​【导读】本文为大家带来了一份斯坦福大学的最新课程CS246——大数据挖掘Mining Massive Data Sets，主讲人是斯坦福大牛Jure Leskovec，他是斯坦福大学计算机学院的副教授，也是图表示学习方法 node2vec 和 GraphSAGE 作者之一。

本课程将讨论用于分析大数据的数据挖掘和机器学习算法。重点将放在MapReduce和Spark作为创建并行算法的工具，这些算法可以处理非常大的数据。

原始链接： http://web.stanford.edu/class/cs246/

1 课程介绍

主题包括: 频繁项集和关联规则，高维数据中的近邻搜索，局部敏感哈希(LSH)，降维，推荐系统，聚类，链接分析，大规模监督机器学习，数据流，挖掘结构化数据的Web, Web广告。

2 课程目录

• 01：课程介绍和MapReduce and Spark（Introduction; MapReduce and Spark）
• 02：频繁项集挖掘（Frequent Itemsets Mining）
• 03：局部敏感哈希（Locality-Sensitive Hashing I）
• 04：局部敏感哈希（Locality-Sensitive Hashing II）
• 05：聚类（Clustering）
• 06：推荐系统（Recommender Systems I）
• 07：推荐系统（Recommender Systems II）
• 08：PageRank（PageRank）
• 09：链接欺诈与社交网络导论（Link Spam and Introduction to Social Networks）
• 10：社区检测（Community Detection in Graphs）
• 11：图表示学习（Graph Representation Learning）
• 12：大规模机器学习（Large-Scale Machine Learning I）
• 13：数据流挖掘（Mining Data Streams I）
• 14：计算广告（Computational Advertising）
• 15：通过实验学习（Learning through Experimentation）
• 16：优化子模块功能（Optimizing Submodular Functions）