最新一期就業學員薪資就業數據一覽表

為了避免就業信息給已就業的學員帶來不必要的麻煩,公布的就業信息會有部分信息暫時影藏

什么是大數據?

你所知道的大數據應用

百度搜索

百度圖片

淘寶雙11

京東智能推薦

百度外賣

淘寶智能推薦

王者榮耀

淘寶智能推薦

互聯網金融風控系統

荒野行動

英雄聯盟

今日頭條

餓了么

螞蟻花唄

新浪微博

移動應用

一步到位360度覆蓋所有技能點 保你學的全學的會

咨詢了解更多詳情

大數據全棧開發工程師 知識圖譜

課程

  • 機器學習

    大數據系統架構師

  • Storm實時分析

    Spark實時分要

  • Echarts

    Tableau

    Python可視化

  • 大數據企業級應用實戰課程

    大數據開發技術核心課程

  • 大數據Java企業課程

    大數據Java基礎課程

就業崗位|薪資

挑戰百萬年薪

  • 大數據系統架構師方向

    大數據架構師

    數據倉庫架構師

    微服務架構師

    系統架構師

    機器學習工程師方向

    機器學習工程師

    數據挖掘工程師

    推薦系統工程師

  • 大數據分析師

    ¥25000

    -

    ¥50000

  • 大數據可視化工程師

    ¥20000

    -

    ¥30000

  • 大數據工程師方向
    Hadoop運維工程師
    Spark開發工程師
    ETL工程師
    大數據分析師

    ¥8000

    -

    ¥25000

  • Java工程師方向
    Java開發工程師
    JavaEE開發工程師
    Java大數據工程師
    軟件工程師

    ¥5000

    -

    ¥8000

要求技能

    • Spark實時分析技術
    • Storm實時分析技術
    • PySpark框架
    • 推薦系統、用戶畫像(項目)
    • JAVA8
    • Linux
    • JVM性能調優
    Python可視化庫
    • JAVA8
    • Linux
    • JVM性能調優
    HadooplHase|HBase|MapReduce|
    Hive|HBase等生態圈技術
    • J2SE
    • 數據庫
    • WEB前端
    • B/S開發
    • Spring MVC
    • SSM框架

結果導向,你高薪資就業,容大的終級夢想

4大階段 13門課程 36+項目,實戰級課程
  • 階段一:大數據基礎篇

    • 01
    • Java 負基礎掃盲

      1、Java 負基礎掃盲之基礎語法;2、Java 負基礎掃盲之選擇結構;3、Java 負基礎掃盲之循環結;4、Java 負基礎掃盲之循環結構進階;5、Java 負基礎掃盲之數組

    • 02
    • Java OOP 編程基礎與實戰課程

      1、Java OOP 編程—類和對象、方法知識介紹;2、Java OOP 實戰項目-人機猜拳;3、Java OOP 實戰項目DVD管理系統;4、Java OOP 編程—繼承、封裝、多態;5、Java OOP 編程—多態、接口;6、Java OOP 實戰項目實戰-勁舞團

    • 03
    • Java核心編程全面解析

      1、Java 核心編程-異常、日期類、集合、泛型集合;2、Java 核心編程-Java IO流技術 & XML操作;3、Java 核心編程-多線程編程基礎;4、Java 核心編程-多線程高級編程;5、Java 核心編程-網絡編程

    • 04
    • MySQL數據庫開發技術

      1、MySQL數據庫—初始MySQL;2、MySQL數據庫—SQL進階;3、MySQL數據庫—多表查詢及存儲過程

    • 05
    • Java 編程進階實戰

      1、第一章 Java高級特性-反射、序列化;2、用Java實現即時聊天系統;3、Git版本控制系統、Maven項目管理構建工具;4、項目實戰:小型商品進銷存管理系統(一);5、項目實戰:小型商品進銷存管理系統(二)

  • 階段二:大數據開發篇

    • 01
    • 數據倉庫之數據清洗入門與實踐

      1、數據清洗概述 2、數據標準化 3、數據格式與編碼 4、基本技術方法 5、數據清洗常用工具 6、數據抽取 7、數據轉換與加載 8、實戰:收集并清洗來自網絡的數據 9、實戰:從電子郵件和論壇中抽取數

    • 02
    • 數據倉庫之ETL技術 : Kettle 零基礎入門到精通

      1、ETL 的概念,Kettle 的概念、功能、操作2、Kettle 資源庫、日志、運行方式3、輸入步驟(表輸入、文本文件輸入、XML 文件輸入...)4、輸出步驟(表輸出、更新、刪除、文本文件輸出、XML文件輸出…)5、轉換步驟(過濾、字符串處理、拆分字段、計算器…)6、轉換步驟(字段選擇、排序、增加校驗列、去除重復記錄…)7、應用步驟、流程步驟(處理文件、執行程序、發送郵件、空操作、阻塞步驟、中止等…)8、查詢步驟、連接步驟(數據庫查詢、流查詢、合并記錄、記錄集連接、笛卡爾…)9、腳本步驟(Javascript,Java Class、正則表達式...)10、作業項(拷貝、移動、ftp、sftp…)11、Kettle 的參數和變量

    • 03
    • 大數據存儲分析 HADOOP框架從入門到精通

      1、Hadoop介紹及偽分布式環境2、MapReduce編程及運行流程3、網站案例分析及Hadoop分布式集群環境4、MapReduceShuffle及Zookeeper框架5、HDFS HA及二次排序及MapReduce Join

    • 04
    • 大數據倉庫ETL分析 - HIVE技術詳解

      1、Hive 基本架構及環境部署2、Hive 常用DML、UDF及連接方式3、Sqoop Sqoop及用戶行為分析案例4、Hive 復雜用戶行為案例分析及優化5、Hive高級案例:電商推薦系統6、Hive高級案例:廣告點擊案例7、Hive高級案例:物流跟蹤案例

    • 05
    • 大數據NoSQL數據庫 - HBASE精講

      1、Hbase 基本使用及存儲設計;2、Hbase 企業應用及與MapReduce集成;3、案例Hbase的設計及企業優化

  • 階段三:大數據分析篇

    • 01
    • 可視化海量日志分析平臺ELK(Elasticsearch\Logstash\Kibana)

      1、ELK介紹及全文檢索引擎的應用;2、全文檢索引擎的基本原理應用與RDBMS對比;3、Lucene、Solr與ElasticSearch的優缺點與應用場景對比;4、ElasticSearch的介紹及其功能特點;5、Elasticsearch中的存儲結構及分片副本機制;6、Elasticsearch的安裝部署啟動測試;7、安裝部署Kibana開發ES;8、ES快速入門案例;9、ElasticSearch Java API;10、ElasticSearch基礎分布式集群介紹;11、Logstash的架構及運行流程;12、Logstash的數據采集案例;13、Kibana的介紹部署及功能模塊講解;14、ELK企業常見四種架構及應用;15、ELK綜合案例

    • 02
    • Spark Streaming 實時分析

      1、大數據處理的類型、流式計算的框架及Streaming內容概要;2、SparkStreaming是什么、使用案例及數據處理流程;3、官方Example案例:詞頻統計運行詳解;4、SparkStreaming編程實現從Socket讀取數據實時統計分析;5、深入SparkStreaming運行的工作原理;6、深度剖析batch interval和block interval及性能優化;7、編程模型:從源碼深入剖析DStream(StreamingContext、DStream操作);8、深入詳解DStream#foreachRDD使用;9、Apache Kafka介紹及架構詳解;10、Apache Kafka安裝、部署、啟動;11、創建Topic、發送和消費數據及深入理解KAFKA數據的存儲;12、剖析分享Kafka企業技術架構及使用(結合Kafka Meetup分享);13、SparkStreaming與Flume和Kafka兩種集成方式詳解;14、采用Pull方式與Kafka集成進行數據分析處理;15、狀態Stateful實時統計updataStateByKey使用;16、SparkStreaming實時分析應用的高可用性;17、實時窗口Window統計詳解(reduceByKeyAndWindow使用)

    • 03
    • 大數據實時分析項目:基于SparkStreaming+Kafka仿某寶實時訂單銷售額統計

      1、實時電商訂單統計分析項目:編寫Scala代碼模擬KafkaProducer產生訂單數據(一);2、實時電商訂單統計分析項目:編寫Scala代碼模擬KafkaProducer產生訂單數據(二);3、實時電商訂單統計分析項目:模擬產生Json格式訂單數據批量發送到KafkaTopic(一);4、實時電商訂單統計分析項目:模擬產生Json格式訂單數據批量發送到KafkaTopic(二);5、實時電商訂單統計分析項目:基于SCALA的貸出模式編寫SparkStreaming編程模塊(一);6、實時電商訂單統計分析項目:基于SCALA的貸出模式編寫SparkStreaming編程模塊(二);7、實時電商訂單統計分析項目:從Kafka的訂單Topic讀取及編程實現【實時累加統計各省份銷售營業額】;8、實時電商訂單統計分析項目:優化實時程序設置參數(處理條目數、序列化及JVM GC策略);9、實時電商訂單統計分析項目:集成SparkSQL分析基于窗口Window的每十秒的各個省份的訂單量(一);10、實時電商訂單統計分析項目:集成SparkSQL分析基于窗口Window的每十秒的各個省份的訂單量(二);11、實時電商訂單統計分析項目:高級特性優化之建議使用DStream基于RDD進行操作

    • 04
    • 大數據分析首選語言:Python從入門到核心

      1、Python簡介、安裝及IDLE工具;2、Python語法入門;3、Python控制流及自定義函數;4、Python數據分析常用技巧;5、Python中的數據持久化-CVS、Excel篇;6、關系型數據庫之MySQL必知必會;7、Python中的數據持久化-MySQL篇;8、分布式數據庫之MongoDB必知必會;9、Python中的數據持久化-MongoDB篇

    • 05
    • 大數據分析之數據收集:Python 爬蟲

      1、爬蟲基礎篇;2、爬蟲數據提取篇 ;3、動態數據爬取及scrapy入門篇 ;4、動態數據爬取及scrapy實戰篇

  • 階段四:大數據可視化篇

    • 01
    • 大數據可視化之前端可視化篇:Html+CSS 必知必會

      1、HTML 2、 CSS

    • 02
    • 大數據可視化之前端可視化篇:JavaScript+Jquery必知必會

      1、Web 前端開發之初識JS;2、Web 前端開發之JS高級課程;3、Web 前端開發之Jquery零基礎入門

    • 03
    • 大數據可視化之前端可視化篇:Echarts 可視化編程

      1、可視化技術概述與Echarts入門;2、大數據可視化技術Echarts圖表詳解;3、Echarts高級與綜合案例實戰

    • 04
    • 大數據可視化之工具可視化篇:Tableau快速上手

      1、Tableau快速上手;2、Tableau初級篇_數據源深入與工作表;3、Tableau初級之函數與計算;4、Tableau高級實戰篇

    • 05
    • 大數據可視化之編程可視化篇:Python可視化技術 - Matplotlib

      1、Matplotlib 入門篇;2、Matplotlib 快速進階篇;3、Matplotlib 綜合演練篇;4、Matplotlib 高級篇;5、Pandas+Matplotlib簡化數據可視化;6、Matplotlib 番外篇:PyEcharts

  • 階段五:大數據+人工智能篇

    • 01
    • Python 數據分析庫:Pandas

      1、Pandas 前導課;2、Pandas 新手入門篇;3、Pandas 快速進階篇;4、Pandas 高級篇;5、課程總結

    • 02
    • 機器學習基礎:數理統計必知必會

      1、均值\中位數\眾數;2、方差\標準差;3、概率的基本概念;4、數據理解和探索;5、認識數據;6、描述性統計分析;7、分類變量的分析方法;8、連續變量的分析方法;9、相關性分析

    • 03
    • 機器學習入門

      1、機器學習掃盲;2、數據挖掘和機器學習概述;3、快速理解數據挖掘和機器學習;4、數據挖掘的六大任務;5、數據挖掘方法論(CRISP-DM);6、預測模型的構建和應用流程;7、機器學習算法及分類.;8、數據挖掘與數據倉庫和OLAP;9、數據挖掘和機器學習應用案例;10、如何成為一名優秀的數據科學家

    • 04
    • 機器學習:數據預備、清洗與特征工程

      1、什么是特征工程(概述、特征構造、用戶行為特征提取);2、特征處理01 - 衍生變量\變量標準化\變量二值化;3、特征處理02 - 數據分箱\啞變量\獨熱編碼;4、特征處理03 - 數據變換\缺失值處理組合特征;5、特征選擇01 - 單特征的預測能力;6、特征選擇02 - Wrapper;7、特征選擇03 - Embedded;8、降維-主成分分析(PCA);9、降維-線性判別分析法(LDA)

    • 05
    • 基于Sk-learn實現的機器學習十大經典預測模型

      1、決策樹算法原理與適用場景和代碼實現;2、隨機森林算法原理與適用場景和代碼實現;3、邏輯回歸算法原理與適用場景和代碼實現;4、SVM算法原理與適用場景和代碼實現;5、樸素貝葉斯算法原理與適用場景和代碼實現;6、K最近鄰算法原理與適用場景和代碼實現;7、K均值算法原理與適用場景和代碼實現;8、Adaboost 算法原理與適用場景和代碼實現;9、神經網絡算法原理與適用場景和代碼實現;10、馬爾可夫算法原理與適用場景和代碼實現

  • 階段六:Java企業級應用開發技術(擴展篇)

    • 01
    • Java Web開發從基礎到實戰

      1、Java Web開發基礎詳解;2、Java Web開發進階課程;3、Java Web開發之Servlet及實戰項目

    • 02
    • Java企業級網站應用開發技術:精通Spring+Spring MVC+MyBatis 框架

      1、課程介紹;2、初始Mybatis;3、SQL映射文件;4、動態SQL;5、Spring核心概念;6、IOC和AOP擴展;7、Spring與MyBatis整合;8、Spring配置補充;9、SpringMVC體系結構和處理請求控制器;10、SpringMVC改造超市訂單系統;11、SpringMVC框架擴展和SSM框架整合;12、Maven

    • 03
    • 項目實戰:基于SSM框架+Maven實現的大型電商實戰項目

      1、SSM整合和整合Dao層;2、實現商品分類;3、完善商品分類;4、登錄和注銷;5、用戶注冊;6、新聞資訊;7、商品詳情;8、購物車;9、商品管理;10、訂單管理;11、Spring與Memcached整合;12、商品收藏;13、項目部署;14、項目完善和重新部署

    • 04
    • Spring Cloud 框架全面解析

      1、微服務架構背景及SpringCloud簡介;2、Eureka服務注冊與發現;3、Ribbon負載均衡;4、 Feign接口轉換;5、Hystrix熔斷機制;6、Zuul路由訪問;7、SpringCloud Config基礎配置

    • 05
    • Spring Boot 快速上手

      1、SpringBoot概述及課程概要說明;2、開發環境搭建;3、快速搭建SpringBoot項目;4、SpringBoot中常見注解的講解;5、SpringBoot的事件監聽;6、SpringBoot傳參方式;7、SpringBoot集成JSP;8、SpringBoot攔截器;9、SpringBoot集成Freemarker;10、SpringBoot與HibernateValidation集成[服務端參數驗證];11、SpringBoot配置信息裝配;12、SpringBoot集成JDBC;13、SpringBoot集成Mybatis;14、SpringBoot日志[集成logback和log4j];15、SpringBoot AOP;16、SpringBoot集成logback擴展;17、SpringBoot事務管理;18、SpringBoot分布式事務;19、項目環境配置區分及端口號自定義;20、項目打包部署運行

  • 階段七:大數據系統架構師方向(擴展篇)

    • 01
    • 向大數據架構師轉型

      1、課程概述、架構設計概念、架構師角色以及與大數據相關內容;2、架構師各種視圖、視角;3、轉型的模型和方法

    • 02
    • 大數據架構的基本理論體系:軟件架構體系結構

      1、面向對象設計、組件設計原則;2、各種原則的應用;3、系統結構、數據流、事件、分布式等代表性架構風格;4、微內核、資源管理、服務定位等代表性架構模式;5、代表性設計模式及應用;6、架構視圖與領域模型

    • 03
    • 大數據通信基礎:RPC架構

      1、RPC架構的核心組件和交互方式;2、傳輸協議與各種IO模型對比,Reactor模式;3、序列化的各種機制,Hadoop中序列化技術的應用;4、服務發布和引用的流程,注冊中心、工作流程、動態代理等;5、Dubbo、Thrift等框架;6、Dubbo核心源碼分析;7、Hadoop、Yarn、Storm中的RPC

    • 04
    • 大數據分布式處理基礎:分布式架構

      1、SOA、REST、微服務;2、CAP理論和BASE思想等;3、隔離、限流、降級等容錯機制;Hystrix框架;Hadoop中的容錯性;4、HA架構;Hadoop HA、Yarn HA、HDFS HA;5、伸縮性與擴展性設計理念及實現方式;6、可靠事件模式、補償模式、TCC模式;7、集群與負載均衡的概念及應用、Nginx架構介紹;8、線程、同步、原子訪問、分布式鎖;9、Zookeeper及其在Hadoop、Kafka等中的應用;10、Hadoop各種調度器Fair、Capacity等

    • 05
    • 分布式架構的衍生與發展:微服務架構

      1、領域驅動設計;2、微服務架構的基本特征、優勢、挑戰和實施方法;3、服務分類、表示模型、邊界與數據;4、服務拆分的維度、策略以及各種集成方式;5、API網關、配置中心等;6、Spring Boot和Spring Cloud;7、微服務部署、監控和測試;8、遺留系統改造以及技術、組織轉型方法

  • 附:大數據全棧開發.電子教材

    • 01
    • 教材(6本)

      教材01 - 白話阿里巴巴開發手冊(135頁);教材02 - 小白的java手札(240頁);教材03 - 大數據存儲與離線分析框架Hadoop(102頁);教材04 - 基于HIVE的大數據處理與分析技術(90頁);教材05 - Spark核心編程(214頁);教材06 - 基于Spark、Storm、Spark Mlib的實時大數據分析系統(198頁)

    • 02
    • 項目手冊(5冊)

      01.Hadoop-MapReduce實訓手冊(52頁);02.實戰政府辦公海量數據抓取與輿情分析系統(82頁);03.京東商品大數據采集與情感分析系統(103頁);04.基于決策樹DesicionTree算法預測森林植被(12頁);05.基于邏輯回歸分析大型企業營銷數據(20頁)

    • 03
    • 小抄書及閃卡(7套)

      01.概率小抄書(134頁);02.統計學小抄書(41頁);03.微積分小抄書(70頁);04.線性代數小抄書(29頁);05.python新手小抄秘籍(171頁);06.機器學習閃卡(上)(152頁);07.機器學習閃卡(下)(152頁)

查看課程詳細大綱 下載詳細課程大綱

實戰項目

不學也給你源代碼,點擊下載即可

下載實戰項目及源代碼
老師我能學會嗎?

零基礎輕松學 你也可以

給予你知識 開拓你視野 拓寬你人脈
在這里我們全給你

入學即可 免費加入

小班授課,保證品質

名額有限,預約優先占座

賬號登錄
手機號快捷登錄
還沒有賬號, 現在 注冊
資料下載

大數據 spark 優秀資源源碼 .rar

Copyright © 2008-2018 上海容大教育培訓有限公司 備案號:滬ICP備12015846號-1

地址:上海市普陀區中山北路3553號 伸大廈401

广西快三是骗人的吗