项目描述：随着各种打车软件的发展，人们足不出户就可以约车，本案例主要是来探究生活中存在的打车难的问题，这个问题限制了我们有些时间的出行，浪费了我们的时间。在哪些地方容易打车，什么时候的车更容易搭乘，这是我们要着手解决的问题。
项目解决方案：本系统采用模块化设计，分为数据准备， 解析csv数据， 构建特征向量，聚类模型训练，聚类模型测试， 分析预测结果，数据可视化。通过spark和机器学习算法等相关技能，对打车的现状进行分析，并最终用可视化的手段直观的展示分析结果。为用户提供决策支持。

项目描述：互联网时代舆论观点都散布在各种社交网络平台或新闻提要中。对于这种网上海量分布的数据，可以挖掘各种重要信息，可以了解当前的舆论导向以及支持自身做出一些重要性的决定等等，所以针对网络社交平台中海量数据的挖掘分析显得尤为重要。
项目解决方案：本系统架构分为数据准备模块、文本转换向量模块、数据分词模块、可视化模块、模型训练模块、模型预测模块、程序运行模块。通过从twitter数据中抽取有用信息，结合文本分析算法处理文本内容，使用机器学习相关算法从训练数据集中训练出随机森林模型，再使用模型针对测试数据集进行预测分析，结合可视化组件直观展示民意分布，即时了解舆情导向。

项目描述：目前可以通过球队的排名对比赛的结果进行赛前估计，但是这种猜测一般觉有不确定性。所以利用机器学习算法对球队的以往表现，以及对手的表现综合各方面的因素做一个统计，从中学习出某种规律，这样我们就可以得到可靠性比较高的预测结果。
项目解决方案：本系统架构采用模块化设计，分为数据获取模块、特征选择模块、数据分析模块、模型训练模块、模型预测模块，程序运行模块等。通过从已有数据中抽取有用的信息并通过相应算法，将球队重新划分等级，利用机器学习算法，从中学习出特有的规律预测比赛结果。