大數(shù)據(jù)、云計(jì)算系統(tǒng)架構(gòu)師課程學(xué)習(xí)路線圖

大數(shù)據(jù)之Linux+大數(shù)據(jù)開發(fā)篇

Java Java10新特性 Linux基礎(chǔ) Shell編程 Hadoop2.x HDFS YARN MapReduceETL數(shù)據(jù)清洗 Hive Sqoop Flume/Oozie 大數(shù)據(jù)WEB工具Hue HBase Storm ScalaKafka Spark Spark 2.x 新特性 Spark核心源碼剖析 CM 5.3.x管理 CDH 5.3.x集群

項(xiàng)目部分

項(xiàng)目一:華軟國(guó)際網(wǎng)用戶行為分析 項(xiàng)目二:驢媽媽離線電商平臺(tái)分析平臺(tái) 項(xiàng)目三:基于大數(shù)據(jù)技術(shù)推薦系統(tǒng)項(xiàng)目四:基于Strom流式計(jì)算天貓雙十一作戰(zhàn)室項(xiàng)目實(shí)戰(zhàn) 項(xiàng)目五:【項(xiàng)目直播】醫(yī)療保險(xiǎn)大數(shù)據(jù)分析與統(tǒng)計(jì)推斷項(xiàng)目實(shí)戰(zhàn)（Hadoop篇）項(xiàng)目六:大數(shù)據(jù)高并發(fā)系統(tǒng)架構(gòu)實(shí)戰(zhàn)方案 項(xiàng)目七:大數(shù)據(jù)高并發(fā)服務(wù)器實(shí)戰(zhàn)教程 項(xiàng)目八:基于人工智能的項(xiàng)目實(shí)戰(zhàn)

大數(shù)據(jù)之可視化篇

Echarts從入門到上手實(shí)戰(zhàn) D3.js從入門到上手實(shí)戰(zhàn) Vue.js快速上手 虛擬可視化 Tableau商業(yè)智能與可視化應(yīng)用實(shí)戰(zhàn)

大數(shù)據(jù)之Java企業(yè)級(jí)核心技術(shù)篇

Java性能調(diào)優(yōu) Tomcat、Apache集群 WebLogic企業(yè)級(jí)技術(shù)

大數(shù)據(jù)之PB級(jí)別網(wǎng)站性能優(yōu)化篇

CDN鏡像技術(shù) 虛擬化云計(jì)算 共享存儲(chǔ) 海量數(shù)據(jù) 隊(duì)列緩存 Memcached+Redis\No-SqlLVS負(fù)載均 Nginx

項(xiàng)目部分

PB級(jí)通用電商網(wǎng)站性能優(yōu)化解決方案

大數(shù)據(jù)之?dāng)?shù)據(jù)挖掘\分析&機(jī)器學(xué)習(xí)篇

項(xiàng)目部分

項(xiàng)目一:地震預(yù)警分析系統(tǒng) 項(xiàng)目二:文本挖掘（Mathout\中文分詞) 項(xiàng)目三:電商購物車功能實(shí)現(xiàn)（R語言）項(xiàng)目四:使用Python構(gòu)建期權(quán)分析系統(tǒng) 項(xiàng)目五:SPSS Modeler數(shù)據(jù)挖掘項(xiàng)目實(shí)戰(zhàn)項(xiàng)目六:Lucene4.X實(shí)戰(zhàn)類baidu搜索的大型文檔海量搜索系統(tǒng) 項(xiàng)目七:AI大數(shù)據(jù)互聯(lián)網(wǎng)電影智能推薦（季）項(xiàng)目八:電商大數(shù)據(jù)情感分析與AI推斷實(shí)戰(zhàn)項(xiàng)目（季） 項(xiàng)目九:AI法律大數(shù)據(jù)分析與服務(wù)智能推薦實(shí)戰(zhàn)項(xiàng)目（季）項(xiàng)目十:AI大數(shù)據(jù)基站定位智能推薦商圈分析項(xiàng)目實(shí)戰(zhàn)（季）

大數(shù)據(jù)之運(yùn)維、云計(jì)算平臺(tái)篇

云計(jì)算 Docker 從零基礎(chǔ)到專家實(shí)戰(zhàn)教程 云計(jì)算Docker全面項(xiàng)目實(shí)戰(zhàn)

項(xiàng)目部分

項(xiàng)目部分:Maven+Jenkins、日志管理ELK、WordPress博客

阿里云認(rèn)證

云計(jì)算課程 大數(shù)據(jù)課程 云安全課程

職業(yè)素養(yǎng)

團(tuán)隊(duì)協(xié)作 心態(tài)管理 目標(biāo)管理 時(shí)間管理 學(xué)習(xí)管理 溝通能力 求職目標(biāo) 項(xiàng)目管理

課程體系

大數(shù)據(jù)、云計(jì)算系統(tǒng)架構(gòu)師課程

階段一、大數(shù)據(jù)、云計(jì)算 - Hadoop大數(shù)據(jù)開發(fā)技術(shù)

課程一、大數(shù)據(jù)運(yùn)維之Linux基礎(chǔ)

本部分是基礎(chǔ)課程，幫大家進(jìn)入大數(shù)據(jù)領(lǐng)域打好Linux基礎(chǔ)，以便更好地學(xué)習(xí)Hadoop，hbase,NoSQL，Spark，Storm，docker,openstack等眾多課程。因?yàn)槠髽I(yè)中的項(xiàng)目基本上都是使用Linux環(huán)境下搭建或部署的。

1）Linux系統(tǒng)概述

2）系統(tǒng)安裝及相關(guān)配置 

3）Linux網(wǎng)絡(luò)基礎(chǔ) 

4）OpenSSH實(shí)現(xiàn)網(wǎng)絡(luò)安全連接 

5）vi文本編輯器

6）用戶和用戶組管理

7）磁盤管理 

8）Linux文件和目錄管理 

9）Linux終端常用命令 

10）linux系統(tǒng)監(jiān)測(cè)與維護(hù)

課程二、大數(shù)據(jù)開發(fā)核心技術(shù) - Hadoop 2.x從入門到精通

本課程是整套大數(shù)據(jù)課程的基石：其一，分布式文件系統(tǒng)HDFS用于存儲(chǔ)海量數(shù)據(jù)，無論是Hive、HBase或者Spark數(shù)據(jù)存儲(chǔ)在其上面；其二是分布式資源管理框架

YARN，是Hadoop 云操作系統(tǒng)（也稱數(shù)據(jù)系統(tǒng)），管理集群資源和分布式數(shù)據(jù)處理框架MapReduce、Spark應(yīng)用的資源調(diào)度與監(jiān)控；分布式并行計(jì)算框架

MapReduce目前是海量數(shù)據(jù)并行處理的一個(gè)常用的框架。Hadoop 2.x的編譯、環(huán)境搭建、HDFS Shell使用，YARN 集群資源管理與任務(wù)監(jiān)控，MapReduce編 程，分布式集群的部署管理（包括高可用性HA）必須要掌握的。

一、初識(shí)Hadoop 2.x

1）大數(shù)據(jù)應(yīng)用發(fā)展、前景

2）Hadoop 2.x概述及生態(tài)系統(tǒng)

3）Hadoop 2.x環(huán)境搭建與測(cè)試

二、深入Hadoop 2.x

1）HDFS文件系統(tǒng)的架構(gòu)、功能、設(shè)計(jì)

2）HDFS Java API使用

3）YARN 架構(gòu)、集群管理、應(yīng)用監(jiān)控

4）MapReduce編程模型、Shuffle過程、編程調(diào)優(yōu)

三、高級(jí)Hadoop 2.x

1）分布式部署Hadoop 2.x

2）分布式協(xié)作服務(wù)框架Zookeeper 

3）HDFS HA架構(gòu)、配置、測(cè)試

4）HDFS 2.x中高級(jí)特性

5）YARN HA架構(gòu)、配置

6）Hadoop 主要發(fā)行版本（CDH、HDP、Apache

四、實(shí)戰(zhàn)應(yīng)用

1）以【華軟國(guó)際網(wǎng)用戶瀏覽日志】數(shù)據(jù)進(jìn)行實(shí)際的分析

2）原數(shù)據(jù)采集

3）數(shù)據(jù)的預(yù)處理（ETL

4）數(shù)據(jù)的分析處理（MapReduce）

課程三、大數(shù)據(jù)開發(fā)核心技術(shù) - 大數(shù)據(jù)倉庫Hive精講

hive是基于Hadoop的一個(gè)數(shù)據(jù)倉庫工具，可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫表，并提供簡(jiǎn)單的sql查詢功能，可以將sql語句轉(zhuǎn)換為MapReduce任務(wù)進(jìn)行 運(yùn)行。其優(yōu)點(diǎn)是學(xué)習(xí)成本低，可以通類SQL語句快速實(shí)現(xiàn)簡(jiǎn)單的MapReduce統(tǒng)計(jì)，不必開發(fā)專門的MapReduce應(yīng)用，十分適合數(shù)據(jù)倉庫的統(tǒng)計(jì)分析。

一、Hive 初識(shí)入門

1）Hive功能、體系結(jié)構(gòu)、使用場(chǎng)景

2）Hive環(huán)境搭建、初級(jí)使用 

3）Hive原數(shù)據(jù)配置、常見交互方式

二、Hive深入使用

1）Hive中的內(nèi)部表、外部表、分區(qū)表

2）Hive 數(shù)據(jù)遷移

3）Hive常見查詢（select、where、distinct、join、group by）

4）Hive 內(nèi)置函數(shù)和UDF編程

三、Hive高級(jí)進(jìn)階

1）Hive數(shù)據(jù)的存儲(chǔ)和壓縮

2）Hive常見優(yōu)化（數(shù)據(jù)傾斜、壓縮等）

四、結(jié)合【華軟國(guó)際網(wǎng)用戶瀏覽日志】實(shí)際案例分析

1）依據(jù)業(yè)務(wù)設(shè)計(jì)表

2）數(shù)據(jù)清洗、導(dǎo)入（ETL）

3）使用HiveQL，統(tǒng)計(jì)常見的網(wǎng)站指標(biāo)

課程四、大數(shù)據(jù)協(xié)作框架 - Sqoop/Flume/Oozie精講

Sqoop是一款開源的工具，主要用于在Hadoop(Hive)與傳統(tǒng)的數(shù)據(jù)庫(mysql、postgresql...)間進(jìn)行數(shù)據(jù)的傳遞，可以將一個(gè)關(guān)系型數(shù)據(jù)庫（例如 ： MySQL ,Oracle ,Postgres等）中的數(shù)據(jù)導(dǎo)進(jìn)到關(guān)系型數(shù)據(jù)庫中。Sqoop項(xiàng)目開始于2009年，早是作為Hadoop的一個(gè)第三方模塊存在，后來為了讓使用者能夠快速部署，也為了讓開發(fā)人員能夠更快速的迭代開發(fā)，Sqoop獨(dú)立成為一個(gè)Apache項(xiàng)目。

一、數(shù)據(jù)轉(zhuǎn)換工具Sqoop

1）Sqoop功能、使用原則

2）將RDBMS數(shù)據(jù)導(dǎo)入Hive表中（全量、增量） 

3）將HDFS上文件導(dǎo)出到RDBMS表中

二、文件收集框架Flume

1）Flume 設(shè)計(jì)架構(gòu)、原理（三大組件）

2）Flume初步使用，實(shí)時(shí)采集數(shù)據(jù) 

3）如何使用Flume監(jiān)控文件夾數(shù)據(jù)，實(shí)時(shí)采集錄入HDFS中

4）任務(wù)調(diào)度框架Oozie

三、Oozie功能、安裝部署

1）使用Oozie調(diào)度MapReduce Job和HiveQL

2）定時(shí)調(diào)度任務(wù)使用

課程五、大數(shù)據(jù)Web開發(fā)框架 - 大數(shù)據(jù)WEB 工具Hue精講

Hue是一個(gè)開源的Apache Hadoop UI系統(tǒng)，早是由Cloudera Desktop演化而來，由Cloudera貢獻(xiàn)給開源社區(qū)，它是基于Python Web框架Django實(shí)現(xiàn)的。通過使用Hue我們可以在瀏覽器端的Web控制臺(tái)上與Hadoop集群進(jìn)行交互來分析處理數(shù)據(jù)，例如操作HDFS上的數(shù)據(jù)，運(yùn)行MapReduce Job等等

1）Hue架構(gòu)、功能、編譯

2）Hue集成HDFS 

3）Hue集成MapReduce

4）Hue集成Hive、DataBase

5）Hue集成Oozie

課程六、大數(shù)據(jù)核心開發(fā)技術(shù) - 分布式數(shù)據(jù)庫HBase從入門到精通

HBase是一個(gè)分布式的、面向列的開源數(shù)據(jù)庫，該技術(shù)來源于 Fay Chang 所撰寫的Google論文“Bigtable：一個(gè)結(jié)構(gòu)化數(shù)據(jù)的分布式存儲(chǔ)系統(tǒng)”。HBase在Hadoop之上提供了類似于Bigtable的能力，是一個(gè)高可靠性、高性能、面向列、可伸縮的分布式存儲(chǔ)系統(tǒng)，利用HBase技術(shù)可在廉價(jià)PC Server上搭建起大 規(guī)模結(jié)構(gòu)化存儲(chǔ)集群

一、HBase初窺使用

1）HBase是什么、發(fā)展、與RDBMS相比優(yōu)勢(shì)、企業(yè)使用

2）HBase Schema、表的設(shè)計(jì)

3）HBase 環(huán)境搭建、shell初步使用（CRUD等）

二、HBase 深入使用

1）HBase 數(shù)據(jù)存儲(chǔ)模型

2）HBase Java API使用（CRUD、SCAN等）

3）HBase 架構(gòu)深入剖析

4）HBase 與MapReduce集成、數(shù)據(jù)導(dǎo)入導(dǎo)出

三、HBase 高級(jí)使用

1）如何設(shè)計(jì)表、表的預(yù)分區(qū)（依據(jù)具體業(yè)務(wù)分析講解）

2）HBase 表的常見屬性設(shè)置（結(jié)合企業(yè)實(shí)際）

3）HBase Admin操作（Java API、常見命令）

四、【華軟國(guó)際網(wǎng)用戶瀏覽日志】進(jìn)行分析

1）依據(jù)需求設(shè)計(jì)表、創(chuàng)建表、預(yù)分區(qū)

2）進(jìn)行業(yè)務(wù)查詢分析 

3）對(duì)于密集型讀和密集型寫進(jìn)行HBase參數(shù)調(diào)優(yōu)

課程七、大數(shù)據(jù)核心開發(fā)技術(shù) - Storm實(shí)時(shí)數(shù)據(jù)處理（選修）

Storm是Twitter開源的分布式實(shí)時(shí)大數(shù)據(jù)處理框架，被業(yè)界稱為實(shí)時(shí)版Hadoop。 隨著越來越多的場(chǎng)景對(duì)Hadoop的MapReduce高延遲無法容忍，比如網(wǎng)站統(tǒng)計(jì)、推薦系統(tǒng)、預(yù)警系統(tǒng)、金融系統(tǒng)(高頻交易、股票)等等， 大數(shù)據(jù)實(shí)時(shí)處理解決方案（流計(jì)算）的應(yīng)用日趨廣泛，目前已是分布式技術(shù)領(lǐng)域新爆發(fā)點(diǎn)，而Storm更是流計(jì)算技術(shù)中的佼佼者和主流。 按照storm作者的說法，Storm對(duì)于實(shí)時(shí)計(jì)算的意義類似于Hadoop對(duì)于批處理的意義。Hadoop提供了map、reduce原語，使我們的批處理程序變得簡(jiǎn)單和高效。 同樣，Storm也為實(shí)時(shí)計(jì)算提供了一些簡(jiǎn)單高效的原語，而且Storm的Trident是基于Storm原語更高級(jí)的抽象框架，類似于基于Hadoop的Pig框架， 讓開發(fā)更加便利和高效。本課程會(huì)深入、全面的講解Storm，并穿插企業(yè)場(chǎng)景實(shí)戰(zhàn)講述Storm的運(yùn)用。 淘寶雙11的大屏幕實(shí)時(shí)監(jiān)控效果沖擊了整個(gè)IT界，業(yè)界為之驚嘆的同時(shí)更是引起對(duì)該技術(shù)的探索。 學(xué)完本課程你可以自己開發(fā)升級(jí)版的“淘寶雙11”，還等什么？

1）Storm簡(jiǎn)介和課程介紹

2）Storm原理和概念詳解 

3）Zookeeper集群搭建及基本使用 

4）Storm集群搭建及測(cè)試 

5）API簡(jiǎn)介和入門案例開發(fā) 

6）Spout的Tail特性、storm-starter及maven使用、Grouping策略 

7）實(shí)例講解Grouping策略及并發(fā) 

8）并發(fā)度詳解、案例開發(fā)（高并發(fā)運(yùn)用）

9）案例開發(fā)——計(jì)算網(wǎng)站PV，通過2種方式實(shí)現(xiàn)匯總型計(jì)算。 

10）案例優(yōu)化引入Zookeeper鎖控制線程操作 

11）計(jì)算網(wǎng)站UV(去重計(jì)算模式) 

12）【運(yùn)維】集群統(tǒng)一啟動(dòng)和停止shell腳本開發(fā) 

13）Storm事務(wù)工作原理深入講解

14）Storm事務(wù)API及案例分析

15）Storm事務(wù)案例實(shí)戰(zhàn)之 ITransactionalSpout 

16）Storm事務(wù)案例升級(jí)之按天計(jì)算 

17）Storm分區(qū)事務(wù)案例實(shí)戰(zhàn) 

18）Storm不透明分區(qū)事務(wù)案例實(shí)戰(zhàn)

19）DRPC精解和案例分析 

20）Storm Trident 入門

21）Trident API和概念

22）Storm Trident實(shí)戰(zhàn)之計(jì)算網(wǎng)站PV

23）ITridentSpout、FirstN(取Top N)實(shí)現(xiàn)、流合并和Join

24）Storm Trident之函數(shù)、流聚合及核心概念State

25）Storm Trident綜合實(shí)戰(zhàn)一（基于HBase的State）

26）Storm Trident綜合實(shí)戰(zhàn)二

27）Storm Trident綜合實(shí)戰(zhàn)三

28）Storm集群和作業(yè)監(jiān)控告警開發(fā)

課程八、Spark技術(shù)實(shí)戰(zhàn)之基礎(chǔ)篇 -Scala語言從入門到精通

為什么要學(xué)習(xí)Scala？源于Spark的流行，Spark是當(dāng)前流行的開源大數(shù)據(jù)內(nèi)存計(jì)算框架，采用Scala語言實(shí)現(xiàn)，各大公司都在使用Spark：IBM宣布承諾大力推進(jìn)Apache Spark項(xiàng)目，并稱該項(xiàng)目為：在以數(shù)據(jù)為主導(dǎo)的，未來十年為重要的新的開源項(xiàng)目。這一承諾的核心是將Spark嵌入IBM業(yè)內(nèi)的分析和商務(wù)平臺(tái)，Scala具有數(shù)據(jù)處理的天然優(yōu)勢(shì)，Scala是未來大數(shù)據(jù)處理的主流語言

1)-Spark的前世今生

2)-課程介紹、特色與價(jià)值 

3)-Scala編程詳解：基礎(chǔ)語法 

4)-Scala編程詳解：條件控制與循環(huán) 

5)-Scala編程詳解：函數(shù)入門 

6)-Scala編程詳解：函數(shù)入門之默認(rèn)參數(shù)和帶名參數(shù) 

7)-Scala編程詳解：函數(shù)入門之變長(zhǎng)參數(shù) 

8)-Scala編程詳解：函數(shù)入門之過程、lazy值和異常 

9)-Scala編程詳解：數(shù)組操作之Array、ArrayBuffer以及遍歷數(shù)組 

10)-Scala編程詳解：數(shù)組操作之?dāng)?shù)組轉(zhuǎn)換

11)-Scala編程詳解：Map與Tuple

12)-Scala編程詳解：面向?qū)ο缶幊讨?nbsp;

13)-Scala編程詳解：面向?qū)ο缶幊讨畬?duì)象 

14)-Scala編程詳解：面向?qū)ο缶幊讨^承 

15)-Scala編程詳解：面向?qū)ο缶幊讨甌rait 

16)-Scala編程詳解：函數(shù)式編程 

17)-Scala編程詳解：函數(shù)式編程之集合操作

18)-Scala編程詳解：模式匹配 

19)-Scala編程詳解：類型參數(shù)

20)-Scala編程詳解：隱式轉(zhuǎn)換與隱式參數(shù) 

21)-Scala編程詳解：Actor入門

課程九、大數(shù)據(jù)核心開發(fā)技術(shù) - 內(nèi)存計(jì)算框架Spark精講

Spark是UC Berkeley AMP lab所開源的類Hadoop MapReduce的通用并行框架，Spark，擁有Hadoop MapReduce所具有的優(yōu)點(diǎn)。啟用了內(nèi)存分布數(shù)據(jù)集，除了能夠提供交互式查詢外，它還可以優(yōu)化迭代工作負(fù)載。Spark Streaming: 構(gòu)建在Spark上處理Stream數(shù)據(jù)的框架，基本的原理是將Stream數(shù)據(jù)分成小的時(shí)間片斷（幾秒），以類似batch批量處理的方式來處理這小部分?jǐn)?shù)據(jù)

1）Spark 初識(shí)入門

2）Spark 概述、生態(tài)系統(tǒng)、與MapReduce比較

3）Spark 編譯、安裝部署（Standalone Mode）及測(cè)試

4）Spark應(yīng)用提交工具（spark-submit，spark-shell） 

5）Scala基本知識(shí)講解（變量，類，高階函數(shù)）

6）Spark 核心RDD

7）RDD特性、常見操作、緩存策略

8）RDD Dependency、Stage常、源碼分析

9）Spark 核心組件概述

10）案例分析

11）Spark 高階應(yīng)用

12）Spark on YARN運(yùn)行原理、運(yùn)行模式及測(cè)試

13）Spark HistoryServer歷史應(yīng)用監(jiān)控

14）Spark Streaming流式計(jì)算

15）Spark Streaming 原理、DStream設(shè)計(jì)

16）Spark Streaming 常見input、out

17）Spark Streaming 與Kafka集成

18）使用Spark對(duì)【華軟國(guó)際網(wǎng)用戶瀏覽日志】進(jìn)行分析

課程十、大數(shù)據(jù)核心開發(fā)技術(shù) - Spark深入剖析

本課程主要講解目前大數(shù)據(jù)領(lǐng)域熱門、火爆、有前景的技術(shù)——Spark。在本課程中，會(huì)從淺入深，基于大量案例實(shí)戰(zhàn)，深度剖析和講解Spark，并且會(huì)包含完全從企業(yè)真實(shí)復(fù)雜業(yè)務(wù)需求中抽取出的案例實(shí)戰(zhàn)。課程會(huì)涵蓋Scala編程詳解、Spark核心編程.

1）Scala編程、Hadoop與Spark集群搭建、Spark核心編程、Spark內(nèi)核源碼深度剖析、Spark性能調(diào)優(yōu)

2）Spark源碼剖析 

課程十一、企業(yè)大數(shù)據(jù)平臺(tái)高級(jí)應(yīng)用

本階段主要就之前所學(xué)內(nèi)容完成大數(shù)據(jù)相關(guān)企業(yè)場(chǎng)景與解決方案的剖析應(yīng)用及結(jié)合一個(gè)電子商務(wù)平臺(tái)進(jìn)行實(shí)戰(zhàn)分析，主要包括有： 企業(yè)大數(shù)據(jù)平臺(tái)概述、搭建企業(yè)大數(shù)據(jù)平臺(tái)、真實(shí)服務(wù)器手把手環(huán)境部署、使用CM 5.3.x管理CDH 5.3.x集群

1）企業(yè)大數(shù)據(jù)平臺(tái)概述

2）大數(shù)據(jù)平臺(tái)基本組件

3）Hadoop 發(fā)行版本、比較、選擇

4）集群環(huán)境的準(zhǔn)備（系統(tǒng)、基本配置、規(guī)劃等）

5）搭建企業(yè)大數(shù)據(jù)平臺(tái) 

6）以實(shí)際企業(yè)項(xiàng)目需求為依據(jù)，搭建平臺(tái) 

7）需求分析（主要業(yè)務(wù)） 

8）框架選擇（Hive\HBase\Spark等）

9）真實(shí)服務(wù)器手把手環(huán)境部署

10）安裝Cloudera Manager 5.3.x

11）使用CM 5.3.x安裝CDH 5.3.x

12）如何使用CM 5.3.x管理CDH 5.3.x集群

13）基本配置，優(yōu)化 

14）基本性能測(cè)試

15）各個(gè)組件如何使用

課程十二、項(xiàng)目實(shí)戰(zhàn)：驢媽媽旅游網(wǎng)大型離線數(shù)據(jù)電商分析平臺(tái)

離線數(shù)據(jù)分析平臺(tái)是一種利用hadoop集群開發(fā)工具的一種方式，主要作用是幫助公司對(duì)網(wǎng)站的應(yīng)用有一個(gè)比較好的了解。尤其是在電商、旅游、銀行、證券、游戲等領(lǐng)域有非常廣泛，因?yàn)檫@些領(lǐng)域?qū)?shù)據(jù)和用戶的特性把握要求比較高，所以對(duì)于離線數(shù)據(jù)的分析就有比較高的要求了。 本課程講師本人之前在游戲、旅游等公司專門從事離線數(shù)據(jù)分析平臺(tái)的搭建和開發(fā)等，通過此項(xiàng)目將所有大數(shù)據(jù)內(nèi)容貫穿，并前后展示！

1）Flume、Hadoop、Hbase、Hive、Oozie、Sqoop、離線數(shù)據(jù)分析，SpringMVC，Highchat

2）Flume+Hadoop+Hbase+SpringMVC+MyBatis+MySQL+Highcharts實(shí)現(xiàn)的電商離線數(shù)據(jù)分析 

3）日志收集系統(tǒng)、日志分析、數(shù)據(jù)展示設(shè)計(jì)

課程十三、項(xiàng)目實(shí)戰(zhàn)：基于1號(hào)店的電商實(shí)時(shí)數(shù)據(jù)分析系統(tǒng)（選修）

課程基于1號(hào)店的業(yè)務(wù)及數(shù)據(jù)進(jìn)行設(shè)計(jì)和講解的，主要涉及

1、課程中完整開發(fā)3個(gè)Storm項(xiàng)目，均為企業(yè)實(shí)際項(xiàng)目，其中一個(gè)是完全由Storm Trident開發(fā)。 項(xiàng)目源碼均可以直接運(yùn)行，也可直接用于商用或企業(yè)。

2、每個(gè)技術(shù)均采用新穩(wěn)定版本，學(xué)完后會(huì)員可以從Kafka到Storm項(xiàng)目開發(fā)及HighCharts圖表開發(fā)一個(gè)人搞定！讓學(xué)員身價(jià)劇增！ 

3、搭建CDH5生態(tài)環(huán)境完整平臺(tái)，且采用Cloudera Manager界面化管理CDH5平臺(tái)。讓Hadoop平臺(tái)環(huán)境搭建和維護(hù)都變得輕而易舉。

4、分享實(shí)際項(xiàng)目的架構(gòu)設(shè)計(jì)、優(yōu)劣分析和取舍、經(jīng)驗(yàn)技巧，陡直提升學(xué)員的經(jīng)驗(yàn)值

1）全面掌握Storm完整項(xiàng)目開發(fā)思路和架構(gòu)設(shè)計(jì)

2）掌握Storm Trident項(xiàng)目開發(fā)模式

3）掌握Kafka運(yùn)維和API開發(fā)、與Storm接口開發(fā) 

4）掌握HighCharts各類圖表開發(fā)和實(shí)時(shí)無刷新加載數(shù)據(jù) 

5）熟練搭建CDH5生態(tài)環(huán)境完整平臺(tái)

6）靈活運(yùn)用HBase作為外部存儲(chǔ)

7）可以做到以一己之力完成從后臺(tái)開發(fā)（Storm、Kafka、Hbase開發(fā)）

到前臺(tái)HighCharts圖表開發(fā)、Jquery運(yùn)用等，所有工作一個(gè)人搞定！

可以一個(gè)人搞定淘寶雙11大屏幕項(xiàng)目！

課程十四、項(xiàng)目實(shí)戰(zhàn)：基于美團(tuán)網(wǎng)的大型離線電商數(shù)據(jù)分析平臺(tái)

本項(xiàng)目使用了Spark技術(shù)生態(tài)棧中常用的三個(gè)技術(shù)框架，Spark Core、Spark SQL和Spark Streaming，進(jìn)行離線計(jì)算和實(shí)時(shí)計(jì)算業(yè)務(wù)模塊的開發(fā)。實(shí)現(xiàn)了包括用 戶訪問session分析、頁面單跳轉(zhuǎn)化率統(tǒng)計(jì)、熱門商品離線統(tǒng)計(jì)、 廣告點(diǎn)擊流量實(shí)時(shí)統(tǒng)計(jì)4個(gè)業(yè)務(wù)模塊。過合理的將實(shí)際業(yè)務(wù)模塊進(jìn)行技術(shù)整合與改造，該項(xiàng)目完全涵蓋了Spark Core、Spark SQL和Spark Streaming這三個(gè)技術(shù)框架中幾乎所有的功能點(diǎn)、知識(shí)點(diǎn)以及性能優(yōu)化點(diǎn)。 僅一個(gè)項(xiàng)目，即可全面掌握Spark技術(shù)在實(shí)際項(xiàng)目中如何實(shí)現(xiàn)各種類型的業(yè)務(wù)需求！在項(xiàng)目中，重點(diǎn)講解了實(shí)際企業(yè)項(xiàng)目中積累下來的寶貴的性能調(diào)優(yōu) 、troubleshooting以及數(shù)據(jù)傾斜解決方案等知識(shí)和技術(shù)

1）真實(shí)還原完整的企業(yè)級(jí)大數(shù)據(jù)項(xiàng)目開發(fā)流程：項(xiàng)目中采用完全還原企業(yè)大數(shù)據(jù)項(xiàng)目開發(fā)場(chǎng)景的方式來講解，每一個(gè)業(yè)務(wù)模塊的講解都包括了數(shù)據(jù)分析、需求分析、方案設(shè)計(jì)、數(shù)據(jù)庫設(shè)計(jì)、編碼實(shí)現(xiàn)、功能測(cè)試、性能調(diào)優(yōu)、troubleshooting與解決數(shù)據(jù)傾斜（后期運(yùn)維）等環(huán)節(jié)，真實(shí)還原企業(yè)級(jí)大數(shù)據(jù)項(xiàng)目開發(fā)場(chǎng)景。 讓學(xué)員掌握真實(shí)大數(shù)據(jù)項(xiàng)目的開發(fā)流程和經(jīng)驗(yàn)！

2）現(xiàn)場(chǎng)Excel手工畫圖與寫筆記：所有復(fù)雜業(yè)務(wù)流程、架構(gòu)原理、Spark技術(shù)原理、業(yè)務(wù)需求分析、技術(shù)實(shí)現(xiàn)方案等知識(shí)的講解，采用Excel畫圖或者寫詳細(xì)比較的方式進(jìn)行講解與分析，細(xì)致入微、形象地透徹剖析理論知識(shí)，幫助學(xué)員更好的理解、記憶與復(fù)習(xí)鞏固。

課程十五、大數(shù)據(jù)高薪面試剖析

本階段通過對(duì)歷來大數(shù)據(jù)公司企業(yè)真實(shí)面試題的剖析，講解，讓學(xué)員真正的一個(gè)菜鳥轉(zhuǎn)型為具有1年以上的大數(shù)據(jù)開發(fā)工作經(jīng)驗(yàn)的專業(yè)人士，也是講師多年來大數(shù)據(jù)企業(yè)開發(fā)的經(jīng)驗(yàn)之談。

1）大數(shù)據(jù)項(xiàng)目

2）企業(yè)大數(shù)據(jù)項(xiàng)目的類型 

3）技術(shù)架構(gòu)（如何使用各框架處理數(shù)據(jù)） 

4）沖刺高薪面試 

5）面試簡(jiǎn)歷編寫（把握重點(diǎn)要點(diǎn)）

6）面試中的技巧

7）常見面試題講解

8）如何快速融入企業(yè)進(jìn)行工作（對(duì)于大數(shù)據(jù)公司來說非常關(guān)鍵） 

9）學(xué)員答疑 

10）針對(duì)普遍問題進(jìn)行公共解答 

11）一對(duì)一的交流

階段二、大數(shù)據(jù)、云計(jì)算 - 機(jī)器學(xué)習(xí)

課程十六、機(jī)器學(xué)習(xí)及實(shí)踐

本課程先基于PyMC語言以及一系列常用的Python數(shù)據(jù)分析框架，如NumPy、SciPy和Matplotlib，通過概率編程的方式，講解了貝葉斯推斷的原理和實(shí)現(xiàn)方法。該方法常常可以在避免引入大量數(shù)學(xué)分析的前提下，有效地解決問題。課程中使用的案例往往是工作中遇到的實(shí)際問題，有趣并且實(shí)用。通過對(duì)本課程的學(xué)習(xí)，學(xué)員可以對(duì)分類、回歸等算法有較為深入的了解，以Python編程語言為基礎(chǔ)，在不涉及大量數(shù)學(xué)模型與復(fù)雜編程知識(shí)的前提下，講師逐步帶領(lǐng)學(xué)員熟悉并且掌握當(dāng)下流行的機(jī)器學(xué)習(xí)算法，如回歸、決策樹、SVM等，并通過代碼實(shí)例來 展示所討論的算法的實(shí)際應(yīng)用。

1）Mahout、Spark MLlib概述 

2）機(jī)器學(xué)習(xí)概述 

3）線性回歸及Mahout、SparkMLlib案例 

4）Logistic回歸、softmax分類及Mahout、SparkMLlib案例 

5）KNN及Mahout、SparkMllib案例 

6）SVM及Mahout、SparkMllib案例 

7）決策樹及Mahout、SparkMllib案例

8）隨機(jī)森林及Mahout、SparkMllib案例

9）GBDT及Mahout、SparkMllib案例 

10）KMeans及Mahout、SparkMllib案例 

11）貝葉斯及Mahout、SparkMllib案例 

12）集成學(xué)習(xí) 

13）特征處理及模型優(yōu)化

課程十七、推薦系統(tǒng)

本課程重點(diǎn)講解開發(fā)推薦系統(tǒng)的方法，尤其是許多經(jīng)典算法，重點(diǎn)探討如何衡量推薦系統(tǒng)的有效性。課程內(nèi)容分為基本概念和進(jìn)展兩部分：前者涉及協(xié)同推薦、基于內(nèi)容的推薦、基于知識(shí)的推薦、混合推薦方法，推薦系統(tǒng)的解釋、評(píng)估推薦系統(tǒng)和實(shí)例分析；后者包括針對(duì)推薦系統(tǒng)的攻擊、在線消費(fèi)決策、推薦系統(tǒng)和下一代互聯(lián)網(wǎng)以及普適環(huán)境中的推薦。課程中包含大量的圖、表和示例，有助于學(xué)員理解和把握相關(guān)知識(shí)等。

1）協(xié)同過濾推薦

2）基于內(nèi)容的推薦

3）基于知識(shí)的推薦

4）混合推薦方法

5）推薦系統(tǒng)的解釋

6）評(píng)估推薦系統(tǒng)

7）案例研究

課程十八、分布式搜索引擎Elasticsearch開發(fā)（選修

聯(lián)網(wǎng)+、大數(shù)據(jù)、網(wǎng)絡(luò)爬蟲、搜索引擎等等這些概念，如今可謂炙手可熱，本課程就是以公司項(xiàng)目經(jīng)驗(yàn)為基礎(chǔ)，為大家?guī)硎忻嫔媳容^流行的分布式搜索引擎之一的ElasicSearch，深入淺出的帶領(lǐng)大家了解并掌握該技術(shù)的綜合應(yīng)用，從而為大家添加一份競(jìng)爭(zhēng)的資本。 本課程旨在帶領(lǐng)大家進(jìn)入搜索引擎領(lǐng)域，從無到有，深入淺出的講解了什么是搜索引擎，搜索引擎的作用以及ElasticSearch在實(shí)際工作中的作用等

1）Elasticsearch概念

2）Elasticsearch安裝和插件介紹

3）Elasticsearch基本使用和簡(jiǎn)單查詢 

4）Elasticsearch的Java客戶端使用

5）Elasticsearch索引和Mapping 

6）Elasticsearch搜索深入 

7）Elasticsearch與Spring集成 

8）Elasticsearch實(shí)戰(zhàn)

課程十九、SparkMLlib機(jī)器學(xué)習(xí)

基于Spark框架及ML庫為核心，主要包含：Spark數(shù)據(jù)操作、矩陣向量、線性回歸、邏輯回歸、保序回歸、樸素貝葉斯、決策樹、隨機(jī)森林、SVM支持向量機(jī)、GBDT、特征工程等技術(shù)模塊； 

三個(gè)課程項(xiàng)目：金融反欺詐、美劇推薦系統(tǒng)、CTR廣告預(yù)估。

階段三、大數(shù)據(jù)、云計(jì)算 - Java企業(yè)級(jí)核心應(yīng)用（選修）

課程二十、深入Java性能調(diào)優(yōu)

國(guó)內(nèi)關(guān)于Java性能調(diào)優(yōu)的課程非常少，如此全面深入介紹Java性能調(diào)優(yōu)，華軟國(guó)際算是，Special講師，十余年Java方面開發(fā)工作經(jīng)驗(yàn)，資深軟件開發(fā)系統(tǒng)架構(gòu)師，本套課程系多年工作經(jīng)驗(yàn)與心得的總結(jié)，課程有著很高的含金量和實(shí)用價(jià)值，本課程專注于java應(yīng)用程序的優(yōu)化方法，技巧和思想，深入剖析軟件設(shè)計(jì)層面、代碼層面、JVM虛擬機(jī)層面的優(yōu)化方法，理論結(jié)合實(shí)際，使用豐富的示例幫助學(xué)員理解理論知識(shí)。

課程二十一、JAVA企業(yè)級(jí)開放必備高級(jí)技術(shù)（Weblogic Tomcat集群 Apach集群）

Java自面世后就非常流行，發(fā)展迅速，對(duì)C++語言形成有力沖擊。在全球云計(jì)算和移動(dòng)互聯(lián)網(wǎng)的產(chǎn)業(yè)環(huán)境下，Java更具備了顯著優(yōu)勢(shì)和廣闊前景，那么滋生的基于java項(xiàng)目也越來越多，對(duì)java運(yùn)行環(huán)境的要求也越來越高，很多java的程序員只知道對(duì)業(yè)務(wù)的擴(kuò)展而不知道對(duì)java本身的運(yùn)行環(huán)境的調(diào)試，例如虛擬機(jī)調(diào)優(yōu)，服務(wù)器集群等，所以也滋生本門課程的產(chǎn)生。

階段四、大數(shù)據(jù)、云計(jì)算 - 分布式集群、PB級(jí)別網(wǎng)站性能優(yōu)化（選修）

課程二十二、大數(shù)據(jù)高并發(fā)系統(tǒng)架構(gòu)實(shí)戰(zhàn)方案(LVS負(fù)載均衡、Nginx、共享存儲(chǔ)、海量數(shù)據(jù)、隊(duì)列緩存 ) 隨著互聯(lián)網(wǎng)的發(fā)展，高并發(fā)、大數(shù)據(jù)量的網(wǎng)站要求越來越高。而這些高要求都是基礎(chǔ)的技術(shù)和細(xì)節(jié)組合而成的。本課程就從實(shí)際案例出發(fā)給大家原景重現(xiàn)高并發(fā)架構(gòu)常用技術(shù)點(diǎn)及詳細(xì)演練。通過該課程的學(xué)習(xí)，普通的技術(shù)人員就可以快速搭建起千萬級(jí)的高并發(fā)大數(shù)據(jù)網(wǎng)站平臺(tái),課程涉及內(nèi)容包括:LVS實(shí)現(xiàn)負(fù)載均衡、Nginx高級(jí)配置實(shí)戰(zhàn)、共享存儲(chǔ)實(shí)現(xiàn)動(dòng)態(tài)內(nèi)容靜態(tài)化加速實(shí)戰(zhàn)、緩存平臺(tái)安裝配置使用、mysql主從復(fù)制安裝配置實(shí)戰(zhàn)等。

課程二十三、大數(shù)據(jù)高并發(fā)服務(wù)器實(shí)戰(zhàn)教程

隨著Web技術(shù)的普及，Internet上的各類網(wǎng)站第天都在雪崩式增長(zhǎng)。但這些網(wǎng)站大多在性能上沒做過多考慮。當(dāng)然,它們情況不同。有的是Web技術(shù)本身的原因（主要是程序代碼問題）,還有就是由于Web服務(wù)器未進(jìn)行優(yōu)化。不管是哪種情況，一但用戶量在短時(shí)間內(nèi)激增，網(wǎng)站就會(huì)明顯變慢，甚至拒絕放訪問。要想有效地解決這些問題，就只有依靠不同的優(yōu)化技術(shù)。本課程就是主要用于來解決大型網(wǎng)站性能問題，能夠承受大數(shù)據(jù)、高并發(fā)。主要涉及 技術(shù)有：nginx、tomcat、memcached、redis緩存、負(fù)載均衡等高級(jí)開發(fā)技術(shù)

課程二十四、項(xiàng)目實(shí)戰(zhàn)：PB級(jí)通用電商網(wǎng)站性能優(yōu)化解決方案

本部分通過一個(gè)通用電商訂單支付模塊，外加淘寶支付接口的實(shí)現(xiàn)（可用于實(shí)際項(xiàng)目開發(fā)），剖析并分析過程中可能遇到的各種性能瓶頸及相關(guān)的解決方案與優(yōu)化技巧。最終目標(biāo)，讓有具有PHP基礎(chǔ)或Java基礎(chǔ)的學(xué)員迅速掌握Linux下的開發(fā)知識(shí)，并對(duì)涉及到nginx、tomcat、memcached、redis緩存、負(fù)載均衡等高級(jí)開發(fā)技術(shù)有一個(gè)全面的了解

階段五、Python基礎(chǔ)與數(shù)據(jù)分析（選修）

課程二十五、Python基礎(chǔ)與數(shù)據(jù)分析

本課程主要講解Python基礎(chǔ)以及Pyhton數(shù)據(jù)分析，包括語句、函數(shù)、表達(dá)式以及模塊化 開發(fā)、類與對(duì)象等，帶領(lǐng)大家快速掌握Python，為后續(xù)處理數(shù)據(jù)以及分析服務(wù)打下良好基礎(chǔ)。

1）Python基礎(chǔ)

2）Python控制語句與函數(shù) 

3）Lambda表達(dá)式、裝飾器和Python模塊化開發(fā)

4）Python類與對(duì)象

5）Python數(shù)據(jù)庫操作+正則表達(dá)式

6）Python數(shù)據(jù)分析

階段六、大數(shù)據(jù)、云計(jì)算 - 數(shù)據(jù)挖掘、分析&機(jī)器學(xué)習(xí)（選修）

課程二十六、玩轉(zhuǎn)大數(shù)據(jù)：深入淺出大數(shù)據(jù)挖掘技術(shù)(Apriori算法、Tanagra工具、決策樹) 本課程名為深入淺出數(shù)據(jù)挖掘技術(shù)。所謂“深入”，指得是從數(shù)據(jù)挖掘的原理與經(jīng)典算法入手。其一是要了解算法，知道什么場(chǎng)景應(yīng)當(dāng)應(yīng)用什么樣的方法；其二是學(xué) 習(xí)算法的經(jīng)典思想，可以將它應(yīng)用到其他的實(shí)際項(xiàng)目之中；其三是理解算法，讓數(shù)據(jù)挖掘的算法能夠應(yīng)用到您的項(xiàng)目開發(fā)之中去。所謂“淺出”，指得是將數(shù)據(jù)挖掘 算法的應(yīng)用落實(shí)到實(shí)際的應(yīng)用中。課程會(huì)通過三個(gè)不同的方面來講解算法的應(yīng)用：一是微軟公司的SQL Server與Excel等工具實(shí)現(xiàn)的數(shù)據(jù)挖掘；二是著名開源算法的數(shù)據(jù)挖掘，如Weka、KNIMA、Tanagra等開源工具；三是利用C#語言做演示來完成數(shù)據(jù)挖掘算法的實(shí)現(xiàn)。根據(jù)實(shí)際的引用場(chǎng)景，數(shù)據(jù)挖掘技術(shù)通常分為分類器、關(guān)聯(lián)分析、聚類算法等三大類別。本課程主要介紹這三大算法的經(jīng)典思想以及部分著名的實(shí)現(xiàn)形式，并結(jié)合一 些商業(yè)分析工具、開源工具或編程等方式來講解具體的應(yīng)用方法

課程二十七、Lucene4.X實(shí)戰(zhàn)類baidu搜索的大型文檔海量搜索系統(tǒng) 本課程由淺入深的介紹了Lucene4的發(fā)展歷史，開發(fā)環(huán)境搭建，分析lucene4的中文分詞原理，深入講了lucenne4的系統(tǒng)架構(gòu)，分析lucene4索引實(shí)現(xiàn)原理及性能優(yōu)化，了解關(guān)于lucene4的搜索算法優(yōu)化及利用java結(jié)合lucene4實(shí)現(xiàn)類百度文庫的全文檢索功能等相對(duì)高端實(shí)用的內(nèi)容，市面上一般很難找到同類具有相同深度與廣度的視頻，集原理、基礎(chǔ)、案例與實(shí)戰(zhàn)與一身，不可多得的一部高端視頻教程。

課程二十八、快速上手?jǐn)?shù)據(jù)挖掘之solr搜索引擎高級(jí)教程（Solr集群、KI分詞、項(xiàng)目實(shí)戰(zhàn)）本教程從基礎(chǔ)的solr語法開始講解，選擇了新流行的開源搜索引擎服務(wù)框架solr5.3.1，利用Tomcat8搭建了solr的集群服務(wù)；本教程可以幫助學(xué)員快速上手solr的開發(fā)和二次開發(fā)，包括在hadoop集群的是利用，海量數(shù)據(jù)的索引和實(shí)時(shí)檢索，通過 了解、學(xué)習(xí)、安裝、配置、集成等步驟引導(dǎo)學(xué)員如何將solr集成到項(xiàng)目中。

課程二十九、項(xiàng)目實(shí)戰(zhàn)：SPSS Modeler數(shù)據(jù)挖掘項(xiàng)目實(shí)戰(zhàn)培訓(xùn) SS Modeler是業(yè)界極為著名的數(shù)據(jù)挖掘軟件，其前身為SPSS Clementine。SPSS Modeler內(nèi)置豐富的數(shù)據(jù)挖掘模型，以其強(qiáng)大的挖掘功能和友好的操作習(xí)慣，深受用戶的喜愛和好評(píng)，成為眾多知名企業(yè)在數(shù)據(jù)挖掘項(xiàng)目上的軟件產(chǎn)品選擇。本課程以SPSS Modeler為應(yīng)用軟件，以數(shù)據(jù)挖掘項(xiàng)目生命周期為線索，以實(shí)際數(shù)據(jù)挖掘項(xiàng)目為例，講解了從項(xiàng)目商業(yè)理解開始，到最后軟件實(shí)現(xiàn)的全過程。

課程三十、數(shù)據(jù)層交換和高性能并發(fā)處理(開源ETL大數(shù)據(jù)治理工具） ETL是數(shù)據(jù)的抽取清洗轉(zhuǎn)換加載的過程，是數(shù)據(jù)進(jìn)入數(shù)據(jù)倉庫進(jìn)行大數(shù)據(jù)分析的載入過程，目前流行的數(shù)據(jù)進(jìn)入倉庫的過程有兩種形式，一種是進(jìn)入數(shù)據(jù)庫后再進(jìn)行 清洗和轉(zhuǎn)換，另外一條路線是首先進(jìn)行清洗轉(zhuǎn)換再進(jìn)入數(shù)據(jù)庫，我們的ETL屬于后者。 大數(shù)據(jù)的利器大家可能普遍說是hadoop，但是大家要知道如果我們不做預(yù)先 的清洗和轉(zhuǎn)換處理，我們進(jìn)入hadoop后僅通過mapreduce進(jìn)行數(shù)據(jù)清洗轉(zhuǎn)換再進(jìn)行分析，垃圾數(shù)據(jù)會(huì)導(dǎo)致我們的磁盤占用量會(huì)相當(dāng)大，這樣無形中提升了我們的硬件成本（硬盤大，內(nèi)存小處理速度會(huì)很慢，內(nèi)存大cpu性能低速度也會(huì)受影響），因此雖然hadoop理論上解決了爛機(jī)器拼起來解決大問題的問題，但是事實(shí)上如果我們有更好的節(jié)點(diǎn)速度必然是會(huì)普遍提升的，因此ETL在大數(shù)據(jù)環(huán)境下仍然是必不可少的數(shù)據(jù)交換工具。

課程三十一、深入淺出Hadoop Mahout數(shù)據(jù)挖掘?qū)崙?zhàn)(算法分析、項(xiàng)目實(shí)戰(zhàn)、中文分詞技術(shù))Mahout 是 Apache Software Foundation（ASF） 旗下的一個(gè)開源項(xiàng)目，提供一些可擴(kuò)展的機(jī)器學(xué)習(xí)領(lǐng)域經(jīng)典算法的實(shí)現(xiàn)，旨在幫助開發(fā)人員更加方便快捷地創(chuàng)建智能應(yīng)用程序。課程包括：Mahout數(shù)據(jù)挖掘工具 及Hadoop實(shí)現(xiàn)推薦系統(tǒng)的綜合實(shí)戰(zhàn)，涉及到MapReduce、Pig和Mahout的綜合實(shí)戰(zhàn)

課程三十二、大數(shù)據(jù)項(xiàng)目實(shí)戰(zhàn)之Python金融應(yīng)用編程(數(shù)據(jù)分析、定價(jià)與量化投資) 近年來，金融領(lǐng)域的量化分析越來越受到理論界與實(shí)務(wù)界的重視，量化分析的技術(shù)也取得了較大的進(jìn)展，成為備受關(guān)注的一個(gè)熱點(diǎn)領(lǐng)域。所謂金融量化，就是將金融 分析理論與計(jì)算機(jī)編程技術(shù)相結(jié)合，更為有效的利用現(xiàn)代計(jì)算技術(shù)實(shí)現(xiàn)準(zhǔn)確的金融資產(chǎn)定價(jià)以及交易機(jī)會(huì)的發(fā)現(xiàn)。量化分析目前已經(jīng)涉及到金融領(lǐng)域的方方面面，包 括基礎(chǔ)和衍生金融資產(chǎn)定價(jià)、風(fēng)險(xiǎn)管理、量化投資等。隨著大數(shù)據(jù)技術(shù)的發(fā)展，量化分析還逐步與大數(shù)據(jù)結(jié)合在一起，對(duì)海量金融數(shù)據(jù)實(shí)現(xiàn)有效和快速的運(yùn)算與處 理。在量化金融的時(shí)代，選用一種合適的編程語言對(duì)于金融模型的實(shí)現(xiàn)是至關(guān)重要的。在這方面，Python語言體現(xiàn)出了不一般的優(yōu)勢(shì)，特別是它擁有大量的金融計(jì) 算庫，并且可以提供與C++，java等語言的接口以實(shí)現(xiàn)高效率的分析，成為金融領(lǐng)域快速開發(fā)和應(yīng)用的一種關(guān)鍵語言，由于它是開源的，降低了金融計(jì)算的成本，而且還通過廣泛的社交網(wǎng)絡(luò)提供大量的應(yīng)用實(shí)例，極大的縮短了金融量化分析的學(xué)習(xí)路徑。本課程在量化分析與Python語言快速發(fā)展的背景下介紹二者之間的關(guān)聯(lián)，使學(xué)員能夠快速掌握如何利用Python語言進(jìn)行金融數(shù)據(jù)量化分析的基本方法。

課程三十三、項(xiàng)目實(shí)戰(zhàn)：云計(jì)算處理大數(shù)據(jù)深度、智能挖掘技術(shù)+地震數(shù)據(jù)挖掘分析 本課程介紹了基于云計(jì)算的大數(shù)據(jù)處理技術(shù)，重點(diǎn)介紹了一款高效的、實(shí)時(shí)分析處理海量數(shù)據(jù)的強(qiáng)有力工具——數(shù)據(jù)立方。數(shù)據(jù)立方是針對(duì)大數(shù)據(jù)處理的分布式數(shù) 據(jù)庫，能夠可靠地對(duì)大數(shù)據(jù)進(jìn)行實(shí)時(shí)處理，具有即時(shí)響應(yīng)多用戶并發(fā)請(qǐng)求的能力，通過對(duì)當(dāng)前主流的大數(shù)據(jù)處理系統(tǒng)進(jìn)行深入剖析，闡述了數(shù)據(jù)立方產(chǎn)生的背景，介紹了數(shù)據(jù)立方的整體架構(gòu)以及安裝和詳細(xì)開發(fā)流程，并給出了4個(gè)完整的數(shù)據(jù)立方 綜合應(yīng)用實(shí)例。所有實(shí)例都經(jīng)過驗(yàn)證并附有詳細(xì)的步驟說明，無論是對(duì)于云計(jì)算的初學(xué)者還是想進(jìn)一步深入學(xué)習(xí)大數(shù)據(jù)處理技術(shù)的研發(fā)人員、研究人員都有很好的參 考價(jià)值。階段七、大數(shù)據(jù)、云計(jì)算運(yùn)維&云計(jì)算技術(shù)篇（選修）

課程三十四、Zookeeper從入門到精通（開發(fā)詳解，案例實(shí)戰(zhàn)，Web界面監(jiān)控） ZooKeeper是Hadoop的開源子項(xiàng)目（Google Chubby的開源實(shí)現(xiàn)），它是一個(gè)針對(duì)大型分布式系統(tǒng)的可靠協(xié)調(diào)系統(tǒng)，提供的功能包括：配置維護(hù)、命名服務(wù)、分 布式同步、組服務(wù)等。Zookeeper的Fast Fail 和 Leader選舉特性大大增強(qiáng)了分布式集群的穩(wěn)定和健壯性，并且解決了Master/Slave模式的單點(diǎn)故障重大隱患，這 是越來越多的分布式產(chǎn)品如HBase、Storm（流計(jì)算）、S4（流計(jì)算）等強(qiáng)依賴Zookeeper的原因。Zookeeper在分布式集群（Hadoop生態(tài)圈）中的地位越來越突出，對(duì)分布式應(yīng)用的開發(fā)也提供了極大便利，這是迫切需要深入學(xué)習(xí)Zookeeper的原因。本課程主要內(nèi)容包括Zookeeper深入、客戶端開發(fā)（Java編程，案例開發(fā)）、日常運(yùn)維、Web界面監(jiān)控，“一條龍”的實(shí)戰(zhàn)平臺(tái)分享給大家。

課程三十五、云計(jì)算Docker從零基礎(chǔ)到專家實(shí)戰(zhàn)教程 Docker是一種開源的應(yīng)用容器引擎，使用Docker可以快速地實(shí)現(xiàn)虛擬化，并且實(shí)現(xiàn)虛擬化的性能相對(duì)于其他技術(shù)來說較高。并且隨著云計(jì)算的普及以及對(duì)虛擬化技術(shù)的大量需求，使得云計(jì)算人才供不應(yīng)求，所以一些大型企業(yè)對(duì)Docker專業(yè)技術(shù)人才需求較大。本教程從基礎(chǔ)的Dokcer原理開始講起，深入淺出，并且全套課程均結(jié)合實(shí)例實(shí)戰(zhàn)進(jìn)行講解，讓學(xué)員可以不僅能了解原理，更能夠?qū)嶋H地去使用這門技術(shù)。

課程三十六、項(xiàng)目實(shí)戰(zhàn)：云計(jì)算Docker全面項(xiàng)目實(shí)戰(zhàn)（Maven+Jenkins、日志管理ELK、WordPress博客) 2013年，云計(jì)算領(lǐng)域從此多了一個(gè)名詞“Docker”。以輕量著稱，更好的去解決應(yīng)用打包和部署。之前我們一直在構(gòu)建Iaas，但通過Iaas去實(shí)現(xiàn)統(tǒng)一功 能還是相當(dāng) 復(fù)雜得，并且維護(hù)復(fù)雜。將特殊性封裝到鏡像中實(shí)現(xiàn)幾乎一致得部署方法，它就是“Docker”，以容器為技術(shù)核心，實(shí)現(xiàn)了應(yīng)用的標(biāo)準(zhǔn)化。企業(yè)可 以快速生成研發(fā)、測(cè)試環(huán)境，并且可以做到快速部署。實(shí)現(xiàn)了從產(chǎn)品研發(fā)環(huán)境到部署環(huán)境的一致化。Docker讓研發(fā)更加專注于代碼的編寫，并且以“鏡像”作 為交付。極大的縮 短了產(chǎn)品的交付周期和實(shí)施周期。

課程三十七、深入淺出OpenStack云計(jì)算平臺(tái)管理 OpenStack是 一個(gè)由Rackspace發(fā)起、全球開發(fā)者共同參與的開源項(xiàng)目，旨在打造易于部署、功能豐富且易于擴(kuò)展的云計(jì)算平臺(tái)。OpenStack企圖成為數(shù)據(jù)中心 的 操作系統(tǒng)，即云操作系統(tǒng)。從項(xiàng)目發(fā)起之初，OpenStack就幾乎贏得了所有IT巨頭的關(guān)注，在各種OpenStack技術(shù)會(huì)議上人們激情澎湃，幾乎所有人都成為OpenStack的信徒。 這個(gè)課程重點(diǎn)放在openstack的部署和網(wǎng)絡(luò)部分。課程強(qiáng)調(diào)實(shí)際的動(dòng)手操作，使用vmware模擬實(shí)際的物理平臺(tái)，讓大家可以自己動(dòng)手去實(shí)際搭建和學(xué)習(xí)openstack。課程內(nèi)容包括云計(jì)算的基本知識(shí)，虛擬網(wǎng)絡(luò)基礎(chǔ)，openstack部署和應(yīng)用，openstack網(wǎng)絡(luò)詳解等。 階段八、大數(shù)據(jù)分析、數(shù)據(jù)可視化(選修)

課程三十八、Tableau商業(yè)智能與可視化應(yīng)用實(shí)戰(zhàn)

本課程基于Tableau 10.3新版本研發(fā)，詳細(xì)介紹了Tableau的數(shù)據(jù)連接與編輯、圖形編輯與展示功能，包括數(shù)據(jù)連接與管理、基礎(chǔ)與高級(jí)圖形分析、地圖分析、高級(jí)數(shù)據(jù)操作、基礎(chǔ)統(tǒng)計(jì)分析、如何與R集成進(jìn)行高級(jí)分析、分析圖表整合以及分析成果共享等主要內(nèi)容。同時(shí)，課程以豐富的實(shí)際案例貫穿始終，對(duì)各類方法、技術(shù)進(jìn)行了詳細(xì)說明，方便讀者快速掌握數(shù)據(jù)分析方法。

1）什么是數(shù)據(jù)可視化？

2）如何用圖表講故事

3）Tableau發(fā)展歷程 

4）Tableau家族產(chǎn)品 

5）Tableau產(chǎn)品優(yōu)勢(shì)

6）Tableau Desktop安裝配置 

7）Tableau的導(dǎo)航與菜單 

8）Tableau設(shè)計(jì)流程佳實(shí)踐 

9）Tableau數(shù)據(jù)類型與文件 

10）Tableau數(shù)據(jù)源初探 

11）數(shù)據(jù)源深入

12）工作表

13）Tableau中的函數(shù)與計(jì)算

14）Tableau高級(jí)分析與項(xiàng)目實(shí)戰(zhàn)

15）Tableau中的排序與篩選器

16）Tableau中的參數(shù)

17）Tableau圖表分析

18）Tableau地圖繪制與圖像

19）Tableau 儀表盤和故事

20）項(xiàng)目一_教育網(wǎng)站指標(biāo)評(píng)估

21）項(xiàng)目二_網(wǎng)站用戶行為分析

22）項(xiàng)目三_零售行業(yè)進(jìn)銷存分析

課程三十九、Echarts從入門到上手實(shí)戰(zhàn)

通過本門課程的學(xué)習(xí)，能夠讓我們的學(xué)員對(duì)數(shù)據(jù)可視化技術(shù)有一個(gè)全面、系統(tǒng)、深入的了解，最終達(dá)到能夠利用Echarts圖表結(jié)合后端數(shù)據(jù)進(jìn)行前端可視化報(bào)表展示的目的，再結(jié)合我們課程給出的項(xiàng)目實(shí)戰(zhàn)綜合演練，從而達(dá)到熟練使用Echarts的程度，為將來我們的學(xué)員面試大數(shù)據(jù)開發(fā)工程師，大數(shù)據(jù)分析師等工作崗位打下了一個(gè)良好的基礎(chǔ)，為大大的加分項(xiàng)！

1）數(shù)據(jù)可視化概述 

2）什么是數(shù)據(jù)可視化？ 

3）經(jīng)典可視化案例 

4）大數(shù)據(jù)可視化的價(jià)值 

5）數(shù)據(jù)可視化工具、案例、書籍 

6）Echarts概述 

7）Echarts特性介紹

8）如何快速上手開發(fā)一個(gè)Echarts可視化圖表 

9）如何閱讀Echarts官方文檔 

10）Echarts學(xué)習(xí)必備基礎(chǔ)知識(shí)

11）Echarts3.x與Echarts2.x的區(qū)別 

12）Echarts基礎(chǔ)架構(gòu)與常見名詞術(shù)語 

13）Echarts標(biāo)準(zhǔn)開發(fā)模板 

14）十大常見圖表_小結(jié) 

15）Echarts圖表高級(jí)

16）北上廣前10航行路線圖

17）豆瓣熱映電影排名分析

18）圖表適用場(chǎng)景

19）數(shù)據(jù)可視化方法 

20）數(shù)據(jù)可視化誤區(qū)

課程四十、D3.js從入門到上手實(shí)戰(zhàn)

近年來，數(shù)據(jù)可視化越來越流行，在信息暴增式增長(zhǎng)的今天，圖片或者圖表無疑是比文字更好的傳遞信息的方式。D3的出現(xiàn)，為我們做數(shù)據(jù)可視化提供了更強(qiáng)有力的保障。

1）D3簡(jiǎn)介

2）D3開發(fā)環(huán)境的安裝與調(diào)試

3）D3選擇集與數(shù)據(jù)

4）D3比例尺和坐標(biāo)

5）繪制

6）動(dòng)畫

7）交互

8）導(dǎo)入和導(dǎo)出

9）布局

10）案例應(yīng)用

課程四十一、Vue.js快速上手

Vue.js是一套構(gòu)建用戶界面的輕量級(jí)MVVM框架，與其他重量級(jí)框架不同的是， Vue.js 的核心庫只關(guān)注視圖層，并且非常容易學(xué)習(xí)，很容易與其它前端技術(shù)或已有的項(xiàng)目整合。 本課程主要分兩部分講解：1.掌握Vue.js設(shè)計(jì)規(guī)范的語法； 2.通過一些實(shí)際的前端案例來強(qiáng)化同學(xué)們對(duì)該技術(shù)的靈活運(yùn)用。

1）Vue.js簡(jiǎn)介和MVC、MVP以及MVVM架構(gòu)

2）Vue.js介紹、開發(fā)工具的介紹以及HelloWorld程序演示

3）Vue.js的構(gòu)造器和擴(kuò)展

4）Vue實(shí)例的屬性

5）Vue實(shí)例生命周期

6）計(jì)算屬性及案例

7）方法調(diào)用

8）觀察屬性

9）文本、HTML插值

10）屬性插值和表達(dá)式

11）指令的格式

12）條件指令

13）v-show指令

14）v-bind指令

15）列表渲染

16）過濾器

17）事件處理

18）事件修飾符

19）表單處理

20）自定義組件

21）過渡效果

22）動(dòng)畫效果

23）過渡和動(dòng)畫的回調(diào)函數(shù)

24）路由技術(shù)

25）混合

26）Render函數(shù)

27）單文件工程

28）單元測(cè)試

29）服務(wù)器端渲染

30）生產(chǎn)環(huán)境部署

31）動(dòng)態(tài)評(píng)分案例

32）圖片輪播案例

33）OLTP系統(tǒng)的管理界面

34）聊天室案例

課程四十二、虛擬可視化

可視化是2016年一個(gè)被IT廠商們談?wù)摰梅浅ｎl繁的詞匯：網(wǎng)絡(luò)可視化、流量可視化、運(yùn)維可視化等等解決方案不一而足。然而，可視化究竟可以深入到何種程度?可視化的范圍邊界在哪?虛擬現(xiàn)實(shí)的加入，無疑為可視化又增添了別樣的色彩。讓我們共同來探索虛擬可視化的世界……

1）虛擬現(xiàn)實(shí)（VR）概述

2）Unity3D游戲引擎簡(jiǎn)介及安裝

3）Unity3D編輯器窗口介紹

4）GameObject與Component的關(guān)系

5）MonoBehaviour腳本周期

6）初識(shí)GoogleVR

7）GoogleVR SDK重要組件介紹

8）虛擬現(xiàn)實(shí)UI制作

9）虛擬現(xiàn)實(shí)用戶與UI交互

10）虛擬現(xiàn)實(shí)用戶與場(chǎng)景物體交互

11）案例：虛擬現(xiàn)實(shí)數(shù)據(jù)可視化

階段九、人工智能大數(shù)據(jù)企業(yè)項(xiàng)目實(shí)戰(zhàn)（選修

課程四十三、Hadoop3.0新特性、新魅力【直播】 Hadoop 2.0是基于JDK 1.7開發(fā)的，而JDK 1.7在2015年4月已停止更新，這直接迫使Hadoop社區(qū)基于JDK 1.8重新發(fā)布一個(gè)新的Hadoop版本，而這正是hadoop3.0。Hadoop 3.0的alpha版預(yù)計(jì)今年夏天發(fā)布，GA版本11月或12月發(fā)布。 Hadoop 3.0中引入了一些重要的功能和優(yōu)化，包括HDFS 可擦除編碼、多Namenode支持、MR Native Task優(yōu)化、YARN基于cgroup的內(nèi)存和磁盤IO隔離、YARN container resizing等。從Apache hadoop項(xiàng)目組爆出的新消息，hadoop3.x以后將會(huì)調(diào)整方案架構(gòu)，將Mapreduce基于內(nèi)存+io+磁盤，共同處理數(shù)據(jù)。

1）Hadoop3.0如何精簡(jiǎn)內(nèi)核

2）Hadoop3.0如何防止不同版本jar包沖突 

3）Shell腳本重構(gòu) 

4）擦除編碼 

5）Tasknative優(yōu)化

6）MapReduce內(nèi)存參數(shù)自動(dòng)推斷

7）基于cgroup的內(nèi)存隔離和IO Disk隔離

8）用curator實(shí)現(xiàn)RM leader選舉

9）Timelineserver next generation

課程四十四、項(xiàng)目實(shí)戰(zhàn)：基于大數(shù)據(jù)技術(shù)推薦系統(tǒng)實(shí)戰(zhàn)隨著電子商務(wù)規(guī)模的不斷擴(kuò)大，顧客需要花費(fèi)大量的時(shí)間才能找到自己想買的商品。這種瀏覽大量無關(guān)的信息和產(chǎn)品過程無疑會(huì)使淹沒在信息過載問題中的消費(fèi)者不斷流失。為了解決這些問題，個(gè)性化推薦系統(tǒng)應(yīng)運(yùn)而生。個(gè)性化推薦系統(tǒng)在提高用戶體驗(yàn)的同時(shí)，可以大大增加用戶購買量，據(jù)統(tǒng)計(jì)，亞馬遜的 30%收入來自于他的推薦引擎。近幾年，國(guó)內(nèi)互聯(lián)網(wǎng)公司也非常重視推薦系統(tǒng)建設(shè)，包括阿里巴巴，京東，騰訊等。本課程以商業(yè)實(shí)戰(zhàn)項(xiàng)目作為驅(qū)動(dòng)來學(xué)習(xí)大數(shù)據(jù)技術(shù)在推薦系統(tǒng)項(xiàng)目中的應(yīng)用。使得學(xué)員能夠親身體會(huì)大數(shù)據(jù)項(xiàng)目的使用場(chǎng)景和開發(fā)場(chǎng)景及其所產(chǎn)生的商業(yè)價(jià)值，零距離接觸企業(yè)實(shí)戰(zhàn)型項(xiàng)目，學(xué)以致用，不在停留在大數(shù)據(jù)的概念環(huán)節(jié)而是進(jìn)入大數(shù)據(jù)技術(shù)實(shí)戰(zhàn)項(xiàng)目開發(fā)的階段。

1）推薦系統(tǒng)與大數(shù)據(jù)的關(guān)系

2）認(rèn)識(shí)推薦系統(tǒng) 

3）推薦系統(tǒng)設(shè)計(jì)

4）大數(shù)據(jù)lambda架構(gòu) 

5）用戶畫像系統(tǒng)

6）推薦算法

7）Mahout推薦算法實(shí)戰(zhàn)

8）Spark推薦算法實(shí)戰(zhàn)

9）推薦系統(tǒng)與Lambda架構(gòu)等

課程四十五、項(xiàng)目實(shí)戰(zhàn)：基于Storm流計(jì)算天貓雙十一作戰(zhàn)室項(xiàng)目實(shí)戰(zhàn)Storm是什么？ 為什么學(xué)習(xí)Storm？ Storm是Twitter開源的分布式實(shí)時(shí)大數(shù)據(jù)處理框架，被業(yè)界稱為實(shí)時(shí)版Hadoop。隨著越來越多的場(chǎng)景對(duì)Hadoop的MapReduce高延遲無法容忍，比如網(wǎng)站統(tǒng)計(jì)、推薦系統(tǒng)、預(yù)警系統(tǒng)、金融系統(tǒng)(高頻交易、股票)等等， 大數(shù)據(jù)實(shí)時(shí)處理解決方案（流計(jì)算）的應(yīng)用日趨廣泛目前已是分布式技術(shù)領(lǐng)域爆發(fā)點(diǎn)，而Storm更是流計(jì)算技術(shù)中的佼佼者和主流。按照storm作者的說法，Storm對(duì)于實(shí)時(shí)計(jì)算的意義類似于Hadoop對(duì)于批處理的意 義。Hadoop提供了map、reduce原語，使我們的批處理程序變得簡(jiǎn)單和高效。同樣，Storm也為實(shí)時(shí)計(jì)算提供了一些簡(jiǎn)單高效的原語，而且Storm的Trident是基于Storm原語更高級(jí)的抽象框架，類似于基于Hadoop的Pig框架， 讓開發(fā)更加便利和高效。本課程會(huì)深入、全面的講解Storm，并穿插企業(yè)場(chǎng)景實(shí)戰(zhàn)講述Storm的運(yùn)用。 淘寶雙11的大屏幕實(shí)時(shí)監(jiān)控效果沖擊了整個(gè)IT界，業(yè)界為之驚嘆的同時(shí)更是引起對(duì)該技術(shù)的探索。學(xué)完本課程你可以自己開發(fā)升級(jí)版的“淘寶雙11”，還等什么？

1）Storm架構(gòu)原理詳解

2）Zookeeper集群部署和測(cè)試 

3）Storm集群搭建及測(cè)試 

4）Wroker、Executer、Task 

5）滾動(dòng)窗口 Tumbling Window的實(shí)戰(zhàn)案例

6）滑動(dòng)窗口 Sliding Window的實(shí)戰(zhàn)案例

7）Kafka集群搭建

8）項(xiàng)目-地區(qū)銷售額

9）Trident 

10）省份銷售TopN等

課程四十六、項(xiàng)目實(shí)戰(zhàn)：基于人工智能項(xiàng)目實(shí)戰(zhàn)

課程首先概述講解人工智能應(yīng)用與挑戰(zhàn)，由計(jì)算機(jī)視覺中圖像分類任務(wù)開始講解人工智能的常規(guī)套路。對(duì)于復(fù)雜的神經(jīng)網(wǎng)絡(luò)，將其展開成多個(gè)小模塊進(jìn)行逐一攻破，再挑戰(zhàn)整體神經(jīng)網(wǎng)絡(luò)架構(gòu)。對(duì)于人工智能模型形象解讀卷積神經(jīng)網(wǎng)絡(luò)原理，詳解其中涉及的每一個(gè)參數(shù)，對(duì)卷積網(wǎng)絡(luò)架構(gòu)展開分析與評(píng)估，對(duì)于現(xiàn)階段火爆的對(duì)抗生成網(wǎng)絡(luò)以及強(qiáng)化學(xué)習(xí)給出形象解讀，并配合項(xiàng)目實(shí)戰(zhàn)實(shí)際演示效果。 基于框架實(shí)戰(zhàn)，選擇兩款人工智能框架，Caffe與Tensorflow，首先講解其基本使用方法，并結(jié)合案例演示如何應(yīng)用框架構(gòu)造神經(jīng)網(wǎng)絡(luò)模型并完成案例任務(wù)。 選擇經(jīng)典人工智能項(xiàng)目實(shí)戰(zhàn)，使用人工智能框架從零開始完成人臉檢測(cè)，驗(yàn)證碼識(shí)別，人臉關(guān)鍵點(diǎn)定位，垃圾郵件分類，圖像風(fēng)格轉(zhuǎn)換，AI自己玩游戲等。對(duì)于每一個(gè)項(xiàng)目實(shí)戰(zhàn)，從數(shù)據(jù)預(yù)處理開始一步步構(gòu)建網(wǎng)絡(luò)模型并展開分析與評(píng)估。 課程提供所涉及的所有數(shù)據(jù)，代碼以及PPT，方便大家快速動(dòng)手進(jìn)行項(xiàng)目實(shí)踐！

1）人工智能概述與挑戰(zhàn)

2）神經(jīng)網(wǎng)絡(luò)圖像分類 

3）驗(yàn)證碼識(shí)別 

4）Caffe詳解 

5）人臉檢測(cè) 

6）人臉關(guān)鍵點(diǎn)定位

7）Tensorflow詳解

8）垃圾郵件文本分類

9）圖像風(fēng)格轉(zhuǎn)換

10）DQN網(wǎng)絡(luò)讓AI自己玩游戲

11）對(duì)抗生成網(wǎng)絡(luò) 

12）GAN網(wǎng)絡(luò)實(shí)例和DCGAN網(wǎng)絡(luò)實(shí)戰(zhàn)等

課程四十七、【項(xiàng)目直播】醫(yī)療保險(xiǎn)大數(shù)據(jù)分析與統(tǒng)計(jì)推斷項(xiàng)目實(shí)戰(zhàn)【Hadoop篇】項(xiàng)目（醫(yī)療保險(xiǎn)大數(shù)據(jù)分析與統(tǒng)計(jì)推斷項(xiàng)目實(shí)戰(zhàn)【Hadoop篇】）主要分為七個(gè)部分，分別是：部分：業(yè)務(wù)系統(tǒng)（廣東省新型合作醫(yī)療保險(xiǎn)管理系統(tǒng)）的業(yè)務(wù)邏輯分析、數(shù)據(jù)前期清洗和數(shù)據(jù)分析目標(biāo)指標(biāo)的設(shè)定等，業(yè)務(wù)系統(tǒng)核心業(yè)務(wù)模塊有：參合信息管理、門診補(bǔ)償管理、住院補(bǔ)償管理、降銷補(bǔ)償管理、定點(diǎn)機(jī)構(gòu)管理、保險(xiǎn)基金管理、費(fèi)用項(xiàng)目管理和疾病病種管理等； 第二部分：Linux、Hadoop分布式集群搭建方面的內(nèi)容，大數(shù)據(jù)前沿知識(shí)介紹、Linux及Vmware安裝和使用、Linux/Vmware文件系統(tǒng)操作、Hadoop的單機(jī)、偽分布、完全分布式模式的安裝配置等； 第三部分：Hadoop分布式集群進(jìn)階方面課程，Hadoop2.x體系結(jié)構(gòu)及Hadoop3.0新特性、 HDFS原理，HDFS Shell操作、YARN的基本構(gòu)成和工作原理、MapReduce并行計(jì)算框架、基本的MapReduce算法實(shí)現(xiàn)和Hadoop集群上部署和執(zhí)行MR Job等； 第四部分：大數(shù)據(jù)導(dǎo)入與存儲(chǔ)方面的課程，關(guān)系型數(shù)據(jù)庫基礎(chǔ)知識(shí)、hive的基本語法、hive的架構(gòu)及設(shè)計(jì)原理、hive安裝部署與案例、Sqoop安裝及使用和Sqoop與關(guān)系型數(shù)據(jù)庫進(jìn)行交互等； 第五部分：Hbase理論及實(shí)戰(zhàn)方面的課程，Hbase簡(jiǎn)介、安裝及配置、Hbase的數(shù)據(jù)存儲(chǔ)與數(shù)據(jù)模型、Hbase Shell、Hbase 訪問接口和Hbase數(shù)據(jù)備份與恢復(fù)方法等； 第六部分：醫(yī)療保險(xiǎn)數(shù)據(jù)分析與統(tǒng)計(jì)推斷方面的課程，背景與分析推斷目標(biāo)、數(shù)據(jù)抽取、數(shù)據(jù)探索分析、數(shù)據(jù)預(yù)處理等； 第七部分：數(shù)據(jù)分析與統(tǒng)計(jì)推斷結(jié)果的展示（大數(shù)據(jù)可視化）方面的課程，主要是使用Tableau、D3.js、Highcharts和ECharts等可視化工具和技術(shù) 把最終的分析結(jié)果，以優(yōu)美的圖表展示給客戶。

1）業(yè)務(wù)系統(tǒng)介紹

2）Hadoop入門 

3）Hadoop部署進(jìn)階 

4）大數(shù)據(jù)導(dǎo)入與存儲(chǔ)

5）Hbase理論及實(shí)戰(zhàn)

6）保險(xiǎn)數(shù)據(jù)分析與統(tǒng)計(jì)推斷 

7）數(shù)據(jù)分析與統(tǒng)計(jì)推斷結(jié)果的展示（大數(shù)據(jù)可視化）

課程四十八、AI大數(shù)據(jù)互聯(lián)網(wǎng)電影智能推薦（一季）隨著科技的發(fā)展，現(xiàn)在視頻的來源和類型多樣性，互聯(lián)網(wǎng)視頻內(nèi)容充斥著整個(gè)網(wǎng)絡(luò)，如果僅僅是通過翻頁的方法來尋找自己想看的視頻必然會(huì)感到疲勞，現(xiàn)在急需一種能智能推薦的工具，推薦系統(tǒng)通過分析用戶對(duì)視頻的評(píng)分分析，對(duì)用戶的興趣進(jìn)行建模，從而預(yù)測(cè)用戶的興趣并給用戶進(jìn)行推薦。Python是一種面向?qū)ο蟮慕忉屝陀?jì)算機(jī)程序設(shè)計(jì)語言，Python具有豐富和強(qiáng)大的庫。它常被昵稱為膠水語言，而大數(shù)據(jù)是指無法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，企業(yè)面臨海量數(shù)據(jù)的到來，大多選擇把數(shù)據(jù)從本地遷移至云端，云端將成為大的非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)場(chǎng)所。本項(xiàng)目主要以客戶為載體，分析客戶的群體，分布，旨在挖掘客戶的內(nèi)在需求，幫助企業(yè)實(shí)現(xiàn)更有價(jià)值的營(yíng)銷。

一、教務(wù)管理系統(tǒng)業(yè)務(wù)介紹

1）教務(wù)管理系統(tǒng)框架講解

2）系統(tǒng)業(yè)務(wù)邏輯介紹

二、大數(shù)據(jù)需求分析

1）明確數(shù)據(jù)需求

2）大數(shù)據(jù)分析過程

3）分析難點(diǎn)和解決方案

4）大數(shù)據(jù)相關(guān)技術(shù)選型

三、構(gòu)建分布式大數(shù)據(jù)框架

1）Hadoop分布式集群配置

2）ZooKeeper高可用

3）SQOOP數(shù)據(jù)轉(zhuǎn)移

4）ETL數(shù)據(jù)清洗

5）HIVE數(shù)據(jù)分析

6）HBase數(shù)據(jù)存儲(chǔ)

四、基于教務(wù)管理系統(tǒng)大數(shù)據(jù)分析

1）業(yè)務(wù)數(shù)據(jù)分析指標(biāo)設(shè)定

2）操作MapReduce分而治之

3）使用Hive進(jìn)行數(shù)據(jù)整合抽離

4）使用HBase存儲(chǔ)非結(jié)構(gòu)話數(shù)據(jù)

五、大數(shù)據(jù)可視化

1）可視化技術(shù)選型

2）Echarts代碼展示炫酷視圖

3）使用Tableau進(jìn)行數(shù)據(jù)可視化展示

課程四十九、電商大數(shù)據(jù)情感分析與AI推斷實(shí)戰(zhàn)項(xiàng)目（季）

本項(xiàng)目從開發(fā)的角度以大數(shù)據(jù)、PHP技術(shù)棧為基礎(chǔ)，使用真實(shí)商用表結(jié)構(gòu)和脫敏數(shù)據(jù)，分三步構(gòu)建商用系統(tǒng)、真實(shí)大數(shù)據(jù)環(huán)境、進(jìn)行推斷分析以及呈現(xiàn)結(jié)果。項(xiàng)目課程的完整性、商業(yè)性，可以使學(xué)者盡可能完整地體會(huì)真實(shí)的商業(yè)需求和業(yè)務(wù)邏輯。完整的項(xiàng)目過程，使PHP技術(shù)棧的同學(xué)得以窺見和學(xué)到一個(gè)完整商業(yè)平臺(tái)項(xiàng)目的搭建方法；真實(shí)大數(shù)據(jù)環(huán)境的搭建，使呈現(xiàn)、建立大數(shù)據(jù)的工具應(yīng)用技術(shù)概念儲(chǔ)備；基于大數(shù)據(jù)平臺(tái)的分析需求的實(shí)現(xiàn)、呈現(xiàn)，將完整的一次大數(shù)據(jù)技術(shù)棧到分析結(jié)果的中線，平鋪直述，為想要學(xué)習(xí)大數(shù)據(jù)并有開發(fā)基礎(chǔ)的同學(xué)點(diǎn)亮新的能力。

一、實(shí)踐項(xiàng)目研發(fā)

1）開發(fā)環(huán)境的安裝配置

2）表與數(shù)據(jù)

3）LARAVEL的快速開發(fā)實(shí)踐

4）批量創(chuàng)建模型

5）控制器與表配置

6）統(tǒng)一視圖的創(chuàng)建

二、數(shù)據(jù)分析需求設(shè)立

1）定義數(shù)據(jù)需求

2）分析計(jì)算過程

3）分析難點(diǎn)和解決方案

4）大數(shù)據(jù)技術(shù)選型

三、大數(shù)據(jù)平臺(tái)搭建

1）分布式環(huán)境的模擬建立

2）網(wǎng)絡(luò)環(huán)境的調(diào)通

3）身份驗(yàn)證與集群控制

4）Hadoop環(huán)境搭建和要點(diǎn)說明

5）HIVE數(shù)據(jù)分析

6）MapReduce與Yarn的搭建和說明

四、大數(shù)據(jù)分析腳本編寫

1）MapReduce腳本編寫

2）拆解數(shù)據(jù)需求

3）Map邏輯詳寫

4）Reduce邏輯詳寫

5）結(jié)果整理與輸出

五、結(jié)果可視化

1）可視化需求和技術(shù)選型

2）展示頁面的快速鋪設(shè)

3）可視化JS上手

4）使用可視化JS展示結(jié)果

課程五十、AI法律大數(shù)據(jù)分析與服務(wù)智能推薦實(shí)戰(zhàn)項(xiàng)目(季)

本項(xiàng)目結(jié)合目前流行的大數(shù)據(jù)框架，在原有成熟業(yè)務(wù)的前提下，進(jìn)行大數(shù)據(jù)分析處理，真實(shí)還原企業(yè)應(yīng)用，讓學(xué)員身臨其境的感受企業(yè)大數(shù)據(jù)開發(fā)的整個(gè)流程。項(xiàng)目的業(yè)務(wù)系統(tǒng)底層主要采用JAVA架構(gòu)，大數(shù)據(jù)分析主要采用Hadoop框架，其中包括Kettle實(shí)現(xiàn)ETL、SQOOP、Hive、Kibana、HBASE、Spark以及人工智能算法等框架技術(shù)；采用真實(shí)大數(shù)據(jù)集群環(huán)境的搭建，讓學(xué)員切身感受企業(yè)項(xiàng)目的從0到1的過程。

一、系統(tǒng)業(yè)務(wù)介紹

1）底層業(yè)務(wù)實(shí)現(xiàn)框架講解

2）功能模塊講解

二、系統(tǒng)架構(gòu)設(shè)計(jì)

1）總體架構(gòu)分析

2）數(shù)據(jù)流向

3）各技術(shù)選型承載作用

4）部署方案

三、詳盡實(shí)現(xiàn)

1）原始數(shù)據(jù)處理

2）ETL數(shù)據(jù)導(dǎo)入

3）MR數(shù)據(jù)計(jì)算

4）Hive數(shù)據(jù)分析

四、數(shù)據(jù)可視化

1）采用Highcharts插件展示客戶偏好曲線圖

2）使用Tableau進(jìn)行數(shù)據(jù)分析可視化展示

五、項(xiàng)目?jī)?yōu)化

1）ZooKeeper實(shí)現(xiàn)HA

1）ZooKeeper實(shí)現(xiàn)HA

課程五十一、AI大數(shù)據(jù)基站定位智能推薦商圈分析項(xiàng)目實(shí)戰(zhàn)（季）

隨著當(dāng)今個(gè)人手機(jī)終端的普及、出行人群中手機(jī)擁有率和使用率已達(dá)到相當(dāng)高的比例，根據(jù)手機(jī)信號(hào)在真實(shí)地理空間的覆蓋情況，將手機(jī)用戶時(shí)間序列的手機(jī)定位數(shù)據(jù)，映射至現(xiàn)實(shí)地理位置空間位置，即可完整、客觀地還原出手機(jī)用戶的現(xiàn)實(shí)活動(dòng)軌跡，從而挖掘出人口空間分布與活動(dòng)特征信息。商圈是現(xiàn)代市場(chǎng)中企業(yè)市場(chǎng)活動(dòng)的空間，同時(shí)也是商品和服務(wù)享用者的區(qū)域。商圈劃分為目的之一是研究潛在顧客分布，以制定適宜的商業(yè)對(duì)策。本項(xiàng)目以實(shí)戰(zhàn)為基礎(chǔ)結(jié)合大數(shù)據(jù)技術(shù)Hadoop、.Net技術(shù)全棧為基礎(chǔ)，采用真實(shí)商業(yè)數(shù)據(jù)，分不同環(huán)節(jié)構(gòu)建商用系統(tǒng)、真實(shí)大數(shù)據(jù)環(huán)境、進(jìn)行推斷分析及呈現(xiàn)數(shù)據(jù)。

一、分析系統(tǒng)業(yè)務(wù)邏輯講解

1）大數(shù)據(jù)基站定位智能推薦商圈分析系統(tǒng)介紹

2）數(shù)據(jù)前期清洗和數(shù)據(jù)分析目標(biāo)指標(biāo)的設(shè)定等

二、大數(shù)據(jù)導(dǎo)入與存儲(chǔ)

1）關(guān)系型數(shù)據(jù)庫基礎(chǔ)知識(shí)

2）hive的基本語法

3）hive的架構(gòu)及設(shè)計(jì)原理

4）hive安裝部署與案例等

5）Sqoop安裝及使用

6）Sqoop與關(guān)系型數(shù)據(jù)庫進(jìn)行交互等

7）動(dòng)手實(shí)踐

三、Hbase理論及實(shí)戰(zhàn)

1）Hbase簡(jiǎn)介、安裝及配置

2）Hbase的數(shù)據(jù)存儲(chǔ)與數(shù)據(jù)模型

3）Hbase Shell

4）Hbase 訪問接口

5）Hbase數(shù)據(jù)備份與恢復(fù)方法等

6）動(dòng)手實(shí)踐（數(shù)據(jù)轉(zhuǎn)儲(chǔ)與備份）

四、基站數(shù)據(jù)分析與統(tǒng)計(jì)推斷

1）背景與分析推斷目標(biāo)

2）分析方法與過程推斷

3）動(dòng)手實(shí)踐（分析既定指標(biāo)數(shù)據(jù)）

五、數(shù)據(jù)分析與統(tǒng)計(jì)推斷結(jié)果的展示（大數(shù)據(jù)可視化）

1）使用Tableau展示數(shù)據(jù)分析結(jié)果

2）使用HighCharts、ECharts展示數(shù)據(jù)分析結(jié)果

階段十、百度云實(shí)戰(zhàn)體系

課程五十二、深入理解百度云計(jì)算基礎(chǔ)產(chǎn)品/基于百度云彈性計(jì)算服務(wù)實(shí)現(xiàn)基礎(chǔ)架構(gòu)解決方案全面介紹BCC（CDS 、EIP）、BLB、RDS、BOS、VPC等百度云彈性計(jì)算服務(wù)，介紹百度云的安全防護(hù)方案，深入介紹傳統(tǒng)架構(gòu)下如何通過百度云彈性計(jì)算服務(wù)快速構(gòu)建更穩(wěn)定、安全的應(yīng)用； 認(rèn)證培訓(xùn)專家將通過深入淺出，理論和實(shí)踐相結(jié)合的課程幫助學(xué)員深入掌握百度云彈性計(jì)算服務(wù)。

1)快速體驗(yàn)百度云服務(wù)器BCC的功能全貌

2）基于BCC的云磁盤CDS的操作與管理 

3）基于BCC的磁盤快照、自定義鏡像的操作與管理 

4）基于自定義鏡像快速生成BCC的實(shí)驗(yàn) 

5）基于磁盤快照實(shí)現(xiàn)數(shù)據(jù)備份與恢復(fù)的實(shí)踐

6）基于百度云安全組完成定義IP＋端口的入站和出站訪問策略

7）快速體驗(yàn)百度云私有網(wǎng)絡(luò)VPC的功能全貌

8）基于百度云VPC+VPN快速搭建Stie-to-Stie的混合云架構(gòu)

9）在百度云VPC網(wǎng)絡(luò)下實(shí)現(xiàn)NAT地址映射的實(shí)踐

10）快速體驗(yàn)百度云數(shù)據(jù)庫RDS的功能全貌

11）云數(shù)據(jù)庫RDS的備份與恢復(fù)操作體驗(yàn)

12）熟悉數(shù)據(jù)傳輸服務(wù)DTS的使用

13）快速體驗(yàn)百度云負(fù)載均衡BLB的功能全貌

14）快速體驗(yàn)百度云存儲(chǔ)BOS的功能全貌

15）快速體驗(yàn)百度云數(shù)據(jù)庫RDS的功能全貌

16）快速體驗(yàn)百度云內(nèi)容分發(fā)網(wǎng)絡(luò)CDN

17）基于BLB、BCC、RDS、BOS和CDN快速部署Discuz實(shí)現(xiàn)彈性架構(gòu)綜合實(shí)驗(yàn)

18）快速體驗(yàn)百度云安全BSS和DDOS防護(hù)服務(wù)

19）快速體驗(yàn)百度云監(jiān)控BCM

課程五十三、基于百度云的遷移上云實(shí)戰(zhàn)

基于百度云彈性計(jì)算服務(wù)的基礎(chǔ)產(chǎn)品，實(shí)現(xiàn)傳統(tǒng)IT架構(gòu)遷移到百度云上的實(shí)戰(zhàn)，為客戶業(yè)務(wù)上云提升能力，提升客戶上云前的信心，上云中和上云后的技術(shù)能力。以真實(shí)的客戶案例，結(jié)合設(shè)計(jì)好的動(dòng)手實(shí)驗(yàn)課提升實(shí)戰(zhàn)經(jīng)驗(yàn)，介紹了業(yè)務(wù)上云的過程、方法、工具以及案例等。

1）基于BCC快速部署LNMP基礎(chǔ)環(huán)境

2）基于BCC快速部署LAMP基礎(chǔ)環(huán)境 

3）基于BCC快速部署MySQL數(shù)據(jù)庫 

4）基于BCC快速部署MS SQL數(shù)據(jù)庫服務(wù)

5）基于BCC快速部署Tomcat基礎(chǔ)環(huán)境

6）云數(shù)據(jù)庫RDS結(jié)合數(shù)據(jù)傳輸服務(wù)DTS實(shí)現(xiàn)數(shù)據(jù)遷移上云的實(shí)踐

7）基于BOS桌面實(shí)現(xiàn)BOS的可視化管理

8）基于BOS FS實(shí)現(xiàn)BOS服務(wù)掛載到本地文件系統(tǒng)

9）基于BOS-Util實(shí)現(xiàn)BOS的批量文件操作的演示

10）基于BOS CLI實(shí)現(xiàn)BOS文件的單機(jī)操作

課程五十四、在百度云平臺(tái)上進(jìn)行開發(fā)

全面介紹使用百度云產(chǎn)品進(jìn)行應(yīng)用開發(fā)，理解百度云主要產(chǎn)品特性，包括BCC、BOS、RDS、SCS在應(yīng)用開發(fā)中的使用，結(jié)合實(shí)際應(yīng)用開發(fā)案例全面的介紹整個(gè)開發(fā)流程和百度云產(chǎn)品使用方法，以提升學(xué)員開發(fā)技能和了解百度云產(chǎn)品開發(fā)特點(diǎn)，根據(jù)一天或者兩天的課程，提供多個(gè)實(shí)際動(dòng)手實(shí)驗(yàn)，認(rèn)證講師指導(dǎo)實(shí)驗(yàn)，真正做到學(xué)以致用，為學(xué)員實(shí)現(xiàn)上云開發(fā)保駕護(hù)航。

1）基于百度云OpenAPI實(shí)現(xiàn)簡(jiǎn)化版控制臺(tái)的綜合實(shí)驗(yàn)

2）基于百度云BOS OpenAPI實(shí)現(xiàn)簡(jiǎn)化版的百度網(wǎng)盤

課程五十五、百度云“天算 · 智能大數(shù)據(jù)平臺(tái)”介紹/實(shí)戰(zhàn)

天算是百度云提供的大數(shù)據(jù)和人工智能平臺(tái)，提供了完備的大數(shù)據(jù)托管服務(wù)、智能API以及眾多業(yè)務(wù)場(chǎng)景模板，幫助用戶實(shí)現(xiàn)智能業(yè)務(wù)，引領(lǐng)未來。本課程力求對(duì)百度大數(shù)據(jù)平臺(tái)進(jìn)行整體、全面的介紹，包括天算平臺(tái)與解決方案介紹、主要產(chǎn)品（百度MapReduce BMR、百度機(jī)器學(xué)習(xí)、百度Kafka、百度OLAP引擎Palo等）的介紹、客戶案例分享等。

1）在百度云上使用MapReduce--基于BMR實(shí)現(xiàn)“WordCount

2）在百度云上使用Spark--基于BMR實(shí)現(xiàn)日志數(shù)據(jù)PV\UV統(tǒng)計(jì) 

3）在百度云上使用Hive--基于BMR實(shí)現(xiàn)商品銷售情況統(tǒng)計(jì) 

4）在百度云上使用HBase--基于BMR實(shí)現(xiàn)日志數(shù)據(jù)PV\UV統(tǒng)計(jì) 

5）在百度云上使用Kafka--基于百度Kafka實(shí)現(xiàn)日志數(shù)據(jù)收集

6）在百度云上使用Kafka--基于百度Kafka實(shí)現(xiàn)日志數(shù)據(jù)收集 

7）安裝Java SDK并使用SDK操作百度云MolaDB，包括實(shí)例操作、表操作和數(shù)據(jù)操作 

8）使用百度云BigSQL實(shí)現(xiàn)PB量級(jí)以上的半結(jié)構(gòu)化數(shù)據(jù)即席查詢 

9）使用百度云Sqoop完成數(shù)據(jù)的導(dǎo)入和導(dǎo)出--將RDS上的數(shù)據(jù)導(dǎo)入Hive，HDFS的數(shù)據(jù)導(dǎo)出至關(guān)系型數(shù)據(jù)庫RDS中

課程五十六、百度云“天工 · 智能物聯(lián)網(wǎng)”與“天像· 智能多媒體”服務(wù)平臺(tái)介紹與案例分析

百度天工物聯(lián)平臺(tái)是“一站式、全托管”的物聯(lián)網(wǎng)服務(wù)平臺(tái)，依托百度云基礎(chǔ)產(chǎn)品與服務(wù)，提供全棧物聯(lián)網(wǎng)核心服務(wù)，幫助開發(fā)者快速搭建、部署物聯(lián)網(wǎng)應(yīng)用。通過全面介紹天工的IoT Hub、IoT Parser、Rule Engine、IoT Device、BML、BMR、OCR和語音識(shí)別等產(chǎn)品與服務(wù)，解析天工典型的產(chǎn)品架構(gòu)方案，應(yīng)用到工業(yè)4.0、車聯(lián)網(wǎng)、能源、物流和智能硬件等各行業(yè)解決方案。

1）基于百度云LSS快速搭建音視頻直播平臺(tái)實(shí)踐

2）基于百度云VOD快速搭建音視頻點(diǎn)播平臺(tái)實(shí)踐 

3）體驗(yàn)百度云音視頻轉(zhuǎn)碼MCT的轉(zhuǎn)碼計(jì)算服務(wù)

4）基于百度云文檔服務(wù)DOC體驗(yàn)文檔存儲(chǔ)、轉(zhuǎn)碼、分發(fā)播放一站式服務(wù)體驗(yàn)

5）基于百度云物接入IoT Hub實(shí)現(xiàn)智能設(shè)備與百度云端之間建立安全的雙向連接 

6）體驗(yàn)百度云的物管理IoT Device端到端配置實(shí)踐

階段十一、區(qū)塊鏈

區(qū)塊鏈(Blockchain)是分布式數(shù)據(jù)存儲(chǔ)、點(diǎn)對(duì)點(diǎn)傳輸、共識(shí)機(jī)制、加密算法等計(jì)算機(jī)技術(shù)的新型應(yīng)用模式。所謂共識(shí)機(jī)制是區(qū)塊鏈系統(tǒng)中實(shí)現(xiàn)不同節(jié)點(diǎn)之間建立信任、獲取權(quán)益的數(shù)學(xué)算法。

區(qū)塊鏈?zhǔn)潜忍貛诺牡讓蛹夹g(shù)，像一個(gè)數(shù)據(jù)庫賬本，記載所有的交易記錄。這項(xiàng)技術(shù)也因其安全、便捷的特性逐漸得到了銀行與金融業(yè)的關(guān)注。

一、課程介紹

1）區(qū)塊鏈的發(fā)展

2）課程安排

3）學(xué)習(xí)目標(biāo)

二、區(qū)塊鏈的技術(shù)架構(gòu)

1）數(shù)據(jù)層 創(chuàng)世區(qū)塊 交易記錄 私鑰，公鑰和錢包地址 

2）數(shù)據(jù)層 & 通訊層 記賬原理 Merkle 樹和簡(jiǎn)單支付驗(yàn)證（SPV） P2P通訊 數(shù)據(jù)通信和驗(yàn)證 

3）共識(shí)層

4）激勵(lì)層 拜占庭將軍問題與POW Pos DPos PBFT 挖礦 交易費(fèi) 圖靈完備和非完備

5）合約層 比特幣腳本 以太坊智能合約 fabic智能合約 RPC遠(yuǎn)程調(diào)用

6）應(yīng)用層 

7）總結(jié) 接口調(diào)用 DAPP的使用 應(yīng)用場(chǎng)景的部署 重要概念和原理

三、環(huán)境搭建

1）以太坊 以太坊介紹 以太坊開發(fā)過程 圖形界面客戶端使用 供應(yīng)鏈的應(yīng)用 保險(xiǎn)領(lǐng)域的應(yīng)用 DAO的介紹和應(yīng)用 

2）以太坊 以太坊本地開發(fā)環(huán)境的搭建 以太坊分布式集群環(huán)境的搭建

3）hyperledger項(xiàng)目fabric介 fabric介紹 fabric本地開發(fā)環(huán)境搭建 fabric分布式集群環(huán)境搭建

四、案例和DEMO

1）案例講解 支付和清結(jié)算 公益行業(yè)的應(yīng)用 供應(yīng)鏈的應(yīng)用 保險(xiǎn)領(lǐng)域的應(yīng)用 DAO的介紹和應(yīng)用 

2）Demo介紹 發(fā)幣和交易Demo

3）Demo介紹 數(shù)據(jù)資產(chǎn)的確權(quán)和追溯

階段十二、阿里云認(rèn)證

課程五十七、云計(jì)算 - 網(wǎng)站建設(shè)：部署與發(fā)布

阿里云網(wǎng)站建設(shè)認(rèn)證課程教你如何掌握將一個(gè)本地已經(jīng)設(shè)計(jì)好的靜態(tài)網(wǎng)站發(fā)布到Internet公共互聯(lián)網(wǎng)，綁定域名，完成工信部的ICP備案。

課程五十八、云計(jì)算 - 網(wǎng)站建設(shè)：簡(jiǎn)單動(dòng)態(tài)網(wǎng)站搭建

阿里云簡(jiǎn)單動(dòng)態(tài)網(wǎng)站搭建課程教你掌握如何快速搭建一個(gè)WordPress動(dòng)態(tài)網(wǎng)站，并會(huì)對(duì)網(wǎng)站進(jìn)行個(gè)性化定制，以滿足不同的場(chǎng)景需求。

課程六十、云計(jì)算 - 云服務(wù)器管理維護(hù)

阿里云服務(wù)器運(yùn)維管理課程教你掌握快速開通一臺(tái)云服務(wù)器，并通過管理控制臺(tái)方便地進(jìn)行服務(wù)器的管理、服務(wù)器配置的變更和升級(jí)、數(shù)據(jù)的備份，并保證其可以正常運(yùn)轉(zhuǎn)并按業(yè)務(wù)需求隨時(shí)進(jìn)行配置的變更。

課程六十、云計(jì)算 - 云數(shù)據(jù)庫管理與數(shù)據(jù)遷移

阿里云云數(shù)據(jù)庫管理與數(shù)據(jù)遷移認(rèn)證課程掌握云數(shù)據(jù)庫的概念，如何在云端創(chuàng)建數(shù)據(jù)庫、將自建數(shù)據(jù)庫遷移至云數(shù)據(jù)庫MySQL版、數(shù)據(jù)導(dǎo)入導(dǎo)出，以及云數(shù)據(jù)庫運(yùn)維的常用操作。

課程六十一、云計(jì)算 - 云存儲(chǔ)：對(duì)象存儲(chǔ)管理與安全

阿里云云儲(chǔ)存認(rèn)證課程教你掌握安全、高可靠的云存儲(chǔ)的使用，以及在云端存儲(chǔ)下載文件，處理圖片，以及如何保護(hù)數(shù)據(jù)的安全。

課程六十二、云計(jì)算 - 超大流量網(wǎng)站的負(fù)載均衡

掌握如何為網(wǎng)站實(shí)現(xiàn)負(fù)載均衡，以輕松應(yīng)對(duì)超大流量和高負(fù)載。

課程六十三、大數(shù)據(jù) - MOOC網(wǎng)站日志分析

本課程可以幫助學(xué)員掌握如何收集用戶訪問日志，如何對(duì)訪問日志進(jìn)行分析，如何利用大數(shù)據(jù)計(jì)算服務(wù)對(duì)數(shù)據(jù)進(jìn)行處理，如何以圖表化的形式展示分析后的數(shù)據(jù)。

課程六十四、大數(shù)據(jù) - 搭建企業(yè)級(jí)數(shù)據(jù)分析平臺(tái)

模擬電商場(chǎng)景，搭建企業(yè)級(jí)的數(shù)據(jù)分析平臺(tái)，用來分析商品數(shù)據(jù)、銷售數(shù)據(jù)以及用戶行為等。

課程六十五、大數(shù)據(jù) - 基于LBS的熱點(diǎn)店鋪搜索

本課程可以幫助學(xué)員掌握如何在分布式計(jì)算框架下開發(fā)一個(gè)類似于手機(jī)地圖查找周邊熱點(diǎn)（POI）的功能，掌握GeoHash編碼原理，以及在地理位置中的應(yīng)用，并能將其應(yīng)用在其他基于LBS的定位場(chǎng)景中。課程中完整的演示了整個(gè)開發(fā)步驟，學(xué)員在學(xué)完此課程之后，掌握其原理，可以在各種分布式計(jì)算框架下完成此功能的開發(fā)，比如MapReduce、Spark。

課程六十六、大數(shù)據(jù) - 基于機(jī)器學(xué)習(xí)PAI實(shí)現(xiàn)精細(xì)化營(yíng)銷

本課程通過一個(gè)簡(jiǎn)單案例了解、掌握企業(yè)營(yíng)銷中常見的、也是必需的精準(zhǔn)營(yíng)銷數(shù)據(jù)處理過程，了解機(jī)器學(xué)習(xí)PAI的具體應(yīng)用，指導(dǎo)學(xué)員掌握大數(shù)據(jù)時(shí)代營(yíng)銷的利器---通過機(jī)器學(xué)習(xí)實(shí)現(xiàn)營(yíng)銷。

課程六十七、大數(shù)據(jù) - 基于機(jī)器學(xué)習(xí)的客戶流失預(yù)警分析

本課程講解了客戶流失的分析方法、流程，同時(shí)詳細(xì)介紹了機(jī)器學(xué)習(xí)中常用的分類算法、集成學(xué)習(xí)模型等通用技能，并使用阿里云機(jī)器學(xué)習(xí)PAI實(shí)現(xiàn)流失預(yù)警分析?？梢詭椭髽I(yè)快速、準(zhǔn)確識(shí)別流失客戶，輔助制定策略進(jìn)行客戶關(guān)懷，達(dá)到挽留客戶的目的。

課程六十八、大數(shù)據(jù) - 使用DataV制作實(shí)時(shí)銷售數(shù)據(jù)可視化大屏

幫助非專業(yè)工程師通過圖形化的界面輕松搭建專業(yè)水準(zhǔn)的實(shí)時(shí)可視化數(shù)據(jù)大屏，以滿足業(yè)務(wù)展示、業(yè)務(wù)監(jiān)控、風(fēng)險(xiǎn)預(yù)警等多種業(yè)務(wù)的展示需求。

課程六十九、大數(shù)據(jù) - 使用MaxCompute進(jìn)行數(shù)據(jù)質(zhì)量核查

通過本案例，學(xué)員可了解影響數(shù)據(jù)質(zhì)量的因素，出現(xiàn)數(shù)據(jù)質(zhì)量問題的類型，掌握通過MaxCompute（DateIDE）設(shè)計(jì)數(shù)據(jù)質(zhì)量監(jiān)控的方法，最終獨(dú)立解決常見的數(shù)據(jù)質(zhì)量監(jiān)控需求。

課程七十、大數(shù)據(jù) - 使用Quick BI制作圖形化報(bào)表

阿里云Quick BI制作圖形化報(bào)表認(rèn)證課程教你掌握將電商運(yùn)營(yíng)過程中的數(shù)據(jù)進(jìn)行圖表化展現(xiàn)，掌握通過Quick BI將數(shù)據(jù)制作成各種圖形化報(bào)表的方法，同時(shí)還將掌握搭建企業(yè)級(jí)報(bào)表門戶的方法。

課程七十一、大數(shù)據(jù) - 使用時(shí)間序列分解模型預(yù)測(cè)商品銷量

使用時(shí)間序列分解模型預(yù)測(cè)商品銷量教你掌握商品銷量預(yù)測(cè)方法、時(shí)間序列分解以及熟悉相關(guān)產(chǎn)品的操作演示和項(xiàng)目介紹。

課程七十二、云安全 - 云平臺(tái)使用安全

阿里云云平臺(tái)使用安全認(rèn)證課程教你了解由傳統(tǒng)IT到云計(jì)算架構(gòu)的變遷過程、當(dāng)前信息安全的現(xiàn)狀和形勢(shì)，以及在云計(jì)算時(shí)代不同系統(tǒng)架構(gòu)中應(yīng)該從哪些方面利用云平臺(tái)的優(yōu)勢(shì)使用安全風(fēng)險(xiǎn)快速降低90%。

課程七十三、云安全 - 云上服務(wù)器安全

阿里云云上服務(wù)器安全認(rèn)證課程教你了解在互聯(lián)網(wǎng)上提供計(jì)算功能的服務(wù)器主要面臨哪些安全風(fēng)險(xiǎn)，并針對(duì)這些風(fēng)險(xiǎn)提供了切實(shí)可行的、免費(fèi)的防護(hù)方案。

課程七十四、云安全 - 云上網(wǎng)絡(luò)安全

了解網(wǎng)絡(luò)安全的原理和解決辦法，以及應(yīng)對(duì)DDoS攻擊的方法和防護(hù)措施，確保云上網(wǎng)絡(luò)的安全。

課程七十五、云安全 - 云上數(shù)據(jù)安全

了解云上數(shù)據(jù)的安全隱患，掌握數(shù)據(jù)備份、數(shù)據(jù)加密、數(shù)據(jù)傳輸安全的解決方法。

課程七十六、云安全 - 云上應(yīng)用安全

了解常見的應(yīng)用安全風(fēng)險(xiǎn)，SQL注入原理及防護(hù)，網(wǎng)站防篡改的解決方案等，確保云上應(yīng)用的安全。

課程七十七、云安全 - 云上安全管理

了解云上的安全監(jiān)控方法，學(xué)會(huì)使用監(jiān)控大屏來監(jiān)控安全風(fēng)險(xiǎn)，并能夠自定義報(bào)警規(guī)則，確保隨時(shí)掌握云上應(yīng)用的安全情況。

階段十三、職業(yè)素養(yǎng)

本課程主要為廣大畢業(yè)生或者工作經(jīng)驗(yàn)較少的學(xué)員而設(shè)立，主要是為了在職業(yè)素養(yǎng)方面給大家提供輔導(dǎo)，為更加順利走向職場(chǎng)而提供幫助。

為什么有些同學(xué)在技能方面過關(guān)，卻還是給予別人一種書生氣的感覺？

為什么簡(jiǎn)歷已經(jīng)通過了，卻還是沒有通過HR的面試？

為什么入職后，與同事的溝通總是存在問題?

為什么每天的時(shí)間都不夠用，無法兼顧生活學(xué)習(xí)和工作?

為什么學(xué)習(xí)一段時(shí)間后，對(duì)工作對(duì)職場(chǎng)沒有方向感?

為什么遇到事情，別人總是能夠保持良好心態(tài)游刃有余，而我總是問題百出？

COT課程正是引領(lǐng)大家一起來探索其中的奧秘和方法，讓大家一起在學(xué)習(xí)過程中不斷深思和進(jìn)步，讓大家的職場(chǎng)路越走越順暢！

1）團(tuán)隊(duì)協(xié)作

2）心態(tài)管理

3）目標(biāo)管理

4）時(shí)間管理

5）學(xué)習(xí)管理

6）溝通能力

7）求職目標(biāo)

8）項(xiàng)目管理