大数据开发培训班
课程介绍
一、课程名称：大数据开发
班型：全日制脱产班，网络班
二、市场介绍
大数据学习正当时
大数据工程师又是得天独厚，远超普通工程师
三、课程介绍：
专业打造大数据开发生态链
理论、实操内外双修，只做精品课程
年薪“10万+”是我们的底线，年薪“30万+”是我们的水平
阶段JavaSE+MySql+Linux
薪资水平：薪资普遍在5000元
学习安排：2周2次作业1次阶段考核
学习内容：Java语言入门uf0e0OOP编程uf0e0Java常用Api、集合uf0e0IO/NIOuf0e0Java实用技术uf0e0Mysql数据库uf0e0阶段项目实战uf0e0Linux基础uf0e0shell编程
学习目标：学习java语言，掌握java程序编写、面向对象程序开发，掌握MySql体系结构及核心编程技术，打好Linux基础，为后续学习提供良好的语言基础。
第二阶段Hadoop与生态系统
薪资水平：薪资普遍在7000元
学习安排：2周2次作业1次阶段考核
学习内容：Hadoopuf0e0MapReduceuf0e0Avrouf0e0Hiveuf0e0HBaseuf0e0Zookeeperuf0e0Flumeuf0e0Kafkauf0e0Sqoopuf0e0Pig
学习目标：掌握大数据学习基石Hadoop、数据串行化系统与技术、数据的统计分析、分布式集群、流行的队列、数据迁移、大数据平台分析等
第三阶段Storm与Spark及其生态圈
薪资水平：薪资普遍在9000元
学习安排：2周2次作业1次阶段考核
学习内容：Stormuf0e0Scalauf0e0Sparkuf0e0Spark SQLuf0e0Spark Streaminguf0e0Spark机器学习
学习目标：让大家拥有完整项目开发思路和架构设计，掌握从数据采集到实时计算到数据存储再到前台展示，所有工作一个人搞定！并可以从架构的层次站在架构师的角度去完成一个项目。
第四阶段Mahout机器学习、R语言、Python
薪资水平：薪资普遍在12000元
学习安排：2周2次作业1次阶段考核
学习内容：Mahout机器学习uf0e0R语言uf0e0Python
学习目标：机器学习领域经典算法的实现，熟练使用R语法和统计思维，可以基于具体问题建立数学模型，掌握python技术与数据分析，将数据结果以可视化的直观方式展示给目标用户。
第五阶段项目实战、技术综合运用
薪资水平：薪资普遍在15000元
学习安排：2周2次作业1次阶段考核
学习内容：某手机公司bug系统uf0e0传统广告怎么用大数据uf0e0类互联网电商网站uf0e0网站日志收集清洗系统uf0e0网站流量统计分析系统
学习目标：具备企业级大型完整项目开发能力，综合运用大数据分析知识，完成数据分析、收集、展示的完整流程。
四、项目展示
真实企业级实战项目教学
企业应用最广泛的项目实战保你轻松胜任工作
项目一：类电商网站
技术点：spring mvc架构的前端业态展现，maven实现项目依赖管理业务流程的编程实现处理，nginx服务器的负载均衡实现与动静分离技术中同tomcat服务器的服务器集群整合，大数据方面日志数据的产生，数据定时统计、数据在线实时处理等
特色：完成完整的电商前后端数据处理。
项目二：某手机公司bug系统
技术点：编写自己一套bug系统，供测试人员使用，通过编写SQL查询一段时间内ERROR级别记录的前10行，统计每分钟的日志记录数，并将统计结果存入mysql数据库中,将该数据对应到bug系统中，提供给开发人员解决bug。
特色：自己编写公司bug系统
项目三：传特色：统广告怎么用大数据（新增）
技术点：
（1）摄像头的采集
（2）图像识别
（3）产生log
（4）linux的定时器
（5）大数据技术结合
（6）php技术展示
（7）h5跨平台展示
特色：让同学从收集，分析，展示一个完整的流程。
项目四：网站日志收集清洗
技术点：
（1）hive数据分析通过日志文件获得的访问数据，点击数据，结合线上数据从库根据业务逻辑通过shell脚本，利用hive清洗后入mysql数据库，前端通过报表配置展示给各个业务部门及CTO、CEO。
（2）各个业务部门例如，市场，运营等临时数据查询支持。
（3）运用hive进行数据仓库搭建。为减轻集群压力，及增加研发人员查询数据效率，特别根据获取的数据进行整理，并且搭建宽表。方便维护及提高数据一致性，准确性。
（4）为提高用户粘性，挖掘潜在客户。根据用户前一天，前一周的用户行为，设计出，并提供数据，适合用户行为兴趣的推荐弹窗口等.
特色：将采集到的网站行为日志通过mr清洗后入hive数据库。
项目五：网站流量统计分析系统
技术点：
（1）利用Flume技术完成网站日志的收集和聚集，并把数据存储到HDFS和Kafka集群；
（2）利用hive技术对HDFS收集的日志进行PV,UV,VV和在线时长等离线分析，并利用Sqoop技术把hive分析的结果导入到Mysql中;
（3）利用storm和spark streaming技术对kafka收集的日志进行实时在线分析，将分析中间结果实时存入Hbase,并将最后结果导入Mysql。
特色：大数据分析目标网站页面浏览量或点击量，独立访客数，访问次数和平均在线时长等。
