 (7分46秒)

• 课时17：B树(一) (11分46秒)

• 课时18：B树(二) (13分17秒)

• 课时19：KD树 (18分24秒)

• 课时20：表排序及其应用 (20分33秒)

• 课时21：时间前向处理方法 (12分42秒)

• 课时22：缩图法 (11分59秒)

• 课时23：MapReduce概述 (13分2秒)

• 课时24：字数统计 (6分4秒)

• 课时25：平均数计算 (5分1秒)

• 课时26：单词贡献矩阵的计算 (13分17秒)

• 课时27：连接算法 (24分22秒)

• 课时28：图算法(一） (8分27秒)

• 课时29：图算法(二) (12分37秒)

• 课时30：基于迭代处理平台的并行算法 (20分15秒)

• 课时31：基于图处理平台的并行算法 (19分5秒)

• 课时32：众包的实例 (8分46秒)

• 课时33：众包的要素 (17分25秒)

• 课时34：众包算法例析 (18分47秒)

• 课时35：众包的定义 (3分53秒)