拉勾大数据开发高薪训练营14期

课程大纲

• 01、第一阶段 JavaSE
•  01、Java语言基础
•  1–开营直播
•  3–任务一： 初识计算机和Java语言
•  4–任务二： 变量和数据类型
•  5–任务三： 运算符
•  6–任务四：流程控制语句
•  7–任务五：数组以及应用
•  8–任务六：模块作业
• 9–模块直播
•  02、Java面向对象编程
•  2–任务一：类和对象
•  3–任务二：方法和封装
•  4–任务三：static关键字和继承
•  5–任务四：多态和特殊类
•  6–任务五：特殊类
•  7–任务六：模块作业
• 8–模块直播
•  03、Java核心类库（上）
•  2–任务一：常用类的概述和使用
•  3–任务二：String类的概述和使用
•  4–任务三：可变字符串类和日期相关类
•  5–任务四：集合类库（上）
• 6–任务五：集合类库（下）
•  04、Java核心类库（下）
•  2–任务一： 异常机制和File类
•  3–任务二：IO流
•  4–任务三：多线程
•  5–任务四：网络编程
•  6–任务五：反射机制
• 8–模块直播
• 阶段一资料
•  大数据高薪训练营阶段一模块二（面向对象编程）
•  大数据高薪训练营阶段一模块三（Java核心类库上）
•  大数据高薪训练营阶段一模块四（Java核心类库下）
• 大数据高薪训练营阶段一模块一（ Java编程基础）
• 02、第二阶段 Java Web数据可视化
•  01、MySQL数据库
•  11–模块直播
•  2–任务一：MySql基础、SQL入门
•  3–任务二：MySql单表、约束和事务
•  4–任务三：Mysql多表、外键和数据库设计
•  5–任务四：Mysql索引、存储过程和触发器
•  6–任务五：JDBC
•  7–任务六：数据库连接池和DBUtils
•  8–任务七：XML
• 9–任务八：MySQL高级
•  02、前端可视化技术
•  2–任务一：HTML
•  3–任务二： CSS
•  4–任务三：JavaScript
•  5–任务四：前端进阶之jQuery+Ajax+Vue
• 6–任务五：Highcharts+ECharts数据可视化
•  03、Java Web 后端技术（上）
•  2–任务一：Tomcat服务器软件
•  3–任务二：HTTP协议解析
•  4–任务三：Servlet
•  5–任务四：Cookie及Session
•  6–任务五：Filter过滤器及Listener监听器
• 7–任务六：MVC模式及三层架构
•  04、Java Web 后端技术（下）
•  10–任务九：SpringMVC之SpringMVC进阶
•  11–任务十：SpringMVC之SSM框架整合
•  12–任务十一：项目管理工具Maven高级
•  13–任务十二：Spring Boot
•  2–任务一：maven
•  3–任务二：MyBatis之MyBatis基本应用
•  4–任务三：MyBatis之复杂映射&配置深入
•  5–任务四：MyBatis之缓存&延迟加载&注解应用
•  6–任务五：Spring之Spring IOC
•  7–任务六：Spring之Spring AOP
•  8–任务七：Spring之JdbcTemplate&事务&Web集成
• 9–任务八：SpringMVC之SpringMVC入门
•  05、拉勾网招聘行业报表数据可视化项目
• 2–任务一：可视化项目案例
•  06、Linux服务器
•  2–任务一：Linux及Shell编程
• 5–直播
• 资料
•  大数据高薪训练营阶段二模块二（前端可视化技术）
•  大数据高薪训练营阶段二模块六（linux）
•  大数据高薪训练营阶段二模块三（JavaWeb后端技术上）
•  大数据高薪训练营阶段二模块四（JavaWeb后端技术下）
•  大数据高薪训练营阶段二模块五（可视化项目）
• 大数据高薪训练营阶段二模块一（MySQL数据库）
• 03、第三阶段 Hadoop核心及生态圈技术栈
•  01、Hadoop框架核心（HDFS、MapReduce、YARN）
•  1–课程资料
•  2–开营直播回放
•  3–任务一：Hadoop简介及Apache Hadoop完全分布式集群搭建
•  4–任务二：HDFS分布式文件系统
•  5–任务三：MapReduce分布式计算框架
•  6–任务四：YARN资源调度、HDFS核心源码及Hadoop3.X 新特性概述
•  7–任务五：调优及二次开发示例
• 9–模块直播
•  02、Hadoop生态圈技术栈（上）
•  1–课程资料
•  2–任务一：数据仓库工具Hive及交互工具Hue
•  3–任务二：数据采集工具Flume
•  4–任务三：ETL工具Sqoop及CDC
•  5–任务四：作业
• 6–模块直播
•  03、Hadoop生态圈技术栈（下）
•  1–课程资料
•  2–任务一：分布式协调组件ZooKeeper
•  3–任务二：海量列式非关系型数据库HBase
•  4–任务三：任务调度系统
• 6–模块直播
• 04、Hadoop生态圈技术栈（中）
•  1–课程资料
•  2–任务一： 即席查询Impala介绍及入门使用
•  3–任务二：Impala交互式查询
• 4–任务三：Impala集群负载均衡及优化
• 04、第四阶段 分布式缓存Redis及Kafka消息中间件
•  01、高性能分布式缓存Redis
•  1–课程资料
•  2–任务一：Redis快速实战
•  3–任务二：Redis扩展功能
•  4–任务三：Redis核心原理
•  5–任务四：企业实战
• 6–任务五：Redis分布式高可用方案
• 02、高吞吐消息中间件Kafka
•  1–课程资料
•  2–任务一：Kafka架构与实战
•  3–任务二：Kafka高级特性解析
•  4–任务三：Kafka集群与运维
• 5–任务四：Kafka源码剖析
• 05、第五阶段 PB级企业电商离线数仓项目实战
•  PB级企业电商离线数仓项目实战（上）
•  1–课程资料
•  2–任务一：数仓理论
•  3–任务二：数据采集
•  4–任务三：会员活跃度分析
• 5–任务四：广告分析
• PB级企业电商离线数仓项目实战（下）
•  1–课程资料
•  2–任务一：核心交易分析
•  3–任务二：调度系统Airflow
•  4–任务三：元数据管理Atlas
• 5–任务四：数据质量管理Griffin
• 06、第六阶段 内存级快速计算引擎Spark
•  01、Scala编程
•  1–课程资料
•  10–任务九：隐式机制及Akka扩展
•  2–任务一：Scala基础
•  3–任务二：控制结构和函数
•  4–任务三：数组和元组
•  5–任务四：类与对象
•  6–任务五：继承与特质
•  7–任务六：模式匹配和样例类
•  8–任务七：函数及抽象化
• 9–任务八： 集合
•  02、Spark实战应用（上）
•  1–课程资料
•  2–任务一：Spark安装与配置
•  3–任务二：RDD编程基础
•  4–任务三：RDD编程高阶
• 5–任务四：SparkSQL编程
•  03、Spark实战应用（下）
•  1–课程资料
•  2–任务一：实时流式计算框架Spark Streaming
•  3–任务二：Spark Streaming与Kafka整合
• 4–任务三：Spark GraphX图计算
• 04、Spark原理及源码剖析
•  1–课程资料
•  2–任务一：重要组件(Master、Worker、Driver)
•  3–任务二：重要原理(作业调度及Shuffle原理)
• 4–任务三：内存管理、数据倾斜及优化
• 07、第七阶段 智慧物流大数据分析调度平台项目
• 智慧物流大数据分析调度平台项目
•  1–课程资料
•  2–任务一：项目介绍及CDH搭建
•  3–任务二：平台数据准备
•  4–任务三：仓储预测及车货匹配
• 5–任务四：实时处理及可视化
• 08、第八阶段 新一代计算利器Flink
• 计算领域锋利的武器Flink
•  1–课程资料
•  2–任务一：Flink概述及入门案例
•  3–任务二：Flink体系结构及安装部署
•  4–任务三：Flink常用API及Window窗口机制
•  5–任务四：Flink watermark及state机制
•  6–任务五：Flink 并行度、KafkaConnector源码及CEP
• 7–任务六：Flink Table及作业提交
• 09、第九阶段 大数据新技术实践
•  01、ClickHouse&Kudu
•  1–课程资料
•  2–任务一：ClickHouse概述及安装
•  3–任务二：ClickHouse数据类型及表引擎
•  4–任务三：ClickHouse连接Kafka、MySQL及ClickHouse副本分片机制
• 5–任务四：大数据存储引擎Kudu
• 02、Kylin&Druid
•  1–课程资料
•  2–任务一：分析型数据仓库 Kylin
• 3–任务二：实时分析数据库 Apache Druid
• 10、第十阶段 Elastic Stack 日志搜索、挖掘及可视化解决方案
• Elasticsearch全文搜索引擎、Logstash采集、Kibana展示方案
•  1–课程资料
•  2–任务一：Elasticsearch & Kibana
•  3–任务二：LogStash日志采集
• 4–任务三：日志分析平台实战
• 11、第十一阶段 电商行业实时数仓项目
• 电商行业实时数仓项目
•  1–任务一：实时数仓项目基础
•  2–任务二：需求实现
•  3–任务三：监控及可视化
•  4–任务四：数据质量及双流join
• 1–课程资料.zip  4.71M
• 12、第十二阶段 大数据处理算法及案例
•  模块二、统计学基础
•  1–统计学基本原理_任务一： 描述统计
•  10–统计学分析方法_任务五： logistic回归
•  11–统计学分析方法_任务六： 时间序列分析
•  12–项目实战_任务一： 案例背景介绍
•  13–项目实战_任务二： 案例分析过程
•  14–项目实战_任务三： 建模软件操作
•  2–统计学基本原理_任务二： 总体推断
•  3–统计学基本原理_任务三： 抽样方法
•  4–统计学基本原理_任务四： 卡方检验
•  5–统计学基本原理_任务五： T检验、方差检验
•  6–统计学分析方法_任务一： 多变量分析方法选择
•  7–统计学分析方法_任务二： 相关分析
•  8–统计学分析方法_任务三： 回归分析
•  9–统计学分析方法_任务四： 因子分析
• 1–课程资料.zip  13.11M
•  模块三、数据挖掘算法与实战
•  1–任务一 有监督学习算法
•  2–任务二 无监督学习算法
•  3–任务三 数据挖掘项目综合实战
• 1–课程资料.zip  15.10M
• 模块一、Python 编程
•  1–任务一：Python基础
•  2–任务二 ：Numpy科学计算库
•  3–任务三：Pandas数据分析库
•  4–任务四：Matplotlib数据绘图
• 1–课程资料.zip  12.15M
• 13、第十三阶段 机器学习
• TensorFlow机器学习框架
•  1–任务一 ：TensorFlow实现KNN
•  2–任务二：TensorFlow实现线性回归
•  3–任务三：TensorFLow实现机器学习_逻辑回归
• 1–课程资料.zip  518.67kb
• 14、第十四阶段：人才职位画像匹配推荐系统
• 人才职位画像匹配推荐系统
•  1–任务一：项目整体介绍
•  2–任务二：OLAP指标分析
•  3–任务三：SuperSet可视化
•  4–任务四：Spark MLlib机器学习
•  5–任务五：职位画像及用户画像
•  6–任务六：职位召回&排序&推荐
• 1–课程资料.zip  13.54M

加微信：2431067021永久会员

收藏 海报 链接