实验1. 基于EMR离线数据分析
本次实验将通过开通登录EMR Hadoop集群，简单进行hive操作，使用hive对数据进行加载，计算等操作。展示如何构建弹性低成本的离线大数据分析。
PS：在数据量爆发式增长的今天，数字化转型成为IT行业的热点，数据需要更深度的价值挖掘，应对未来不断变化的需求。海量离线数据分析可以应用于多种商业系统环境，例如电商海量日志分析、用户行为画像分析、科研行业的海量离线计算分析任务等场景。
学习完这一个实验，可以收获：
1. 如何登录EMR集群。
2. 如何上传数据到HDFS。
3. 如何使用hive创建表，并从hadoop文件系统加载数据。
实验2. 使用Elasticsearch快速搭建智能运维系统
这一个实验通过创建登录阿里云Elasticsearch集群，使用Beats采集器收集ECS上的系统数据和Nginx服务数据，配置基础的指标分析看板，简单展示数据采集、分析的过程和操作方式。
PS：在现今大数据场景下，信息过载和复杂的业务环境，以及故障的定位、检测等工作给运维工程师和技术体系提出了更高的要求，同时，IT架构复杂，运维工具繁多，工具之间的衔接困难，上手成本高的问题，也给运维工作带来了挑战。基于此，Elastic Stack为全链路智能运维系统提供了场景化解决方案。
学习完本实验，可以收获：
1. 了解阿里云Elasticsearch集群创建登录的基础操作。
2. 学会采集系统数据和Nginx服务数据。
3. 学会配置指标分析看板，体验数据分析和运维的过程。
实验3.使用协同过滤实现商品推荐
本次实验将使用机器学习PAI平台，指导您搭建一个基于协同过滤算法的商品推荐系统。
PS：数据挖掘的一个经典案例就是尿布与啤酒的例子。尿布与啤酒看似毫不相关的两种产品，但是当超市将两种产品放到相邻货架销售的时候，会大大提高两者销量。很多时候看似不相关的两种产品，却会存在这某种神秘的隐含关系，获取这种关系将会对提高销售额起到推动作用，然而有时这种关联是很难通过经验分析得到的。这时候我们需要借助数据挖掘中的常见算法-协同过滤来实现。这种算法可以帮助我们挖掘人与人以及商品与商品的关联关系。
协同过滤算法是一种基于关联规则的算法。以购物行为为例，如果用户甲和用户乙都购买了商品A和商品B，则可以假定用户甲和用户乙的购物品味相似。当用户甲购买了商品C，而用户乙未购买时，可以将商品C推荐给用户乙，这就是经典的User-Based，即以User的特性为关联。
完成这一个实验，可以获得：
1. 基于协同过滤算法的商品推荐系统的搭建。
实验4. 利用湖仓一体架构快速搭建企业数据中台
这一个实验，是本期实验的第四个实例，是一个直播带练教学，主要讲述----利用湖仓一体架构快速搭建企业数据中台
实验5. 基于Elasticsearch+Fink的日志全观测最佳实践
这是本期学习的最后一个课程，同样也是本次学习的最后一课，同样是一个直播带练学习，主要讲解----基于Elasticsearch+Fink的日志全观测最佳实践
本次五期二十五个实验的学习，可以说是“收获满满”。期待后续新的学习。
