Suitable for who to learn
Big data course content
| 课程模块 | 课程内容 | 学习效果 |
|
Java设计与编程思想 |
Java基础、Java面向对象、Java高级、数据库与JDBC |
熟练掌握Java语法并灵活运用，能够开发后台应用 |
|
Web前端开发 |
HTML基础、CSS3基础、JS脚本编程 |
能够基于HTML+CSS+JQuery进行前端开发 |
|
JavaEE进阶 |
JavaWeb后端开发、SSM框架 |
掌握主流JavaWeb框架并灵活运用 |
|
大数据基础 |
Linux基础、Maven基础 |
熟练掌握Linux及Maven等相关知识并灵活运用 |
|
HDFS分布式文件系统 |
HDFS原理剖析、HDFS编程 |
深入理解HDFS的原理并灵活运用 |
|
MapReduce分布式计算模型 |
MapReduce原理剖析、MapReduce实践 |
熟练掌握MapReduce原理并灵活运用 |
|
Yarn分布式资源管理器 |
Yarn原理剖析、Yarn实践 |
深入理解Yarn的原理并调优 |
|
Zookeeper分布式协调服务 |
Zookeeper原理剖析、Zookeeper实践 |
深入理解Zookeeper的原理并灵活运用 |
|
Hbase分布式数据库 |
Hbase原理剖析、Hbase编程实践 |
深入理解Hbase的原理并灵活运用及调优 |
|
Hive分布式数据仓库 |
Hive原理剖析、Hive编程实践 |
深入理解Hive的原理并灵活运用 |
|
FlumeNG分布式数据采集系统 |
FlumeNG原理剖析、FlumeNG编程实践 |
熟练掌握FlumeNG的各种应用场景 |
|
Sqoop大数据迁移系统 |
Sqoop原理剖析、Sqoop编程实践 |
熟练掌握Sqoop并灵活运用 |
|
Scala大数据黄金语言 |
Scala语法剖析、Scala应用实践 |
熟练掌握Scala各种语法并灵活运用 |
|
kafka分布式总线系统 |
kafka原理剖析、kafka编程实践 |
深入理解kafka原理并灵活运用及调优 |
|
SparkCore大数据计算基石 |
SparkCore核心原理、SparkCore实践 |
深入理解SparkCore原理并灵活运用及调优 |
|
SparkSQL数据挖掘利器 |
SparkSQL核心原理、SparkSQL实践 |
熟练掌握SparkSQL的各种应用场景并灵活运用 |
|
SparkStreaming流失计算平台 |
SparkStreaming核心原理、SparkStreaming实践 |
深入理解SparkStreaming原理及各种应用场景和调优 |
|
SparkMllib机器学习平台 |
SparkMllib算法模型及核心原理、SparkMllib实践 |
熟练掌握SparkMllib的常用算法并灵活运用 |
|
SparkGraphx图计算平台 |
SparkGraphx核心原理、SparkGraphx实践 |
深入理解SparkGraphx的原理并灵活运用 |
|
大数据项目实战 |
4个大数据项目的实战 |
能够基于所学知识在真实的项目中操练 |
1、一些数据的记录是以模拟形式存在，或者以数据形式存在，但是存贮在本地，不是公开数据资源，没有开放给互联网用户，例如音乐、照片、视频、监控录像等影音资料。现在这些数据不但数据量巨大，并且共享到了互联网上，面对所有互联网用户，其数量之大是前所未有。
2、移动互联网出现后，移动设备的很多传感器收集了大量的用户点击行为数据，已知IPHONE有3个传感器，三星有6个传感器。它们每天产生了大量的点击数据，这些数据被某些公司所有拥有，形成用户大量行为数据。
Reasons for Choosing
理论深入讲解，项目驱动教学，注重学员自训，10-15人小班授课，面授+1对1辅导。教学环境优美，软硬设施齐全，生活配套完善，团队氛围浓厚。
由来自阿里、华为、京东、星环等国内知名企业的多位技术大牛联合创办，多年一线开发经验讲师授课，技术底蕴丰厚，精通主流前沿大数据及人工智能相关技术。
You want to know about these issues
1. HBase。HBase是一个分布式的、面向列的开源数据库，它不同于一般的关系数据库，更适合于非结构化数据存储的数据库，是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，大数据开发需掌握HBase基础知识、应用、架构以及高级用法等。
2.phoenix。phoenix是用Java编写的基于JDBC API操作HBase的开源SQL引擎，其具有动态列、散列加载、查询服务器、追踪、事务、用户自定义函数、二级索引、命名空间映射、数据收集、行时间戳列、分页查询、跳跃查询、视图以及多租户的特性，大数据开发需掌握其原理和使用方法。
Practical experience teacher
15+年互联网IT技术经验
6+年大数据项目实战经验
国家大数据标准组成员
精通大数据领域各类技术Apache开源项目Hadoop、Hbase、Flink、Storm、Kafka、Spark等。 主要研究方向包括大数据架构、数据挖掘、大数据分析等领域。在企业级应用软件、大数据分析、移动互联网、教育大数据等领域有近15年的系统设计、研发、管理经验。
成都大数据培训
学费课程大纲
课程背景
随着数据时代的到来，大数据技术得到了广泛应用。成都作为西部地区经济中心，大数据行业发展迅速。在这一背景下，成都大数据培训逐渐崭露头角。本课程旨在为学习者提供一套完整的大数据技术培训，满足市场需求。
课程特色
1. 实践操作：本课程将工程实践与理论知识相结合，让学习者更好地了解大数据技术应用。
2. 课程讲师：课程讲师为在职大数据技术专业人员，能够更好地将实际应用融入课堂教学。
3. 综合实战项目：为学习者提供一个完整的大数据项目环境，拥有独立的数据源和实验环境。
课程目标
1. 掌握大数据各类技术并灵活运用。
2. 建立大数据思维，对大数据技术有系统性认识。
3. 提升大数据技术实践水平，能够应对各种数据分析需求。
学习对象
1. 大数据爱好者，特别是希望从事大数据分析方向的学习者。
2. 已经从事大数据相关工作，有一定工作经验和技术储备的学习者。
3. 对数据建模、数据分析、机器学习等领域有兴趣的技术人员。
课程内容
1. 大数据架构和技术
2. Hadoop原理及应用
3. Spark原理及应用
4. 数据挖掘与机器学习
5. 数据仓库建模及实现
6. 大数据处理平台和工具
7. 数据可视化技术
学习时长
本课程总时长约为3个月，每周约15个课时。
收费范围
本课程收费范围较大，具体收费情况根据课程选择和学习需求而定，可联系在线客服咨询。
学习收获
1. 掌握大数据技术基本知识，了解大数据应用情况。
2. 能够使用Hadoop和Spark开发和部署大数据处理系统，能够熟练地进行数据挖掘、建模和分析操作。
3. 可以独立完成大数据项目，提高数据处理效率和水平。
结语
以上信息仅供参考，实际情况以到校咨询为准。可联系在线客服，预约免费体验课。希望通过本课程，学习者们能够掌握并灵活运用大数据技术，提高应对数据分析需求的能力，从而更好地服务于社会。
勤学教育网
