<cite id="m16w6"><li id="m16w6"></li></cite>
    <dd id="m16w6"></dd>
    
    
  • <acronym id="m16w6"></acronym>

    <ol id="m16w6"></ol>
  • 課程架構:
    階段學習+階段實戰+項目實戰+兩個選修方向+面試指導
    課程內容:
    30%原理精講+60%項目實戰+10%解決方案+24小時實時答疑

    立即報名
    了解詳情>>
    了解詳情>>

    需要的基礎一:SQL & Java

    課程一:Oracle數據庫以及SQL
    課程二:Java8編程入門
    課程三:Java8面向對象
    課程四:Java8高級編程
    課程五:深入Java虛擬機
    課程六:Java業務分析設計實例

    需要的基礎二:Linux基礎

    課程一:CentOS 7虛擬機知識以及安裝
    課程二:Linux基礎命令
    課程三:Linux權限相關
    課程四:bash shell基本編程
    課程五:大數據集群需要的基本環境

    第一階段:大數據技術入門Hadoop

    課程一:HDFS
    課程二:Zookeeper
    課程三:MapReduce & Yarn
    課程四:avro & parquet & sequenceFile
    階段實戰一:HDFS文件的恢復、備份
    階段實戰二:Zookeeper實現配置管理
    階段實戰三:Zookeeper實現分布式鎖
    階段實戰四:Hadoop的HA配置
    階段實戰五:HDFS小文件的合并
    階段實戰六:企業級Yarn資源的分配
    階段實戰七:NCDC氣象數據分析

    第二階段:Scala語言的學習

    課程一:認識Scala
    課程二:十二步體驗Scala
    課程三:面向對象編程基礎
    課程四:函數式編程基礎
    課程五:模式匹配
    課程六:隱式系統
    課程七:類型系統
    課程八:集合框架
    階段實戰一:編寫更函數式程序

    第三階段:Spark核心技術

    課程一:Spark環境(開發和集群)的搭建
    課程二:正確理解Spark
    課程三:Spark核心編程模型之RDD
    課程四:正確提交Spark應用(實操課程)
    課程五:Schedulers On Driver(原理加實操課程)
    課程六:Spark SQL的前生今世以及未來
    課程七:有SQL基礎就可以玩轉Spark SQL
    階段實戰一:Spark topN問題
    階段實戰二:網站流量分析之session切分
    階段實戰三:地圖切片
    階段實戰四:Spark SQL中schema的合并
    階段實戰五:Spark SQL各種數據源的讀寫
    階段實戰六:數據挖掘之關聯規則挖掘
    階段實戰七:Spark怎么處理Json格式
    階段實戰八:物聯網設備信息ETL
    階段實戰九:Spark SQL分析出租車數據
    階段實戰十:Spark航班延遲預測

    第四階段:大數據實時流技術

    課程一:Spark Streaming編程模型
    課程二:Spark Streaming性能與穩定
    課程三:Spark Streaming容錯與語義
    課程四:Flume
    課程五:Kafka
    階段實戰一:Spark Streaming集成Flume
    階段實戰二:Spark Streaming集成Kafka
    階段實戰三:Flume與Kafka集成
    階段實戰四:實時計算網站訪問指標
    階段實戰五:網站用戶行為實時分析

    第五階段:NoSQL數據庫-HBase

    課程一:核心原理之架構原理
    課程二:核心原理之緩存機制
    課程三:核心原理之Region切分機制
    課程四:Java客戶端操作HBase
    課程五:Solr
    階段實戰一:RegionServer內存規劃
    階段實戰二:Compaction以提高性能
    階段實戰三:處理Region太多的場景
    階段實戰四:Spark RDD讀寫HBase
    階段實戰五:Spark Streaming讀寫HBase
    階段實戰六:Bulk Load
    階段實戰七:HBase + Solr分析產品質量數據
    階段實戰八:構建一個Java Web網站

    第六階段:SQL On Hadoop

    課程一:Hive
    課程二:Spark SQL兼容Hive
    課程三:Impala + kudu
    課程四:sqoop
    課程五:Oozie
    課程六:Hue
    課程七:Zeppelin
    階段實戰一:Spark SQL與Hive的優秀實踐
    階段實戰二:配置Hive跑在Spark上
    階段實戰三:基于Hive的ETL實例
    階段實戰四:爬取豆瓣電影數據進行數據分析
    階段實戰五:NBA出色球員分析實戰

    選修一:大數據+AI方向

    課程一:微積分基礎
    課程二:線性代數基礎
    課程三:概率統計基礎
    課程四:線性回歸及其實戰
    課程五:模型性能調試
    課程六:邏輯回歸(分類)及其實戰
    課程七:支持向量機(SVM)及其實戰
    課程八:決策樹算法及其實戰
    課程九:K-Means聚類算法及其實戰
    課程十:PCA降維算法及其使用
    課程十一:神經網絡及其實戰

    選修二:大數據進階方向

    課程一:Java設計模式講解
    課程二:JVM虛擬機高級特性
    課程一:Spark內核原理(源碼分析)
    課程二:Kafka內核原理(源碼分析)
    課程三:ElasticSearch優秀實踐
    課程四:分布式實時計算之Storm
    課程五:Flink

    面試指導

    1、一對一面試指導
    2、往屆畢業學員面試經驗
    3、全面系統的面試題
    6
    大實戰
    項目六:
    用戶畫像系統
    說明:幫您掌握用戶的每一個細節,實現數據驅動利潤
    項目一:
    手把手教你搭建大數據集群
    說明:本地搭建大數據小集群,集群雖小,五臟俱全,學習之本,應用之源
    項目五:
    互聯網多媒體智能推薦系統(大數據 + AI項目)
    說明:在每一個對外提供服務的互聯網企業,推薦系統都是其核心所在。掌握推薦系統就是掌握公司的核心技術。
    項目二:
    構建企業級大數據數據倉庫(大數據平臺)
    說明:每一個大數據企業的心臟,離它越近,薪水越高
    項目四:
    億級用戶訪問日志實時分析系統
    說明:在大數據的項目另一個非常重要的方向就是實時分析項目,實時把握用戶的行為
    項目三:
    奧運會CNTV網站流量分析(PB級別數據量)
    說明:基于數據倉庫之上的洞察網站用戶訪問行為的系統,互聯網公司的決策之源實時分析
    1/隨到隨學

    學員報名之后立馬就可以開始學習,無需再等人數夠了再開班,每個學員都可以根據自己的時間安排制定自己的學習計劃,不會再因為時間不統一落下課。 點擊查看詳情>>

    2/4對1輔導

    授課老師、助教老師、班主任、就業指導老師4對1的服務模式,學員可以在線與授課老師和助教老師1對1溝通問題,班主任會通過學習平臺可視化數據督促學員學習,就業指導老師會在就業前對學員進行1對1就業指導。 點擊查看詳情>>

    3/闖關式學習

    我們的課程是闖關式教學,學員需要完成每一關的作業測試及與助教的視頻考核,合格之后才能進去到下一個階段的學習,保證學員是真正學會了,彌補了學員無法參加面授,沒人監督而無法保證自制力和持久力,通過作業測試視頻考核也可以檢驗學員的學習效果,讓學員知道自己的學習的程度和效果。 點擊查看詳情>>

    金融領域
    應用案例:投資理財
    功能描述:通過對個人的信用評估,風險承擔能力評估,結合眾多理財產品,推薦相應的投資理財產品
    崗位需求:數據分析師、數據挖掘工程師、數據分析專家、數據倉庫工程師
    交通領域
    應用案例:智能交通
    功能描述:通過對車流量等海量數據的收集,估算,預測該路段一定時間內的車流量情況,給用戶提供便利。
    崗位需求:Hadoop開發工程師、數據質量稽查工程師、數據可視化工程師、數據分析師
    電信領域
    應用案例:智慧營業廳
    功能描述:通過對用戶當前的行為習慣,偏好,節假日的相應數據變化,調整自身業務結構,做到按需分配。
    崗位需求:Flink開發工程師、爬蟲開發工程師、數據模型開發工程師
    安防領域
    應用案例:人臉識別
    功能描述:通過人臉識別,一一匹配,存儲用戶數據,結合人工智能,分析及甄別用戶行為,預防犯罪等行為發生。
    崗位需求:算法工程師、數據質量稽查工程師、數據可視化工程師、數據分析師
    傳媒領域
    應用案例:猜你喜歡
    功能描述:通過受眾人群的大數據分析,結合對應的算法,將受眾喜歡的進行交互推薦,使猜你喜歡變為你會喜歡。
    崗位需求:Spark開發工程師、數據挖掘工程師、數據可視化工程師、數據分析師
    電商領域
    應用案例:精準廣告位
    功能描述:通過用戶的瀏覽行為,點擊行為等大數據采集,分析,挖掘用戶的二層三層喜歡,擴大產出。
    崗位需求:廣告系統開發工程師、爬蟲開發工程師、Hive工程師、數據挖掘工程師
    政府領域
    應用案例:便民服務
    功能描述:通過對用戶使用習慣,使用頻率等大數據采集分析,結合人臉識別,人工智能算法,實現便民服務。
    崗位需求:Hadoop開發工程師、機器學習開發工程師、數據可視化工程師、數據分析架構
    醫療領域
    應用案例:智慧醫療
    功能描述:通過對海量病例大數據的存儲,匹配,檢索,結合用戶的飲食,行為等習慣,搭建智慧醫療體系。
    崗位需求:爬蟲開發工程師、數據質量稽查工程師、大數據平臺運維工程師、數據分析師

    大數據工程師學習之路
    你我一起全力以赴!

    點擊了解詳情
    色情网