打鱼机能涨分的遥控器,机头捕鱼机,PG电子怎么能出

傳智教育(股票代碼 003032)旗下高端IT教育品牌

  • 免費教程
  • 原創(chuàng)書籍
  • 教研團隊
  • 開班時間
  • 報名流程
  • 項目信息站
  • 技術(shù)社區(qū)
北京昌平 
學費是多少? 學多久就業(yè)? 能拿多少工資?
申請免費試聽名額
  • 大數(shù)據(jù)—21世紀的“金礦”
    得數(shù)據(jù)者得天下

    大數(shù)據(jù)對全球發(fā)展影響重大

  • 大數(shù)據(jù)戰(zhàn)略強勢布局
    引領(lǐng)企業(yè)轉(zhuǎn)型

    從數(shù)據(jù)大國邁向數(shù)據(jù)強國

  • 大數(shù)據(jù)產(chǎn)業(yè)規(guī)模
    已超3萬億元

    數(shù)據(jù)來源:《“十四五”大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃》

快速了解大數(shù)據(jù)開發(fā) 學完可以做什么?
  1. 人才需求大缺口1400萬+

  2. 就業(yè)薪資高均薪18300元/月

  3. 升職加薪快雙重晉升通道

了解大數(shù)據(jù)就業(yè)前景
  • 大數(shù)據(jù)開發(fā)入門1

    Linux 基本命令用戶管理VI權(quán)限管理網(wǎng)絡(luò)管理SSH

    MySQL DDLDMLDQL多表查詢分組查詢約束

    Kettle 數(shù)據(jù)轉(zhuǎn)換腳本組件Job開發(fā)

    BI工具 基本操作常用圖表儀表板

    階段案例實戰(zhàn)

    * 傳統(tǒng)數(shù)據(jù)倉庫實戰(zhàn)
  • 大數(shù)據(jù)核心基礎(chǔ)2

    ZooKeeper 架構(gòu)原理存儲模型ZK集群搭建選舉機制

    Hadoop HDFS HDFS架構(gòu)Block塊存儲讀寫流程NameNodeDataNode高可用集群

    Hadoop MapReduce 核心原理執(zhí)行流程Shuffle機制

    Hadoop YARN YARN組件架構(gòu)原理執(zhí)行流程調(diào)度器

    Hive HQL數(shù)據(jù)類型分區(qū)分桶拉鏈表元數(shù)據(jù)數(shù)據(jù)壓縮存儲格式原理架構(gòu)性能優(yōu)化

  • 千億級數(shù)倉技術(shù)3

    CDH CM架構(gòu)組件構(gòu)建CM實操

    基于阿里數(shù)倉分層架構(gòu) ODSDIMDWSDWDDMADS

    Hive + Presto 架構(gòu)原理SQL調(diào)優(yōu)集群構(gòu)建

    Hive 性能調(diào)優(yōu) 數(shù)據(jù)傾斜JOIN調(diào)優(yōu)Hive索引

    調(diào)度 DSAzkabanOozie

    階段項目實戰(zhàn)

    * 黑馬甄選離線數(shù)倉項目 * 黑馬甄選離線數(shù)倉項目(實戰(zhàn))
    能力畫像:掌握數(shù)倉建模的理念和實戰(zhàn),具備離線數(shù)倉開發(fā)能力
    勝任崗位:數(shù)倉開發(fā)工程師、ETL工程師、數(shù)據(jù)治理工程師、數(shù)據(jù)運維工程師
    參考薪資:8000-12000元
  • 數(shù)據(jù)分析技術(shù)4

    Python編程 基本語法數(shù)據(jù)結(jié)構(gòu)函數(shù)面向?qū)ο?/em>異常處理模塊與包網(wǎng)絡(luò)編程多進程多線程閉包裝飾器迭代器

    數(shù)據(jù)分析 Jupyter NotebookPandasMatploblibSeaborn

    階段項目實戰(zhàn)

    * 業(yè)務(wù)數(shù)據(jù)分析實戰(zhàn)
    能力畫像:掌握Python語言,實戰(zhàn)數(shù)據(jù)分析項目,具備數(shù)據(jù)分析工程師能力
    勝任崗位:數(shù)據(jù)庫分析師、BI報表工程師、數(shù)據(jù)運營
    參考薪資:7000-12000元
  • PB級內(nèi)存計算5

    Spark 架構(gòu)原理Spark RDDSpark DFSpark DAGSpark SQL內(nèi)存迭代性能調(diào)優(yōu)任務(wù)調(diào)度Pandas on SparkSpark on HiveSpark ShuffleSpark 3.x 新特性kafka原理和架構(gòu)設(shè)計分布式實時計算架構(gòu)和思想

    用戶畫像及推薦解決方案 SparkSQL整合ES自定義數(shù)據(jù)源、用戶畫像標簽構(gòu)建規(guī)則、用戶畫像規(guī)則類標簽構(gòu)建、用戶畫像統(tǒng)計類標簽構(gòu)建

    階段項目實戰(zhàn)

    * 黑馬甄選用戶畫像及推薦項目
    能力畫像:掌握Structured Streaming等技術(shù),具備離線及實時大數(shù)據(jù)開發(fā)的能力
    勝任崗位:數(shù)據(jù)平臺工程師、用戶畫像工程師、推薦算法工程師、機器學習工程師
    參考薪資:10000-15000元
  • 亞秒級實時計算6

    阿里云實時計算Flink 架構(gòu)原理批流一體Window操作State操作DataStreamCheckpointFlink SQL任務(wù)調(diào)度負載均衡狀態(tài)管理Runtime執(zhí)行計劃Flink性能監(jiān)控與調(diào)優(yōu)阿里云Flink+Kafka阿里云Flink+Paimon

    階段項目實戰(zhàn)

    * 基于阿里云平臺的泛電商實時大數(shù)據(jù)平臺
    能力畫像:通過阿里云平臺掌握開發(fā)離線和實時數(shù)倉項目
    勝任崗位:實時數(shù)倉開發(fā)工程師、數(shù)據(jù)治理工程師、實時風控大數(shù)據(jù)系統(tǒng)
    參考薪資:12000-16000元
  • 大廠面試7

    數(shù)據(jù)結(jié)構(gòu) 數(shù)組鏈表哈希表

    高頻算法 排序查找數(shù)組字符串鏈表隊列二叉樹回溯動態(tài)規(guī)劃貪心復雜度

    面試真題 編程語言SQLHadoop生態(tài)HiveSparkFlink

    大廠架構(gòu) 美團點評數(shù)倉架構(gòu)小米大數(shù)據(jù)架構(gòu)平安大數(shù)據(jù)架構(gòu)

    根據(jù)就業(yè)學員面試反饋,整理面試大綱,掌握大廠必備的知識、技能。模擬面試,針對性解決面試問題,提升面試成功率。
免費領(lǐng)取全套教程
  • AI大模型全程賦能

    讓數(shù)據(jù)分析更精準,開發(fā)更高效

  • 1000+核心業(yè)務(wù)指標

    多行業(yè)高效通用

  • 聯(lián)合阿里云共建課程

    助力企業(yè)“上云”便捷開發(fā)

黑馬程序員
AI+Python大數(shù)據(jù)
課程優(yōu)勢

  • 真業(yè)務(wù)真數(shù)據(jù) 積累真經(jīng)驗

    13大熱門行業(yè),千億級大數(shù)據(jù)實戰(zhàn)

  • 真業(yè)務(wù)真數(shù)據(jù) 積累真經(jīng)驗

    開發(fā)不必從零開始

  • 課程設(shè)置全面

    熱門數(shù)據(jù)崗位全覆蓋

AI大模型全程賦能,讓數(shù)據(jù)開發(fā)更高效
真業(yè)務(wù)、真數(shù)據(jù),積累真經(jīng)驗!
1000+核心業(yè)務(wù)指標,多行業(yè)高效通用
前沿解決方案拿來即用,開發(fā)不必從零開始
  • 基于StarRocks的
    統(tǒng)一數(shù)倉平臺

    核心優(yōu)勢

    適用于數(shù)據(jù)分析、離線數(shù)倉、實時數(shù)倉、用戶畫像、實時風控等應用場景

    全程使用SQL即可完成數(shù)倉開發(fā),學習成本低,上手快

    StarRocks查詢性能強悍,高可用,高可靠,運維簡單

  • 流批一體數(shù)倉
    解決方案

    核心優(yōu)勢

    以電商業(yè)務(wù)為背景,需求涵蓋實時和離線全場景,主題、指標豐富

    基于Flink和Paimon實現(xiàn)流批一體、湖倉一體架構(gòu),極大降低開發(fā)和運維成本

    從0到1進行數(shù)倉規(guī)劃和搭建,融入數(shù)倉建模和開發(fā)流程,快速提高實戰(zhàn)能力

  • 一站式數(shù)據(jù)治理
    解決方案

    核心優(yōu)勢

    提供DataWorks云產(chǎn)品和開源組件兩套解決方案,解決不同公司需求

    涵蓋數(shù)據(jù)質(zhì)量、數(shù)據(jù)安全、數(shù)據(jù)標準、元數(shù)據(jù)管理等全域數(shù)據(jù)治理

    基于銀行業(yè)務(wù)打造,真實還原企業(yè)數(shù)據(jù)治理全流程

  • 阿里云一站式云端
    解決方案

    核心優(yōu)勢

    以打車業(yè)務(wù)為背景,真實還原企業(yè)業(yè)務(wù)場景和需求,方便理解與吸收

    實時基于阿里云Flink開發(fā)運用Flink CDC/Flink SQL進行編程,兼顧易用性和高效性

    離線基于DataWorks和MaxCompute開發(fā),輕松完成數(shù)據(jù)集成、數(shù)據(jù)開發(fā)、項目運維等工作

聯(lián)合阿里云共建課程,助力企業(yè)"上云"便捷開發(fā)

黑馬&阿里云 強強聯(lián)合 研發(fā)阿里云Flink課程該課程是黑馬AI+Python大數(shù)據(jù)V5.0課程新增重要內(nèi)容,它基于各類企業(yè)近期招聘需求,升級了阿里云平臺全套大數(shù)據(jù)技術(shù)棧內(nèi)容。并由多位Apache社區(qū)貢獻者聯(lián)袂授課,采用六項目制驅(qū)動技術(shù)學習,從原理、實戰(zhàn)到源碼,幫助學生邁入高級開發(fā)工程師行列,滿足國家數(shù)字化轉(zhuǎn)型對數(shù)字人才的大量需求。

課程設(shè)置全面,熱門數(shù)據(jù)崗位全覆蓋
  • 數(shù)據(jù)分析

    收集、整理和分析數(shù)據(jù),提供數(shù)據(jù)報告和業(yè)務(wù)建議

    技術(shù)要求:熟練使用數(shù)據(jù)分析工具,理解業(yè)務(wù)需求,具備良好的溝通能力

    熱門崗位

    數(shù)據(jù)庫分析師BI報表工程師數(shù)據(jù)運營

    課程技術(shù)點

    PythonPandasPySparkPython數(shù)據(jù)分析項目帆軟BI

  • 數(shù)據(jù)開發(fā)

    負責大數(shù)據(jù)平臺的搭建與維護、數(shù)據(jù)采集與處理、數(shù)倉設(shè)計與開發(fā)、性能優(yōu)化等工作

    技術(shù)要求:需具備大數(shù)據(jù)技術(shù)棧應用、數(shù)據(jù)處理、數(shù)據(jù)庫應用、數(shù)倉開發(fā)等技能

    熱門崗位

    數(shù)據(jù)庫開發(fā)數(shù)倉開發(fā)工程師ETL工程師數(shù)據(jù)平臺工程師數(shù)據(jù)治理工程師大數(shù)據(jù)運維工程師

    課程技術(shù)點

    Hadoop技術(shù)棧Spark技術(shù)棧Flink技術(shù)棧黑馬甄選項目黑馬出行離線項目實時數(shù)倉項目

  • 數(shù)據(jù)挖掘

    負責利用機器學習算法,從大量數(shù)據(jù)中提取有價值的信息,并基于此進行分析和預測

    技術(shù)要求:數(shù)據(jù)挖掘工程師需具備Python、數(shù)據(jù)處理、機器學習等多方面技能

    熱門崗位

    機器學習工程師數(shù)據(jù)挖掘工程師用戶畫像工程師推薦算法工程師

    課程技術(shù)點

    數(shù)據(jù)治理用戶畫像推薦系統(tǒng)實時風控大數(shù)據(jù)系統(tǒng)統(tǒng)一數(shù)倉系統(tǒng)

AI+Python大數(shù)據(jù)開發(fā)課程大綱

  • 階段一   數(shù)據(jù)庫基礎(chǔ)

    查看詳細課程大綱課時:8天技術(shù)點:60項測驗:1次學習方式:線下面授

    新增AI賦能

    掌握國內(nèi)主流AI編程大模型工具,通過嵌入DataGrip中完成業(yè)務(wù)數(shù)據(jù)分析SQL代碼開發(fā)。

    主講內(nèi)容

    Linux操作系統(tǒng)、MySQL與SQL、Kettle與BI工具、電商運營指標分析

    可掌握的核心能力

    1.掌握MySQL數(shù)據(jù)庫的使用;
    2.掌握SQL語法;
    3.掌握Kettle數(shù)據(jù)遷移工具的使用;
    4.熟練使用BI可視化工具;
    5.對數(shù)據(jù)開發(fā)有一定認知,掌握BI工程師所具備的基本技能。

    可解決的現(xiàn)實問題

    熟練掌握MySQL\SQL、Kettle以及BI工具使用,能夠解決傳統(tǒng)數(shù)倉業(yè)務(wù)開發(fā)任務(wù)。

  • 階段二   Hadoop技術(shù)棧

    查看詳細課程大綱課時:13天技術(shù)點:8項學習方式:線下面授

    新增AI賦能

    能夠基于AI大模型工具輔助完成基本構(gòu)建企業(yè)級數(shù)倉 掌握AI輔助編寫Shell腳本、AI輔助編寫Hive SQL,AI輔助進行SQL性能調(diào)優(yōu)

    主講內(nèi)容

    大數(shù)據(jù)開發(fā)Hadoop基礎(chǔ)、 Hive基礎(chǔ)、Hive進階

    可掌握的核心能力

    1.掌握Linux常用命令,為數(shù)據(jù)開發(fā)后續(xù)學習打下的良好基礎(chǔ);
    2.掌握大數(shù)據(jù)的核心框架Hadoop以及其生態(tài)體系,完成HDFS、MapReduce及Yarn機制基本理解與使用;能夠搭建Hadoop高可用HA集群;
    3.掌握Hive的使用和調(diào)優(yōu);
    4.具備Hadoop開發(fā)能力、離線數(shù)據(jù)倉庫開發(fā)能力;
    5.能夠完成基本構(gòu)建企業(yè)級數(shù)倉。

    可解決的現(xiàn)實問題

    熟悉Linux操作系統(tǒng),以及各種Linux命令,能夠解決企業(yè)級大數(shù)據(jù)集群搭建問題,為進階大數(shù)據(jù)開發(fā)奠定基礎(chǔ)。

  • 階段三   千億級離線數(shù)倉項目

    查看詳細課程大綱課時:11天技術(shù)點:105項學習方式:線下面授

    新增AI賦能

    掌握AI輔助數(shù)據(jù)倉庫建模、Hive SQL調(diào)優(yōu)

    主講內(nèi)容

    大數(shù)據(jù)部署運維:Cloudera Manager、分析決策需求:數(shù)據(jù)倉庫、數(shù)據(jù)采集:DataX、數(shù)據(jù)分析:Hive、數(shù)據(jù)調(diào)度:Dolphinscheduler、OLAP系統(tǒng)存儲:PostgreSql、Fine Report數(shù)據(jù)報表與大屏、數(shù)倉建模: 范式與維度建模、五大核心主題域開發(fā)(銷售域、供應鏈域、會員域等)

    可掌握的核心能力

    1.掌握泛電商行業(yè)離線數(shù)倉的分層與建模,從需求、設(shè)計、研發(fā)、測試到落地上線的完整項目流程;
    2.行業(yè)內(nèi)首個深度講解數(shù)倉建模模型方案的主體項目;
    3.包括海量數(shù)據(jù)場景下如何優(yōu)化配置;
    4.掌握項目遷移能力,能夠?qū)㈨椖窟w移至泛電商的各個領(lǐng)域;
    5.掌握在泛電商行業(yè)中關(guān)于全量與增量數(shù)據(jù)處理模式;
    6.提供泛電商行業(yè)下的數(shù)據(jù)存儲分析以及服務(wù)監(jiān)控方案。

    可解決的現(xiàn)實問題

    能夠解決企業(yè)級常見數(shù)據(jù)倉庫搭建,從項目的需求、技術(shù)架構(gòu)、業(yè)務(wù)架構(gòu)、部署平臺、ETL設(shè)計、作業(yè)調(diào)度等整套pipeline,完成大數(shù)據(jù)體系下的企業(yè)級數(shù)據(jù)倉庫構(gòu)建。

  • 階段四   千億級離線數(shù)倉(實戰(zhàn))

    查看詳細課程大綱課時:4天技術(shù)點:40項學習方式:線下面授

    新增AI賦能

    掌握AI輔助調(diào)度腳本編寫、指標體系構(gòu)建

    主講內(nèi)容

    大數(shù)據(jù)部署運維:Cloudera Manager、分析決策需求:數(shù)據(jù)倉庫、數(shù)據(jù)采集:sqoop、數(shù)據(jù)分析:Hive、分組完成項目

    可掌握的核心能力

    1.掌握教育行業(yè)離線數(shù)倉的分層與建模,從需求、設(shè)計、研發(fā)、測試到落地上線的完整項目流程;
    2.真實業(yè)務(wù)邏輯,共涉及20多個主題,100多個指標,提升學員在教育行業(yè)中的核心競爭力;
    3.包括海量數(shù)據(jù)場景下如何優(yōu)化配置;
    4.拉鏈表的具體應用;
    5.新增數(shù)據(jù)和更新數(shù)據(jù)的抽取和分析;
    6.Hive函數(shù)的具體應用;
    7.ClouderaManager可視化、自動部署和配置、Git、CodeReview功能。

    可解決的現(xiàn)實問題

    按照企業(yè)級大數(shù)據(jù)開發(fā)流程,獨立完成項目開發(fā),掌握企業(yè)級多場景大數(shù)據(jù)離線數(shù)倉開發(fā)能力,從數(shù)倉分層,數(shù)倉建模,指標統(tǒng)計,指標展示完成完整的大數(shù)據(jù)項目。

  • 階段五   BI報表開發(fā)項目實戰(zhàn)

    查看詳細課程大綱課時:4天技術(shù)點:40項學習方式:線下面授

    新增AI賦能

    掌握AI輔助調(diào)度腳本編寫、指標體系構(gòu)建

    主講內(nèi)容

    掌握AI輔助SQL代碼開發(fā)

    可掌握的核心能力

    1.掌握BI報表開發(fā)需求分析
    2.掌握BI報表工具
    3.掌握FineReport報表

    可解決的現(xiàn)實問題

    掌握使用量最廣BI報表開發(fā)工具FineReport,能夠基于FineReport完成不同行業(yè)BI報表開發(fā)及業(yè)務(wù)決策。

  • 階段六   Python基礎(chǔ)編程

    查看詳細課程大綱課時:7天技術(shù)點:80項 測驗:1次 學習方式:線下面授

    新增AI賦能

    掌握AI輔助編寫Python代碼開發(fā)

    主講內(nèi)容

    Python基礎(chǔ)語法、Python面向?qū)ο?、Python高級語法、 Python多任務(wù)編程、Python網(wǎng)絡(luò)編程

    可掌握的核心能力

    1.掌握Python開發(fā)環(huán)境基本配置;
    2.掌握運算符、表達式、流程控制語句、數(shù)組等的使用;
    3.掌握字符串的基本操作;
    4.初步建立面向?qū)ο蟮木幊趟季S;
    5.熟悉異常捕獲的基本流程及使用方式;
    6.掌握類和對象的基本使用方式;
    7.知道多進程多線程的原理。

    可解決的現(xiàn)實問題

    熟練掌握Python語言,建立編程思維,使學員能夠熟練使用Python技術(shù)完成程序編寫。
    熟練使用Python面向?qū)ο蟪绦蛟O(shè)計思想,掌握數(shù)據(jù)開發(fā)必備Python高級語法,解決常見Python開發(fā)問題。

  • 階段七   數(shù)據(jù)分析

    查看詳細課程大綱課時:8天技術(shù)點:100項 學習方式:線下面授

    新增AI賦能

    掌握AI輔助代碼編寫,解決Bug、業(yè)務(wù)指標構(gòu)建

    主講內(nèi)容

    Pandas庫的使用、 數(shù)據(jù)可視化技術(shù)、數(shù)據(jù)分析常用思維與模型、數(shù)據(jù)分析報告撰寫

    可掌握的核心能力

    1.掌握Pandas等Python數(shù)據(jù)分析庫的使用
    2.掌握Matplotlib,Seaborn等數(shù)據(jù)可視化庫的使用
    3.掌握AIPL、AARRR、RFM等常用數(shù)據(jù)分析思維與模型的使用
    4.數(shù)據(jù)分析報告的撰寫
    5.掌握從數(shù)據(jù)處理一直到輸出報告的全流程,掌握數(shù)據(jù)分析師具備的常用技能

    可解決的現(xiàn)實問題

    熟練掌握Pandas,Matplotlib,Seaborn等數(shù)據(jù)處理與可視化開源庫的使用, 能夠應用常用數(shù)據(jù)分析思維與模型解決業(yè)務(wù)問題并輸出數(shù)據(jù)分析報告。

  • 階段八   Spark技術(shù)棧

    查看詳細課程大綱課時:10天技術(shù)點:80項 測驗:1次 學習方式:線下面授

    新增AI賦能

    掌握AI輔助編寫Spark開發(fā)代碼、編寫SparkSOL、解決Bug、性能調(diào)優(yōu)

    主講內(nèi)容

    大數(shù)據(jù)Spark技術(shù)棧、SparkSQL數(shù)據(jù)處理與統(tǒng)計分析、Spark案例實戰(zhàn)

    可掌握的核心能力

    1.掌握Spark的RDD、DAG、CheckPoint等設(shè)計思想;
    2.掌握SparkSQL結(jié)構(gòu)化數(shù)據(jù)處理,Spark On Hive;
    3.掌握Structured Streaming整合多數(shù)據(jù)源完成實時數(shù)據(jù)處理;
    4.具備Spark全棧開發(fā)能力,滿足大數(shù)據(jù)行業(yè)多場景統(tǒng)一技術(shù)棧的數(shù)據(jù)開發(fā),提供就業(yè)核心競爭力。

    可解決的現(xiàn)實問題

    掌握全球熱門的Spark技術(shù)棧,通過SparkCore和SparkSQL解決數(shù)據(jù)處理與統(tǒng)計分析工作,進階高級大數(shù)據(jù)開發(fā)工程師。

  • 階段九   用戶畫像解決方案

    查看詳細課程大綱課時:12天技術(shù)點:100項 學習方式:線下面授

    新增AI賦能

    掌握AI輔助編寫PySpark開發(fā)代碼、解決Bug、性能調(diào)優(yōu)

    主講內(nèi)容

    SparkSQL整合ES自定義數(shù)據(jù)源、DS任務(wù)界面化調(diào)度、用戶畫像標簽構(gòu)建規(guī)則、用戶畫像規(guī)則類標簽構(gòu)建、用戶畫像統(tǒng)計類標簽構(gòu)建

    可掌握的核心能力

    1.掌握SparkSQL整合ES自定義數(shù)據(jù)源;
    2.掌握用戶畫像構(gòu)建流程;
    3.掌握用戶畫像標簽構(gòu)建規(guī)則;
    4.掌握用戶畫像規(guī)則類標簽構(gòu)建;
    5.掌握用戶畫像統(tǒng)計類標簽構(gòu)建。

    可解決的現(xiàn)實問題

    項目提供了全行業(yè)用戶畫像解決方案, 使用SparkSQL+ES+DS構(gòu)建企業(yè)級用戶畫像,通過SparkSQL+MySQL構(gòu)建通用行業(yè)用戶畫像標簽體系。

  • 階段十   大模型Agent應用開發(fā)

    查看詳細課程大綱課時:2天技術(shù)點:40項 學習方式:線下面授

    新增AI賦能

    掌握AI Agent構(gòu)建數(shù)據(jù)分析領(lǐng)域智能體,助力高效數(shù)據(jù)分析

    主講內(nèi)容

    基于Agent的數(shù)據(jù)庫查詢操作、大模型Function Cal原理與實現(xiàn)、Assistant APl的原理及應用、基于本地知識庫搭建答疑聊天機器人

    可掌握的核心能力

    1.能夠利用AI大模型相關(guān)技術(shù),構(gòu)建AlAgent的數(shù)據(jù)開發(fā)相關(guān)應用,助力高效數(shù)據(jù)開發(fā)

    可解決的現(xiàn)實問題

    掌握如何使用AI大模型幫助數(shù)據(jù)開發(fā)和數(shù)據(jù)分析編程效率提升,具備使用AI大模型解決問題的能力。

  • 階段十一   面試加強

    查看詳細課程大綱課時:5天技術(shù)點:30項 測驗:1次 學習方式:線下面授

    新增AI賦能

    通過AI大模型提高刷題效率

    主講內(nèi)容

    核心技能知識點以及常見面試題強化學習

    可掌握的核心能力

    1.強化面試就業(yè)核心面試題;
    2.梳理大數(shù)據(jù)架構(gòu)及解決方案;
    3.剖析多行業(yè)大數(shù)據(jù)架構(gòu)。

    可解決的現(xiàn)實問題

    對學習的內(nèi)容進行整體回顧,并分析經(jīng)典面試題,指導簡歷,面試和溝通技巧。

  • 階段十二   阿里云實時計算技術(shù)

    查看詳細課程大綱課時:6天技術(shù)點:80項 測驗:1次 學習方式:線下面授

    新增AI賦能

    掌握基礎(chǔ)AI輔助編寫需求代碼、解決代碼Bug

    主講內(nèi)容

    阿里云Flink入門、Flink SQL、Flink作業(yè)開發(fā)、阿里云Flink運維

    可掌握的核心能力

    1.掌握基于阿里云Flink進行實時和離線數(shù)據(jù)處理、分析;
    2.掌握基于阿里云Flink的多流并行處理技術(shù);
    3.掌握FlinkCDC多數(shù)據(jù)源采集技術(shù)。

    可解決的現(xiàn)實問題

    掌握當下熱門的流批一體化分布式計算框架阿里云Flink及其生態(tài),解決實時計算經(jīng)典場景問題,適應市場對阿里云Flink越發(fā)增長的需求。

  • 階段十三   阿里云實時計算項目

    查看詳細課程大綱課時:7天技術(shù)點:80項 學習方式:線下面授

    新增AI賦能

    掌握基礎(chǔ)AI輔助編寫需求代碼、解決代碼Bug選擇

    主講內(nèi)容

    基于阿里云Flink + Kafka + Paimon 湖倉一體技術(shù)架構(gòu),實現(xiàn)在線視頻行業(yè)大規(guī)模流數(shù)據(jù)處理和實時分析。本項目依托 阿里云 Flink 流處理計算引擎, 通過 FlinkCDC 實時采集 RDS MySQL 數(shù)據(jù)庫數(shù)據(jù),實現(xiàn)數(shù)據(jù)采集的斷點續(xù)傳,使用Kafka 作為實時數(shù)倉,使用 Paimon 實現(xiàn)數(shù)據(jù)的持久化和Flink 批處理,實現(xiàn)計算的流批一體,數(shù)據(jù)存儲的湖倉一體,采用StarRocks對接DataV完成實時業(yè)務(wù)大屏展示。

    可掌握的核心能力

    1.湖倉一體化解決方案基于Flink+Paimon湖倉一體技術(shù)架構(gòu);
    2.基于FlinkCDC完成MySQL等數(shù)據(jù)源的數(shù)據(jù)采集;
    3.FlinkSQL流批一體架構(gòu)實現(xiàn)實時數(shù)據(jù)計算;
    4.使用StarRocks進行海量多維分析;
    5.掌握數(shù)據(jù)報表分析;
    6.掌握業(yè)務(wù)數(shù)據(jù)實時大屏場景實現(xiàn)。

    可解決的現(xiàn)實問題

    采集超過千萬條在線視頻的數(shù)據(jù),實時高性能海量數(shù)據(jù)分析與存儲業(yè)務(wù)數(shù)據(jù)實時大屏場景實現(xiàn)。

查看詳細課程大綱亞秒級實時進階課(免費贈送)課時:8天

提升職場競爭力 實力加倍

學習目標

1.線上3個月進階大數(shù)據(jù)實時開發(fā),多行業(yè)大數(shù)據(jù)項目助力企業(yè)數(shù)字人才精英
2.皆在成就實時開發(fā)工程師,大數(shù)據(jù)架構(gòu)師等,幫助學員成為優(yōu)秀的實時工程師

技術(shù)階段

· 大數(shù)據(jù)Java語言· 數(shù)據(jù)采集· NoSQL&消息中心· 實時OLAP框架· 數(shù)據(jù)湖開發(fā)· Flink技術(shù)棧
· FlinkSQL原理到精通· 基于DataWorks全鏈路數(shù)據(jù)開發(fā)· 湖倉一體化解決方案· Flink源碼剖析· Flink二次開發(fā)

項目階段

· 星途車聯(lián)網(wǎng)實時項目· 今日指數(shù)證券實時項目

免費試聽 獲取課程大綱
  • 電商 BI開發(fā)
  • 新零售 離線數(shù)倉
  • 新零售 實時數(shù)倉
  • 智慧出行 開源
  • 智慧出行 阿里云
  • 基于FineReport的BI項目NEW

    基于某B2B互聯(lián)網(wǎng)電商平臺為背景,根據(jù)訂單信息、門店信息、店鋪信息以及商品信息等進行分析,制作不同需求報表,以供業(yè)務(wù)人員和管理人員每天查看分析并制定相應的措施,為企業(yè)經(jīng)營決策提供數(shù)據(jù)支撐,從而實現(xiàn)公司利益最大化。

    應用場景

    ETL數(shù)據(jù)開發(fā)定時調(diào)度BI報表設(shè)計

    項目優(yōu)勢

    完整的BI項目開發(fā)流程、全方面掌握FineReport報表開發(fā)、提供BI項目的全方位解決方案

    立即體驗項目 查看更多項目
  • 企業(yè)級真實新零售大數(shù)據(jù)項目NEW

    項目以新零售業(yè)務(wù)為背景,真實還原企業(yè)業(yè)務(wù)與需求。通過從0到1的搭建和開發(fā)流程,使學生掌握離線數(shù)倉技術(shù)棧的同時,能夠極大提高需求分析與開發(fā)能力。

    應用場景

    多源數(shù)據(jù)遷移海量數(shù)據(jù)存儲離線數(shù)倉設(shè)計與實現(xiàn)

    項目優(yōu)勢

    技術(shù)架構(gòu)主流、項目真實度高、教學設(shè)計合理、調(diào)優(yōu)策略豐富

    立即體驗項目 查看更多項目
  • 基于流批一體架構(gòu)的新零售大數(shù)據(jù)項目NEW

    項目以Flink、Hudi、Hive為核心組件,打造成企業(yè)級流批一體數(shù)倉系統(tǒng),具備延遲低、成本低和吞吐量大等特點,可以滿足企業(yè)的所有實時和離線需求。通過項目學習,可以對流批一體的的應用有更深的理解,助力高薪就業(yè)。

    應用場景

    流批一體數(shù)據(jù)采集流批一體數(shù)據(jù)存儲流批一體數(shù)據(jù)計算

    項目優(yōu)勢

    先進的流批一體架構(gòu)、項目真實度高、教學設(shè)計合理

    立即體驗項目 查看更多項目
  • 出行行業(yè)流批一體數(shù)據(jù)倉庫NEW

    以人們息息相關(guān)的出行業(yè)務(wù)為背景,以時下火熱的流批一體架構(gòu)來實現(xiàn)的PB級數(shù)據(jù)倉庫。通過學習,使同學掌握Flink和Paimon為主體的大數(shù)據(jù)技術(shù)棧,并通過數(shù)倉開發(fā)教學與實戰(zhàn),極大提高數(shù)倉開發(fā)能力。

    應用場景

    流批一體數(shù)據(jù)采集流批一體數(shù)據(jù)存儲流批一體數(shù)據(jù)計算

    項目優(yōu)勢

    業(yè)務(wù)新穎易理解、技術(shù)先進且實用、講練結(jié)合吸收好

    立即體驗項目 查看更多項目
  • 基于阿里云的出行大數(shù)據(jù)項目NEW

    隨著云平臺的普及,越來越多的公司使用云平臺來開發(fā)大數(shù)據(jù)應用。項目采用DataWorks+MaxCompute和阿里云Flink兩大主流解決方案,來實現(xiàn)離線數(shù)倉和實時數(shù)倉搭建,使學生充分掌握云平臺的使用,并提高整體開發(fā)能力。

    應用場景

    云平臺存儲云平臺計算數(shù)據(jù)倉庫開發(fā)

    項目優(yōu)勢

    業(yè)務(wù)新穎易理解、云平臺應用就業(yè)廣、離線實時全覆蓋

    立即體驗項目 查看更多項目

史老師

大數(shù)據(jù)架構(gòu)師
擁有豐富的技術(shù)攻堅經(jīng)驗 多年大數(shù)據(jù)架構(gòu)及開發(fā)經(jīng)驗,對數(shù)據(jù)分析,大數(shù)據(jù)開發(fā),后端開發(fā)等技術(shù)有深入了解。在多家軟件公司擔任開發(fā)工程師, 架構(gòu)師

趙老師

Apache Pulsar社區(qū)貢獻者
擅長數(shù)倉領(lǐng)域 從事多年爬蟲與大數(shù)據(jù)開發(fā)與教學,對大數(shù)據(jù)的主流框架有著深入的理解 參與并主導的項目涉及分布式電商,數(shù)據(jù)爬取,離線分析等多個行業(yè)

張老師

Apache Flink源碼貢獻者
ApacheCon Asia 2022亞洲峰會特邀講師 曾任網(wǎng)易游戲大數(shù)據(jù)平臺組項目經(jīng)理、高級專家、技術(shù)總監(jiān)等職務(wù) 主導設(shè)計游戲一體化大數(shù)據(jù)運營平臺

曹老師

Apache Flink源碼貢獻者
擅長大數(shù)據(jù)云平臺技術(shù)領(lǐng)域 曾擔任京東及小米有品電商部擔任大數(shù)據(jù)部門技術(shù)骨干。擁有萬億級數(shù)據(jù)處理經(jīng)驗 具有多年大數(shù)據(jù)領(lǐng)域和云平臺研發(fā)經(jīng)驗

孔老師

架構(gòu)師,技術(shù)經(jīng)理
熟悉大數(shù)據(jù)&數(shù)據(jù)庫&后端&前端 曾在途牛旅游網(wǎng)、江蘇移動等公司擔任技術(shù)經(jīng)理和架構(gòu)師,負責優(yōu)化技術(shù)架構(gòu)和系統(tǒng)流程,解決性能、效率、維護等問題

趙老師

985計算機碩士
ApacheCon Asia 2022亞洲峰會特邀講師 主導研發(fā)多項國家和省級科研項目,負責企業(yè)級信貸風控模型和智能醫(yī)療數(shù)據(jù)平臺開發(fā) 任職頭部互聯(lián)網(wǎng)企業(yè)搜索部負責搜索排序及推薦平臺研發(fā)

李老師

985計算機碩士
Apache Doris社區(qū)貢獻者 曾任職于百度搜索研發(fā)部負責搜索推薦業(yè)務(wù),主導多項產(chǎn)品實施落地 曾任中國電子科技集團公司第七研究所技術(shù)專家

行業(yè)貢獻: 受邀參加云棲大會、Apache Flink Aisa Metting、Apache CosCon Aisa Meeting等行業(yè)大會,并發(fā)表主旨演講
Apache Flink社區(qū)源碼貢獻者 2名Apache Pulsar社區(qū)貢獻者 1名Apache Hudi社區(qū)貢獻者 1名Apache Doris社區(qū)貢獻者 1名

與名師對話

在實時計算領(lǐng)域,阿里云實時計算Flink版一直是各大中小企業(yè)的主流選擇,期待阿里云與傳智教育的合作能夠培養(yǎng)大量滿足企業(yè)實際開發(fā)需求的實戰(zhàn)型人才,助力企業(yè)在云上更方便、快捷、低成本的構(gòu)建大數(shù)據(jù)分析平臺,讓企業(yè)和學員都能得到受益。

宋辛童(五藏)Apache Flink Committer,阿里巴巴技術(shù)專家,北京大學博士

傳智教育一直以高質(zhì)量的教學口碑引領(lǐng)著IT教育培訓,積極參與開源貢獻并在全球頂級開峰會進行技術(shù)分享,其推出的教學視頻更是讓眾多開發(fā)者快速的擁抱前沿開源技術(shù),推動了開源項目的發(fā)展。期待傳智教育推出更多優(yōu)質(zhì)的開源課程,讓千千萬萬的IT學子少走彎路,也期待與開源社區(qū)繼續(xù)深入合作,一起把優(yōu)秀的開源項目推向全球!

李崗ASF Member,Apache DolphinScheduler PMC

中國開源軟件的發(fā)展和崛起離不開培訓機構(gòu)的大力傳播,傳智教育作為在IT培訓領(lǐng)域知名的機構(gòu),推出了大量的開源項目相關(guān)的優(yōu)質(zhì)視頻,讓很多想從事IT的小伙伴和從業(yè)者能夠從中受用。同時傳智也有不少老師身體力行地為開源獻力:或提交源碼、或分享實踐、或傳道受業(yè)解惑,展現(xiàn)了“開源參與你我他”的精神,期待傳智教育能夠培養(yǎng)出來更多熱愛開源的人才,讓中國開源軟件能夠立足中國,貢獻全球

代立冬白鯨開源聯(lián)合創(chuàng)始人、Apache 孵化器導師,Apache DolphinScheduler PMC Chair& Apache SeaTunnel PMC、ApacheCon 亞洲大數(shù)據(jù)湖倉論壇出品人,中國開源先鋒

  • 全日制教學管理每天10小時專屬學習計劃
    測試、出勤排名公示
    早課+課堂+輔導+測試+心理疏導

  • 實戰(zhàn)項目貫穿教學一線大廠實戰(zhàn)項目
    實用技術(shù)全面覆蓋
    課程直擊企業(yè)需求

  • AI教輔保障學習效果水平測評,目標導向?qū)W習
    隨堂診斷糾錯,階段測評
    在線題庫,BI報表數(shù)據(jù)呈現(xiàn)

  • 個性化就業(yè)指導就業(yè)指導課,精講面試題
    模擬面試,給出就業(yè)建議
    試用期輔導,幫助平穩(wěn)過渡

  • 持續(xù)助力職場發(fā)展免費享,更新項目和學習資料
    主題講座,獲取行業(yè)前沿資訊
    人脈經(jīng)驗,線下老學員分享會

  • 無憂學就業(yè)權(quán)益未就業(yè),全額退費
    薪資低于標準,發(fā)放補貼
    多一份安心,學習無憂

  • 1教學管理
  • 2項目實戰(zhàn)
  • 3教輔促學
  • 4求職指導
  • 5職后提升
  • 6無憂學

* 學員就業(yè)信息統(tǒng)計數(shù)據(jù)為數(shù)據(jù)庫中實時獲取的真實相關(guān)數(shù)據(jù),非廣告宣傳 更多學員就業(yè)信息

聽一聽黑馬學員的真實就業(yè)感受

0元試學 滿意再報名

更多>>Python+大數(shù)據(jù)學科動態(tài)

  • 01黑馬程序員聯(lián)合SelectDB公司,Apache Doris中文視頻教程已上線!
  • 02再升級! 業(yè)務(wù)+技術(shù)并重,Python+大數(shù)據(jù)開發(fā)課程V3.0
  • 03傳智教育攜手天津經(jīng)開區(qū)人社局推動職業(yè)技能競賽廣泛開展
  • 04傳智教育與阿里云達成深度合作,共同培養(yǎng)高新數(shù)字化人才
  • 05薪資暴漲!黑馬Python+大數(shù)據(jù)開發(fā)學科新項目揭秘!
  • 06抓住機會有多重要?未來大數(shù)據(jù)行業(yè)的機遇在...

更多>>python+大數(shù)據(jù)技術(shù)資訊

  • 01新版Python安裝圖文教程[很詳細]
  • 02有哪些防爬蟲/反爬蟲的策略方法?
  • 03Python語言這么火發(fā)展前景怎么樣?
  • 04Python爬蟲可以做什么?
  • 05Python日志模塊 logging怎么用?
  • 06Python是什么?Python可以用來做什么?
  • 07Python開發(fā)工程師培訓技術(shù)資訊

更多>>Python培訓常見問題

  • 01Python入門教程推薦
  • 02Python培訓課程哪個好?
  • 03代碼編程教學入門
  • 04普通人學Python有意義嗎?
  • 05網(wǎng)上學Python靠譜嗎?
  • 06Python培訓費用一般多少錢?

AI+Python大數(shù)據(jù)課程體系V5.0

聚集多位Apache 社區(qū)貢獻者及大廠技術(shù)講師,聯(lián)合推出行業(yè)重磅AI+Python大數(shù)據(jù)V5.0課程,通過5-6個月學習進階數(shù)據(jù)開發(fā)工程師,獲取3-4年開發(fā)經(jīng)驗,對標高級數(shù)據(jù)開發(fā)工程師。

AI+Python大數(shù)據(jù)V5.0學習路線概覽

第一階段第二階段第三階段第四階段第五階段

數(shù)據(jù)庫基礎(chǔ) Hadoop技術(shù)棧 千億級離線數(shù)倉項目 千億級離線數(shù)倉(實戰(zhàn)) BI報表開發(fā)項目實戰(zhàn)

第六階段第七階段第八階段第九階段

Python基礎(chǔ)編程 數(shù)據(jù)分析 Spark技術(shù)棧 用戶畫像解決方案

第十階段第十一階段第十二階段第十三階段

大模型Agent應用開發(fā) 面試加強 阿里云實時計算技術(shù) 阿里云實時計算項目

AI+Python大數(shù)據(jù)V5.0 五大課程優(yōu)勢:

優(yōu)勢1:AI大模型全程賦能,讓數(shù)據(jù)分析更精準,開發(fā)更高效;
優(yōu)勢2:1000+核心業(yè)務(wù)指標,多行業(yè)高效通用;
優(yōu)勢3:前沿解決方案拿來即用,開發(fā)不必從零開始;
優(yōu)勢4:聯(lián)合阿里云共建課程, 助力企業(yè)“上云”便捷開發(fā);
優(yōu)勢5:課程設(shè)置全面,熱門數(shù)據(jù)崗位全覆蓋 。

  • AI大模型全程賦能,讓數(shù)據(jù)分析更精準,開發(fā)更高效 AI提高學習效率:全部技術(shù)階段融入AI編程
    AI提高項目開發(fā)效率:全階段項目融入AI編程
    AI提高閱讀代碼效率:復雜Spark算子的底層源碼解讀
    通過AI提高刷題效率:學員能夠用使用AI大模型進行數(shù)據(jù)開發(fā)方向面試題問答,讓刷題更高效

敢以班級為單位公開就業(yè)信息的機構(gòu),只有黑馬程序員!通過數(shù)千班級實施和就業(yè)結(jié)果顯示,黑馬程序員Python+大數(shù)據(jù)開發(fā)的課程,有效大幅提升就業(yè)薪資水平!

課程大綱

  1. 基礎(chǔ)班

    1. 數(shù)據(jù)庫基礎(chǔ)

  2. 高手班

    1. Hadoop技術(shù)棧 2. 千億級離線數(shù)倉項目 3. 千億級離線數(shù)倉實戰(zhàn) 4. BI報表開發(fā)項目實戰(zhàn) 5. Python基礎(chǔ)編程 6. 數(shù)據(jù)分析 7. Spark技術(shù)棧 8. 用戶畫像解決方案 9. 大模型Agent應用開發(fā) 10. 面試加強 11. 阿里云實時計算技術(shù) 12. 阿里云實時計算項目

  3. Python+大數(shù)據(jù)版本V5.0

  • 數(shù)據(jù)庫基礎(chǔ)基礎(chǔ)班 1

    課時:8天 技術(shù)點:60項 測驗:1次 學習方式:線下面授

    學習目標

    1.掌握MySQL數(shù)據(jù)庫的使用| 2.掌握SQL語法| 3.掌握Kettle數(shù)據(jù)遷移工具的使用| 4.熟練使用BI可視化工具| 5.對數(shù)據(jù)開發(fā)有一定認知,掌握BI工程師所具備的基本技能

    主講內(nèi)容

    1. MySQL與SQL零基礎(chǔ)小白通過MySQL數(shù)據(jù)庫,掌握核心必備SQL,包含了以下技術(shù)點:

    1.數(shù)據(jù)庫環(huán)境搭建| 2.SQL語言(DDL、DML、DQL)| 3.多表查詢| 4.索引等

    2. Kettle與BI工具使用Kettle做數(shù)據(jù)遷移,通過BI工具展示Excel、MySQL中的數(shù)據(jù),包含了以下技術(shù)點:

    1.數(shù)據(jù)倉庫與ETL| 2.Kettle安裝部署| 3.數(shù)據(jù)抽取與裝載入門| 4.表輸入組件| 5.表輸出| 6.插入/更新| 7.switch/case等組件使用,開發(fā)Kettle作業(yè)等

    3. 電商運營指標分析通過Kettle+MySQL+FineBI完成電商運營指標分析,包含了以下技術(shù)點:

    1.電商業(yè)務(wù)背景| 2.案例架構(gòu)| 3.數(shù)據(jù)倉庫數(shù)據(jù)增量同步| 4.ETL開發(fā)| 5.指標SQL開發(fā)| 6.Kettle作業(yè)調(diào)度| 7.FineBI可視化展示等

  • Hadoop技術(shù)棧高手班 1

    課時:13天 技術(shù)點:8項 測驗:0次 學習方式:線下面授

    學習目標

    1.掌握Linux常用命令,為數(shù)據(jù)開發(fā)后續(xù)學習打下的良好基礎(chǔ)| 2.掌握大數(shù)據(jù)的核心框架Hadoop以及其生態(tài)體系,完成HDFS、MapReduce及Yarn機制基本理解與使用;能顧搭建Hadoop高可用HA集群| 3.掌握Hive的使用和調(diào)優(yōu)| 4.具備Hadoop開發(fā)能力、離線數(shù)據(jù)倉庫開發(fā)能力| 5.能夠完成基本構(gòu)建企業(yè)級數(shù)倉

    主講內(nèi)容

    1. Linux掌握Linux操作系統(tǒng)常用命令和權(quán)限管理,包含了以下技術(shù)點:

    1.Linux系統(tǒng)安裝和體驗| 2.Linux系統(tǒng)網(wǎng)絡(luò)配置和連接工具| 3.Linux系統(tǒng)目錄結(jié)構(gòu)| 4.Linux命令使用| 5.Linux命令選項的使用| 6.遠程登錄和遠程拷貝| 7.Linux權(quán)限管理| 8.vi編輯器使用| 9.sed| 10.awk| 11.權(quán)限管理

    2. 大數(shù)據(jù)基礎(chǔ)和硬件介紹進一步闡述大數(shù)據(jù)特點與分布式思想,知識點由淺入深,包含了以下技術(shù)點:

    1.大數(shù)據(jù)的特點| 2.分布式存儲概念| 3.分布式計算的概念| 4.服務(wù)器種類介紹、機架、交換機| 5.網(wǎng)絡(luò)拓撲、Raid、IDC數(shù)據(jù)中心| 6.Linux shell編程、awk、sed、cut、ssh、scp、expect、yum、nestat、top 、iostat等高級命令使用

    3. ZooKeeper分布式軟件管家,實現(xiàn)了集群管理與leader選舉,包含了以下技術(shù)點:

    1.ZooKeeper的應用場景| 2.架構(gòu)和原理| 3.存儲模型| 4.選舉機制| 5.客戶端操作

    4. HDFS分布式文件系統(tǒng),解決了海量數(shù)據(jù)存儲與容錯,包含了以下技術(shù)點:

    1.HDFS設(shè)計的特點| 2.Master-Slave架構(gòu)| 3.Block塊存儲、RF拷貝因子、機架感知| 4.Block拷貝策略、讀寫流程| 5.HDFS Federation、HDFS Snapshots、NameNode HA架構(gòu)和原理| 6.HDFS管理員常用操作、HDFS權(quán)限控

    5. MapReduce分布式計算系統(tǒng),解決海量數(shù)據(jù)的計算,包含了以下技術(shù)點:

    1.MapReduce架構(gòu)和原理| 2.Split機制| 3.MapReduce并行度| 4.Combiner機制| 5.Partition機制、自定義Partition| 6.MapReduce序列化、自定義排序、數(shù)據(jù)壓縮

    6. YARN分布式資源調(diào)度管理器,管理服務(wù)器軟件資源,包含了以下技術(shù)點:

    1.Yarn原理和架構(gòu)| 2.Yarn高可用| 3.Container資源的封裝(CPU、內(nèi)存和IO)| 4.資源調(diào)度策略(FIFO、Fair和Capacity)

    7. Hive基礎(chǔ)數(shù)據(jù)倉庫Hive,實現(xiàn)企業(yè)級數(shù)倉必備工具,包含以下知識點:

    1.HQL操作| 2.數(shù)據(jù)類型| 3.分區(qū)、分桶、臨時表| 4..explain執(zhí)行計劃詳解

    8. Hive進階數(shù)據(jù)倉庫Hive高階原理和架構(gòu)深入,實現(xiàn)企業(yè)級數(shù)倉優(yōu)化,包含以下知識點:

    1.Hive原理和架構(gòu) 2.Meta Store服務(wù) 3.HiveServer內(nèi)置函數(shù) 4.自定義UDF和UDAF 5.數(shù)據(jù)壓縮、存儲格式、自動化腳本、常見性能優(yōu)化

  • 千億級離線數(shù)倉項目高手班 2

    課時:11天技術(shù)點:105項測驗:0次學習方式:線下面授

    學習目標

    1.掌握泛電商行業(yè)離線數(shù)倉的分層與建模,從需求、設(shè)計、研發(fā)、測試到落地上線的完整項目流程| 2.行業(yè)內(nèi)首個深度講解數(shù)倉建模模型方案的主體項目| 3.包括海量數(shù)據(jù)場景下如何優(yōu)化配置| 4.掌握項目遷移能力,能夠?qū)㈨椖窟w移至泛電商的各個領(lǐng)域| 5.掌握在泛電商行業(yè)中關(guān)于全量與增量數(shù)據(jù)處理模式| 6.提供泛電商行業(yè)下的數(shù)據(jù)存儲分析以及服務(wù)監(jiān)控方案

    本項目基于某泛電商研發(fā)的大數(shù)據(jù)分析平臺。項目原型來自于某大型生鮮平臺,完全模擬企業(yè)真實數(shù)倉開發(fā)模式,擁有真實的主題化開發(fā);真實的數(shù)據(jù)結(jié)構(gòu),復雜的SQL實現(xiàn)過程,學生學習以后可以開發(fā)企業(yè)級離線數(shù)倉的水平。

    主講解決方案

    1.項目介紹與環(huán)境準備| 2.數(shù)據(jù)遷移與數(shù)倉分層設(shè)計| 3.核心五大主題域開發(fā)| 4.基于Fine Report的大屏展示| 5.基于海豚調(diào)度的全流程項目上線實施| 5.提供新泛電商大型商超集團的數(shù)據(jù)存儲分析以及服務(wù)監(jiān)控方案

    主講知識點

    1.大數(shù)據(jù)部署運維:Cloudera Manager| 2.分析決策需求數(shù)據(jù)倉庫:Hive| 3.數(shù)據(jù)采集:DataX| 4.數(shù)據(jù)分析:Hive| 5.數(shù)據(jù)調(diào)度:Dolphin Scheduler| 6.OLAP系統(tǒng)存儲:Postgre SQL| 7.Fine Report數(shù)據(jù)報表與大屏| 8.數(shù)倉建模:范式與維度建模| 9.五大核心主題域開發(fā):銷售域、供應鏈域、會員域等

  • 千億級離線數(shù)倉實戰(zhàn)高手班 3

    課時:4天技術(shù)點:40項測驗:0次學習方式:線下面授

    學習目標

    1.掌握泛電商行業(yè)離線數(shù)倉其他主題的分層與建模,從需求、設(shè)計、研發(fā)、測試到落地上線的完整項目流程| 2.真實業(yè)務(wù)邏輯,共涉及20多個主題,100多個指標,提升學員在泛電商行業(yè)中的核心競爭力| 3.包括海量數(shù)據(jù)場景下如何優(yōu)化配置| 4.拉鏈表的具體應用| 5.新增數(shù)據(jù)和更新數(shù)據(jù)的抽取和分析| 6.Hive函數(shù)的具體應用| 7.Cloudera Manager可視化、自動部署和配置、Git、CodeReview功能

    本項目基于某泛電商研發(fā)的大數(shù)據(jù)分析平臺。項目原型來自于某大型生鮮平臺,完全模擬企業(yè)真實數(shù)倉開發(fā)模式,擁有真實的主題化開發(fā);真實的數(shù)據(jù)結(jié)構(gòu),復雜的SQL實現(xiàn)過程,學生學習以后可以開發(fā)企業(yè)級離線數(shù)倉的水平。

    主講解決方案

    1.項目介紹與環(huán)境準備| 2.數(shù)據(jù)遷移與數(shù)倉分層設(shè)計| 3.核心五大主題域開發(fā)| 4.基于Fine Report的大屏展示| 5.基于海豚調(diào)度的全流程項目上線實施| 5.提供新泛電商大型商超集團的數(shù)據(jù)存儲分析以及服務(wù)監(jiān)控方案

    主講知識點

    1.大數(shù)據(jù)部署運維:Cloudera Manager| 2.分析決策需求數(shù)據(jù)倉庫:Hive| 3.數(shù)據(jù)采集:DataX| 4.數(shù)據(jù)分析:Hive| 5.數(shù)據(jù)調(diào)度:Dolphin Scheduler| 6.OLAP系統(tǒng)存儲:Postgre SQL| 7.Fine Report數(shù)據(jù)報表與大屏| 8.數(shù)倉建模: 范式與維度建模| 9.五大核心主題域開發(fā): 銷售域、供應鏈域、會員域等

  • BI報表開發(fā)項目實戰(zhàn)高手班 4

    課時:4天技術(shù)點:40項測驗:0次學習方式:線下面授

    學習目標

    1.掌握BI報表開發(fā)需求分析| 2.掌握BI報表工具| 3.掌握FineReport報表

    數(shù)據(jù)可視化能力早已成為新時代優(yōu)秀工程師必備素養(yǎng)。項目結(jié)合FineReport、Python、MySQL、Kettle等主流工具,手把手帶你開發(fā)一個完整的BI項目,全流程特訓你的數(shù)據(jù)可視化能力,助力你迅速成為數(shù)據(jù)時代的新銳開發(fā)者。

    主講解決方案

    FineReport報表開發(fā)解決方案| BI報表開發(fā)技術(shù)解決方案| 報表查詢解決方案設(shè)計| 泛電商行業(yè)五大主題解決方案

    主講知識點

    1.BI報表開發(fā)需求分析| 2.BI報表工具| 3.FineReport報表入門| 4.泛電商行業(yè)五大主題的實現(xiàn)

  • Python基礎(chǔ)編程高手班 5

    課時:7天 技術(shù)點:80項 測驗:1次 學習方式:線下面授

    學習目標

    1.掌握Python開發(fā)環(huán)境基本配置| 2.掌握運算符、表達式、流程控制語句、數(shù)組等的使用| 3.掌握字符串的基本操作| 4.初步建立面向?qū)ο蟮木幊趟季S| 5.熟悉異常捕獲的基本流程及使用方式| 6.掌握類和對象的基本使用方式| 7.掌握網(wǎng)絡(luò)編程技術(shù),能夠?qū)崿F(xiàn)網(wǎng)絡(luò)通訊| 8.知道多進程多線程的原理

    主講內(nèi)容

    1. Python基礎(chǔ)語法零基礎(chǔ)學習Python的開始,包含了以下技術(shù)點:

    01_變量| 02_標識符和關(guān)鍵字| 03_輸入和輸出| 04_數(shù)據(jù)類型轉(zhuǎn)換| 05_PEP8編碼規(guī)范| 06_比較/關(guān)系運算符| 07_if判斷語句語法格式| 08_三目運算符| 09_while語句語法格式| 10_while 循環(huán)嵌套| 11_break 和 continue| 12_while 循環(huán)案例| 13_for循環(huán)

    2. Python數(shù)據(jù)處理掌握Python的數(shù)據(jù)類型,并對其進行操作處理,包含了以下技術(shù)點:

    01_字符串定義語法格式| 02_字符串遍歷| 03_下標和切片| 04_字符串常見操作| 05_列表語法格式| 06_列表的遍歷| 07_列表常見操作| 08_列表嵌套| 09_列表推導式| 10_元組語法格式| 11_元組操作| 12_字典語法格式| 13_字典常見操作| 14_字典的遍歷

    3. 函數(shù)能夠?qū)崿F(xiàn)Python函數(shù)的編寫,包含了以下技術(shù)點:

    01_函數(shù)概念和作用、函數(shù)定義、調(diào)用| 02_函數(shù)的參數(shù)| 03_函數(shù)的返回值| 04_函數(shù)的注釋| 05_函數(shù)的嵌套調(diào)用| 06_可變和不可變類型| 07_局部變量| 08_全局變量| 09_組包和拆包、引用

    4. 文件讀寫能夠使用Python對文件進行操作,包含了以下技術(shù)點:

    01_文件的打開與關(guān)閉、文件的讀寫| 02_文件、目錄操作及案例| 03_os模塊文件與目錄相關(guān)操作

    5. 異常處理主要介紹了在Python編程中如何處理異常,包含了以下技術(shù)點:

    01_異常概念| 02_異常捕獲| 03_異常的傳遞

    6. 模塊和包主要介紹了Python中的模塊和包的體系,以及如何使用模塊和包,包含了以下技術(shù)點:

    01_模塊介紹| 02_模塊的導入| 03_包的概念| 04_包的導入| 05_模塊中的__all__ | 06_模塊中__name__

    7. Python面向?qū)ο?/span>從逐步建立起面向?qū)ο缶幊趟枷?,再到會使用對象,到?chuàng)建對象,再到真正理解為什么封裝對象,包含了以下技術(shù)點:

    01_面向?qū)ο蠼榻B| 02_類的定義和對象的創(chuàng)建| 03_添加和獲取對象屬性| 04_self 參數(shù)| 05_init方法| 06_繼承| 07_子類方法重寫| 08_類屬性和實例屬性| 09_類方法、實例方法、靜態(tài)方法

    8. Python高級語法主要學習Python的高級語法,包含以下技術(shù)點:

    01_閉包| 02_裝飾器| 03_深淺拷貝| 04_正則

  • 數(shù)據(jù)分析高手班 6

    課時:8天 技術(shù)點:100項 測驗:1次 學習方式:線下面授

    學習目標

    1.掌握Pandas的使用方式 2.掌握常用數(shù)據(jù)指標計算方法 3.掌握如何使用Python進行RFM分群 4.掌握使用Python代碼進行用戶行為分析

    主講內(nèi)容

    1. Python數(shù)據(jù)分析基礎(chǔ)本階段學習如何使用Juypter_notebook和 Pandas庫對數(shù)據(jù)進行處理, 包括以下技術(shù)點:

    1.Jupyter Notebook的使用| 2.Pandas數(shù)據(jù)結(jié)構(gòu)| 3.Pandas數(shù)據(jù)增刪改查| 4.Pandas常用函數(shù)| 5.Pandas缺失值異常值處理

    2. Python數(shù)據(jù)可視化本階段學習如何使用 Matplotlib、Pandas、 Seaborn進行數(shù)據(jù)可視化,包括以下技術(shù)點

    1.可視化常用圖表介紹| 2.Matploblib數(shù)據(jù)可視化| 3.Pandas數(shù)據(jù)可視化| 4.Seaborn數(shù)據(jù)可視化

    3. 業(yè)務(wù)數(shù)據(jù)分析實戰(zhàn)本階段學習如何使用Pandas,Excel等工具解決具體業(yè)務(wù)問題, 包括以下技術(shù)點:

    1.Pands報表自動化| 2.常用業(yè)務(wù)分析模型介紹| 3.用戶分層與分群實戰(zhàn)| 4.用戶評論分析實戰(zhàn)| 5.用戶偏好分析| 6.指標波動分析| 7.數(shù)據(jù)分析報告

  • Spark技術(shù)棧高手班 7

    課時:10天 技術(shù)點:80項 測驗:1次 學習方式:線下面授

    學習目標

    1.掌握Spark的架構(gòu)和原理、RDD、DAG、CheckPoint等設(shè)計思想| 2.掌握SparkSQL結(jié)構(gòu)化數(shù)據(jù)處理,Spark On Hive| 3.掌握Kafka消息隊列的原理和架構(gòu)設(shè)計、分布式實時計算架構(gòu)和思想 4.掌握Structured Streaming整合多數(shù)據(jù)源完成實時數(shù)據(jù)處理| 5.具備Spark全棧開發(fā)能力,滿足大數(shù)據(jù)行業(yè)多場景統(tǒng)一技術(shù)棧的數(shù)據(jù)開發(fā),提供就業(yè)核心競爭力

    主講內(nèi)容

    1. Spark基礎(chǔ)本階段學習Spark環(huán)境搭建,包含了以下技術(shù)點:

    1.Spark基礎(chǔ)環(huán)境搭建| 2.Spark的Standalone環(huán)境搭建| 3.Spark的StandaloneHA搭建| 4.SparkOnYarn環(huán)境搭建

    2. Spark Core整個Spark框架核心部分,掌握框架內(nèi)部設(shè)計思想,數(shù)據(jù)流轉(zhuǎn)步驟,是學習Spark的基礎(chǔ)模塊,包含了以下技術(shù)點:

    1.Spark架構(gòu)和原理(運行機制、Driver和Executor、spark任務(wù)提交流程)| 2.RDD開發(fā)和原理(Partition、Task、RDD的依賴關(guān)系、RDD的容錯機制、RDD的存儲級別、RDD的緩存機制)廣播變量 | 3.DAG原理(DAG思想、DAG的生成、DAG的處理過程)

    3. Spark SQL學習Spark框架的SQL操作,Spark與Hive等外部數(shù)據(jù)源的整合操作,包含了以下技術(shù)點:

    1.Spark SQL架構(gòu)和原理| 2.DataFrame、DataSet DSL和SQL開發(fā)| 3.Spark多數(shù)據(jù)源整合(txt、CSV、Json、parquet、JDBC、Hive)| 4.Spark SQL執(zhí)行計劃原理| 5.Spark SQL性能調(diào)優(yōu)

    4. Kafka消息隊列主要講解消息中間件核心知識,包含了以下技術(shù)點:

    1.Kafka原理及架構(gòu)分析| 2.分布式實時計算架構(gòu)和思想| 3.陌陌社交場景實戰(zhàn)| 4.社交大數(shù)據(jù)架構(gòu)剖析

    5. StructedStreaming主要講解Spark實時計算組件,整合Kafka+StructedStreaming,包含了以下技術(shù)點:

    1.流式計算基礎(chǔ)概念| 2.Structured Streaming編程模型| 3.Structured Streaming整合Kafka| 4.Structured Streaming實時數(shù)據(jù)處理與統(tǒng)計分析

  • 用戶畫像解決方案高手班 8

    課時:12天技術(shù)點:100項測驗:0次學習方式:線下面授

    學習目標

    1.掌握用戶畫像應用場景| 2.掌握用戶畫像系統(tǒng)架構(gòu)| 3.掌握用戶畫像構(gòu)建流程| 4.掌握用戶畫像規(guī)則類標簽構(gòu)建| 5.掌握用戶畫像統(tǒng)計類標簽構(gòu)建| 6.熟悉用戶畫像挖掘類標簽構(gòu)建| 7.掌握用戶畫像實時類標簽構(gòu)建| 8.掌握SeaTunnel數(shù)據(jù)同步組件| 9.掌握ES和Doris結(jié)果存儲| 10.了解推薦系統(tǒng)使用

    項目以電商為背景,提供全方位的標簽體系、完整的標簽構(gòu)建流程、先進的用戶畫像技術(shù)架構(gòu), 使用Spark+ES+Doris完成海量數(shù)據(jù)的處理及各類標簽計算與存儲,充分滿足企業(yè)離線和實時需求,為全行業(yè)用戶畫像系統(tǒng)提供了解決方案。

    主講解決方案

    用戶畫像解決方案,主要針對于泛電商或保險行業(yè)完成用戶標簽設(shè)計與開發(fā),提供了全行業(yè)解決方案。課程采用由淺入深,層層遞進的講解方式,讓學生輕松掌握企業(yè)級用戶畫像系統(tǒng)的設(shè)計與開發(fā)全流程,項目使用的技術(shù)棧包括Spark、ES、Doris、SeaTunnel、Kafka,均為時下主流的大數(shù)據(jù)技術(shù)。

    主講知識點

    1.用戶畫像應用場景| 2.用戶畫像系統(tǒng)架構(gòu)| 3.用戶畫像構(gòu)建流程| 4.使用Spark Core開發(fā)規(guī)則類標簽| 5.使用Spark Core和Spark SQL開發(fā)統(tǒng)計類標簽| 6.使用Spark MLlib開發(fā)挖掘類標簽| 7.使用Structured Streaming開發(fā)實時類標簽| 8.使用SeaTunnel做數(shù)據(jù)同步| 9.使用ES和Doris存儲結(jié)果數(shù)據(jù)| 10.使用Spark MLlib開發(fā)推薦系統(tǒng)

  • 大模型Agent應用開發(fā)高手班 9

    課時:2天技術(shù)點:40項測驗:0次學習方式:線下面授

    學習目標

    掌握AI Agent構(gòu)建數(shù)據(jù)分析領(lǐng)域智能體,助力高效數(shù)據(jù)分析

    項目借助于AI大模型Agent技術(shù)搭建AI Agent智能體,助力更加高效數(shù)據(jù)分析

    主講解決方案

    Agent數(shù)據(jù)分析智能體

    主講知識點

    1.基于Agent的數(shù)據(jù)庫查詢操作 2.大模型Function Cal原理與實現(xiàn) 3.Assistant APl的原理及應用

  • 面試加強高手班 10

    課時:5天 技術(shù)點:30項 測驗:0次 學習方式:線下面授

    學習目標

    1.強化面試就業(yè)核心面試題| 2.梳理大數(shù)據(jù)架構(gòu)及解決方案| 3.剖析多行業(yè)大數(shù)據(jù)架構(gòu)

    主講內(nèi)容

    1. SQL實戰(zhàn)解決Python大數(shù)據(jù)常見的SQL面試題,包含了以下技術(shù)點:

    1.面試題必備SQL實戰(zhàn)| 2.SQL優(yōu)化加強

    2. Hive數(shù)據(jù)分析與面試題加強解決Hive數(shù)據(jù)分析開發(fā)必備面試題,包含了以下技術(shù)點:

    1._Hive基礎(chǔ)| 2.Hive拉鏈表| 3.Hive數(shù)據(jù)倉庫構(gòu)建示例| 4.Hive面試題

    3. Spark數(shù)據(jù)分析與面試題加強解決Spark開發(fā)必備面試題,包含了以下技術(shù)點:

    1.Spark基礎(chǔ)| 2.Spark離線分析| 3.Spark面試題

    4. 大數(shù)據(jù)多行業(yè)架構(gòu)剖析解決多行業(yè)多場景大數(shù)據(jù)架構(gòu)設(shè)計,具備舉一反三設(shè)計大數(shù)據(jù)架構(gòu)體系能來,包含了以下技術(shù)點:

    1.數(shù)據(jù)分析流程| 2.大數(shù)據(jù)架構(gòu)剖析| 3.多行業(yè)大數(shù)據(jù)架構(gòu)設(shè)計| 4.大數(shù)據(jù)存儲,調(diào)度等解決方案

  • 阿里云實時計算技術(shù)高手班 11

    課時:6天 技術(shù)點:80項 測驗:1次 學習方式:線下面授

    學習目標

    1.掌握基于阿里云Flink進行實時和離線數(shù)據(jù)處理、分析| 2.掌握基于阿里云Flink的多流并行處理技術(shù)| 3.掌握FlinkCDC多數(shù)據(jù)源采集技術(shù)

    主講內(nèi)容

    1. 阿里云Flink入門掌握國內(nèi)最火的阿里云Flink技術(shù),完成SQL、Python等作業(yè)提交,包含了以下技術(shù)點:

    1.阿里云賬號角色授權(quán)| 2.開通Flink全托管| 3.Flink SQL作業(yè)快速入門| 4.Flink JAR作業(yè)快速入門| 5.Flink Python作業(yè)快速入門| 6.數(shù)據(jù)庫實時入倉快速入門| 7.日志實時入倉快速入門

    2. Flink SQL掌握FlinkSQL流批一體開發(fā)流程,集成Flink核心窗口、水印、狀態(tài)管理等高級功能,助力高效開發(fā),包含了以下技術(shù)點:

    1.Flink SQL開發(fā)| 2.Hive + Flink SQL| 3.Watermark| 4.Checkpoint| 5.任務(wù)調(diào)度與負載均衡| 6.狀態(tài)管理| 7.Flink性能監(jiān)控| 8.Flink調(diào)優(yōu)| 9.Flink SQL執(zhí)行計劃

    3. Flink作業(yè)開發(fā)掌握Flink作業(yè)開發(fā)流程,完成不同方式的作業(yè)開發(fā)和調(diào)試,包含了以下技術(shù)點:

    1.作業(yè)開發(fā)| 2.SQL作業(yè)開發(fā)| 3.JAR作業(yè)開發(fā)| 4.Python作業(yè)開發(fā)| 5.作業(yè)調(diào)試| 6.模板中心| 7.管理自定義連接器| 8.管理自定義函數(shù)(UDF)

    4. 阿里云Flink運維掌握Flink運維流程,針對不同場景通過不同解決方案,達到高效運維使用云平臺,包含了以下技術(shù)點:

    1.權(quán)限管理| 2.RAM用戶授權(quán)| 3.作業(yè)操作賬號授權(quán)| 4.作業(yè)啟動| 5.作業(yè)停止| 6.管理作業(yè)版本| 7.修改作業(yè)配置| 8.查看作業(yè)詳情| 9.查看與修改作業(yè)運行狀態(tài)| 10.調(diào)優(yōu)診斷| 11.查看作業(yè)性能| 12.作業(yè)智能診斷| 13.配置自動調(diào)優(yōu)| 14.高性能Flink SQL優(yōu)化技巧| 15.作業(yè)狀態(tài)管理| 16.企業(yè)級狀態(tài)后端存儲介紹| 17.作業(yè)狀態(tài)集管理| 18.Flink State兼容性參考

  • 阿里云實時計算項目高手班 12

    課時:7天技術(shù)點:80項測驗:0次學習方式:線下面授

    學習目標

    以阿里云出行項目為例: 1.了解網(wǎng)約車行業(yè)背景,了解黑馬出行項目需求| 2.掌握黑馬出行流批一體架構(gòu),學會流批一體的具體實現(xiàn)方式| 3.掌握從0到1進行數(shù)倉規(guī)劃和搭建,極大提高實戰(zhàn)能力| 4.掌握阿里云平臺Flink和DataWorks使用| 5.掌握基于阿里云Flink的實時數(shù)據(jù)倉庫開發(fā),熟練使用Flink SQL| 6.掌握基于MaxCompute的離線數(shù)據(jù)倉庫開發(fā),熟練使用MaxCompute SQL| 7.熟悉Paimon技術(shù)并掌握項目實戰(zhàn)應用| 8.熟悉StarRocks技術(shù)并掌握項目實戰(zhàn)應用| 9.熟悉Flink CDC技術(shù)并掌握項目實戰(zhàn)應用| 10.熟練使用FineBI完成大屏開發(fā)

    本項目是某出行公司基于阿里云平臺打造的大數(shù)據(jù)平臺。項目不僅包含實時數(shù)倉,也包含離線數(shù)倉,還包含數(shù)據(jù)建模和數(shù)據(jù)治理等內(nèi)容。項目以阿里云Flink、Paimon和MaxCompute為核心打造了企業(yè)級湖倉一體、流批一體數(shù)倉系統(tǒng),可以滿足企業(yè)的實時和離線的所有數(shù)據(jù)統(tǒng)計需求。

    主講解決方案

    通過對企業(yè)需求進行深入分析,設(shè)計符合企業(yè)需求的大數(shù)據(jù)平臺,并從0到1完成大數(shù)據(jù)平臺和數(shù)據(jù)倉庫的搭建。項目采用阿里云Flink結(jié)合Paimon,完成實時計算和流批一體存儲,采用DataWorks+MaxCompute完成離線數(shù)倉開發(fā),使用DataWorks完成數(shù)據(jù)治理等內(nèi)容,該方案對各行業(yè)大數(shù)據(jù)平臺建設(shè)都有極強借鑒意義。

    主講知識點

    1.網(wǎng)約車行業(yè)背景及黑馬出行公司介紹| 2.黑馬出行流批一體架構(gòu)設(shè)計| 3.黑馬出行大數(shù)據(jù)平臺搭建| 4.Flink CDC介紹與使用| 5.Paimon的原理與應用| 6.StarRocks介紹與使用| 7.基于阿里云Flink和Paimon開發(fā)實時數(shù)倉| 8.基于DataWorks和MaxCompute開發(fā)離線數(shù)倉| 9.數(shù)據(jù)倉庫設(shè)計與數(shù)據(jù)建模| 10.基于DataWorks的數(shù)據(jù)治理| 11.使用FineBI完成大屏開發(fā)

  • Python+大數(shù)據(jù)開發(fā) V版本課程說明

    課程名稱:主要針對:主要使用開發(fā)工具:

    課程介紹

“周”更新日志
課程大版本更新

課程更新日志按周更新熱點/前沿技術(shù)

  • 新增2024-05-06

    · 黑馬出行業(yè)務(wù)與平臺介紹

  • 新增2024-04-29

    · Paimon和Hive的集成· Paimon文件操作

  • 新增2024-04-22

    · Paimon的使用

  • 新增2024-04-15

    · Paimon基本介紹 Hudi安裝

  • 新增2024-03-28

    · DataX部署與使用

  • 新增2024-03-22

    · DataX Web部署與使用

  • 升級2024-03-15

    · Hive參數(shù)優(yōu)化

  • 升級2024-03-08

    · 數(shù)據(jù)同步方案

  • 新增2023-03-01

    · PostgreSQL部署與使用

  • 升級2024-02-23

    · DolphinScheduler使用

  • 升級2024-02-16

    · 數(shù)倉項目開發(fā)思路

  • 升級2024-02-09

    · FineReport服務(wù)器部署· FineReport基本使用

  • 新增2024-02-09

    · FineReport報表開發(fā)· FVS大屏開發(fā)

  • 新增2024-01-26

    · Flink· CDC· 3.0特性與使用

  • 升級2024-01-19

    · Flink· CDC· DataStream案例和SQL案例

  • 新增2024-01-12

    · Hive Dialect使用· Hive Catalog使用

  • 升級2024-01-05

    · Flink讀寫Hive· Hive維表關(guān)聯(lián)

  • 新增2023-12-29

    · Hudi簡介· Hudi安裝與簡單使用

  • 新增2023-12-22

    · Hudi核心概念· Flink讀寫Hudi

  • 新增2023-12-15

    · Hudi on Hive的原理和使用

  • 新增2023-12-08

    · Doris簡介· Doris安裝與簡單使用

  • 新增2023-06-21

    · 量化機制的介紹· 圖優(yōu)化方法的使用

  • 新增2023-12-01

    · Doris Aggregate模型使用· Doris Unique模型使用· Doris Duplicate模型使用

  • 新增2023-11-24

    · Doris Partition劃分· Doris Bucket劃分

  • 新增2023-11-17

    · Broker Load· Stream Load· Routine Load· 數(shù)據(jù)導出

  • 新增2023-11-10

    · Doris join方式和join 優(yōu)化

  • 新增2023-11-03

    · Doris Rollup· 物化視圖

  • 新增2023-11-27

    · Doris動態(tài)分區(qū)

  • 新增2023-10-20

    · Doris多源目錄· Doris與Flink集成

  • 新增2023-10-13

    · Dinky部署· Dinky簡介· Dinky使用

  • 升級2023-10-06

    · 實時數(shù)倉開發(fā)流程與建模設(shè)計

  • 新增2023-09-29

    · 湖倉一體架構(gòu)開發(fā)維度主題

  • 新增2023-09-22

    · 流批一體架構(gòu)設(shè)計

  • 新增2023-09-15

    · 流批一體架構(gòu)開發(fā)電商銷售主題

  • 升級2023-09-08

    · 電商日志解析

  • 新增2023-09-01

    · Taildir Souce與Kafka Channel配合采集日志

  • 升級2023-08-25

    · ProcessFunction使用· FlatMapFunction使用

  • 新增2023-08-18

    · Flink側(cè)輸出流使用

  • 升級2023-08-11

    · Flink狀態(tài)編程· Flink TTL設(shè)置

  • 新增2023-08-04

    · Flink CEP原理介紹· Flink CEP實戰(zhàn)

  • 升級2023-07-28

    · Flink UDTF函數(shù)開發(fā)與使用

  • 新增2023-07-21

    · 反壓產(chǎn)生的原因及問題的定位

  • 升級2023-07-14

    · KafkaSource調(diào)優(yōu)

  • 升級2023-07-07

    · Flink SQL的調(diào)優(yōu)· Flink內(nèi)存調(diào)優(yōu)

  • 新增2023-06-30

    · Flink JDBC工具類編寫· Flink Kafka工具類編寫

  • 新增2023-06-15

    · yoloV8的架構(gòu)解析· 雙流FPN結(jié)構(gòu)的設(shè)計

  • 新增2023-06-08

    · FlinkSQL表參數(shù)· FlinkSQL解析器

  • 新增2023-06-02

    · FlinkSQL的Split分桶· FlinkSQL執(zhí)行計劃翻譯器參數(shù)

  • 新增2023-05-26

    · FlinkSQL的上游CDC去重· FlinkSQL多階段聚合

  • 新增2023-05-18

    · FlinkSQL參數(shù)優(yōu)化· FlinkSQL異步IO容量· FlinkSQL并行度設(shè)置

  • 新增2023-05-12

    · FlinkSQL語法· FlinKSQL UDF

  • 新增2023-05-06

    · Barrier(柵欄)機制

    升級

    · PyFlink

  • 新增2023-04-27

    · Flink狀態(tài)后端· Flink重啟策略

  • 新增2023-04-19

    · 窗口計算中時間的流逝問題· 窗口的開始和結(jié)束范圍

  • 新增2023-04-12

    · Window TVF 方案· Group Window Aggregation方案

  • 新增2023-04-07

    · 動態(tài)表和連續(xù)查詢· Flink中的時間屬性

  • 新增2023-03-31

    · sql-client和Flink JobManager的連接· sql-client結(jié)果的顯示模式

  • 新增2023-03-23

    · TableEnvironment· sql-client 工具

    升級

    · Flink Table & SQL API

  • 新增2023-03-14

    · Oracle的備份恢復· Oracle的OEM· Oracle的冷熱備份· Oracle的備份恢復

  • 新增2023-03-09

    · Oracle的權(quán)限管理· Oracle的審計

  • 新增2023-03-01

    · Oracle的進程結(jié)構(gòu)和內(nèi)存結(jié)構(gòu)· Oracle的監(jiān)聽器

  • 新增2023-02-22

    · Oracle數(shù)據(jù)庫管理· Oracle存儲結(jié)構(gòu)

  • 新增2023-02-16

    · Oracle的存儲函數(shù)· Oracle的存儲過程· Oracle的觸發(fā)器

  • 新增2023-02-08

    · Oracle的PLSQL編程· Oracle的游標

  • 新增2023-02-03

    · Oracle索引· Oracle事務(wù)· Oracle常用工具

  • 新增2023-01-29

    · Oracle序列· Oracle同義詞

  • 新增2023-01-18

    · Oracle視圖· Oracle物化視圖

  • 新增2023-01-10

    · Oracle數(shù)據(jù)定義語言· Oracle常見對象

  • 新增2023-01-04

    · Oracle基礎(chǔ)· Oracle的查詢語法及綜合案例

  • 新增2022-12-27

    · Hive的explain執(zhí)行計劃詳解· Hive數(shù)據(jù)壓縮、存儲格式、自動化腳本、常見性能優(yōu)化內(nèi)容優(yōu)化

  • 新增2022-12-21

    · PSM價格敏感度模型開發(fā)· Presto對接多數(shù)據(jù)源實現(xiàn)指標統(tǒng)計分析

  • 新增2022-12-13

    · RFM用戶價值度模型開發(fā)· RFE用戶或月底模型開發(fā)

  • 新增2022-12-07

    · 用戶畫像解決方案項目BI可視化實時統(tǒng)計結(jié)果數(shù)據(jù)· 用戶畫像解決方案項目BI可視化流程

  • 新增2022-12-01

    · 用戶行為埋點日志etl· 用戶行為埋點日志聚合統(tǒng)計· 用戶行為埋點日志統(tǒng)計結(jié)果入庫

  • 新增2022-11-24

    · 用戶行為埋點日志產(chǎn)生流程與漏斗模型

  • 新增2022-11-17

    · nginx日志ip定位,uv、pv、ua、access_time解析· nginx日志入庫mysql· 實時分析任務(wù)基類開發(fā)

  • 新增2022-11-08

    · nginx日志介紹與產(chǎn)生的流程· nginx日志解析etl· nginx日志聚合統(tǒng)計

  • 新增2022-11-03

    · 操作采集nginx日志到kafka中· 結(jié)構(gòu)化流實現(xiàn)消費nginx日志數(shù)據(jù)案例

  • 新增2022-10-26

    · flume實現(xiàn)采集數(shù)據(jù)到hdfs· flume實現(xiàn)數(shù)據(jù)采集到kafka· 實時基礎(chǔ)與kafka要點回顧

  • 新增2022-10-20

    · flume與實時數(shù)據(jù)采集流程· flume概述與核心要素· 標簽類型與總結(jié)

  • 新增2022-10-13

    · 購買周期標簽思路與實現(xiàn)· 支付方式標簽思路與實現(xiàn)· 標簽類型與總結(jié)

  • 新增2022-10-07

    · 作業(yè)講解,實現(xiàn)2個匹配標簽開發(fā)· 統(tǒng)計類標簽開發(fā)

  • 新增2022-09-26

    · 基于標簽開發(fā)基類重寫統(tǒng)計類標簽和規(guī)則類標簽

  • 新增2022-09-20

    · spark實現(xiàn)統(tǒng)計類標簽開發(fā)· spark實現(xiàn)規(guī)則類標簽開發(fā)

  • 新增2022-09-14

    · spark與mysql整合· spark與es整合

  • 新增2022-09-06

    · 用戶畫像數(shù)據(jù)檢驗的三種方式· 從hive導入數(shù)據(jù)到es實現(xiàn)· es元數(shù)據(jù)對象解析

  • 新增2022-08-29

    · es集成hadoop生態(tài)圈· es-hive支持· es-hive案例與參數(shù)

  • 新增2022-08-23

    · es核心原理與關(guān)鍵概念· es的resultful api· python代碼操作es

  • 新增2022-08-17

    · es基礎(chǔ)· 使用es的原因· es的架構(gòu)

  • 新增2022-08-09

    · 核心業(yè)務(wù)流程· sparksql分析引擎· 數(shù)倉六層模型

  • 新增2022-08-01

    · 自動導入oracle數(shù)據(jù) · 自動創(chuàng)建文件目錄· 記錄自動化過程日志

  • 新增2022-08-01

    · 自動導入oracle數(shù)據(jù) · 自動創(chuàng)建文件目錄· 記錄自動化過程日志

  • 新增2022-07-25

    · 自動創(chuàng)建hive表· 自動創(chuàng)建hive分區(qū)· 自動關(guān)聯(lián)hdfs數(shù)據(jù)

  • 新增2022-07-18

    · 數(shù)倉建模方法論· 日期維度程序生成· 維度模型選型

  • 新增2022-07-11

    · docker虛擬網(wǎng)橋與網(wǎng)卡· 宿主機與docker容器 · 創(chuàng)建大數(shù)據(jù)組件容器

  • 新增2022-07-04

    · 行程地理區(qū)域維度· 組織機構(gòu)維度· 服務(wù)網(wǎng)點維度

  • 新增2022-06-28

    · 加油站維度· 服務(wù)屬性維度· 物流公司維度· 故障維度

  • 新增2022-06-28

    · 加油站維度· 服務(wù)屬性維度· 物流公司維度· 故障維度

  • 新增2022-06-21

    · 數(shù)倉整體設(shè)計圖· 技術(shù)選型設(shè)計圖· 項目原始數(shù)據(jù)庫結(jié)構(gòu)圖

  • 新增2022-06-14

    · ODS建模后,使用SQOOP導入數(shù)據(jù)· DWD根據(jù)業(yè)務(wù)使用全量表、增量表、拉鏈表等不同的方式實現(xiàn)· DWB層的訂單明細表關(guān)聯(lián)了訂單表、訂單副表、訂單組表、店鋪表、地區(qū)表、訂單商品快照表等· 商品明細表關(guān)聯(lián)了商品表、商品分類表(三層分類)、商品品牌表等

  • 升級2022-06-07

    · 使用新版數(shù)據(jù)庫,包含完整的訂單、商品、用戶、配送及支付、退款等數(shù)據(jù)· 實戰(zhàn)提取訂單相關(guān)的指標和維度  · Flink多語言開發(fā)· Flink監(jiān)控調(diào)優(yōu)

  • 新增2022-05-31

    · Flink背壓機制· Flink內(nèi)存管理· Python語言操作Flink

  • 新增2022-05-24

    · FlinkSink新特性· FlinkSQL整合Hive· 分層規(guī)范,通過對數(shù)據(jù)業(yè)務(wù)的分析,將數(shù)倉分為ODS, DWD, DWB, DM, APP五層

  • 新增2022-05-17

    · FlinkSQL&Table理論部分比重,移除過期API,使用新版API · FlinkSQL整合Kafka案例· 雙流Join知識點和案例分層規(guī)范,通過對數(shù)據(jù)業(yè)務(wù)的分析,將數(shù)倉分為OD· S, DWD, DWB, DM, APP五層

  • 新增2022-05-10

    · Flink版本為1.14· 弱化DataSetAPI講解,加強DataStreamAPI-流批一體新特性的講解· 移除過期API,增加DataStream、Window、Watermaker新版API使用講解

  • 新增2022-05-03

    · 實時業(yè)務(wù)-實時統(tǒng)計Top10熱點題· 實時業(yè)務(wù)-實時統(tǒng)計答題最活躍的Top10年級· 實時業(yè)務(wù)-實時統(tǒng)計Top10熱點題及所屬科目

  • 新增2022-04-26

    · 數(shù)據(jù)模擬程序?qū)懭氲終afka· 實時分析學生答題情況· StructuredStreaming實時分析入口程序· python完成電商行業(yè)ETL實戰(zhàn)· ETL基礎(chǔ)概念· ETL完成的Pipeline構(gòu)建流程

  • 新增2022-04-19

    · 結(jié)構(gòu)化流更新,刪除Rate數(shù)據(jù)源-文件數(shù)據(jù)源· 刪除企業(yè)不常用SparkStreaming

  • 新增2022-04-12

    · Spark中Continuous Processing· Spark3.2新特性· Spark性能調(diào)優(yōu)九項原則、數(shù)據(jù)傾斜、shuffle優(yōu)化· 新增Spark教育行業(yè)案例,方便學員掌握RDD和DataFrame的使用

  • 新增2022-04-05

    · StructuredStreaming 處理延遲數(shù)據(jù)和水印· StructuredStreaming 結(jié)構(gòu)化流數(shù)據(jù)和靜態(tài)數(shù)據(jù)Join· StructuredStreaming 結(jié)構(gòu)化流數(shù)據(jù)和結(jié)構(gòu)化路數(shù)據(jù)Join

  • 新增2022-03-29

    · 離線業(yè)務(wù)分析-各科目熱點題分析· 離線業(yè)務(wù)分析-各科目推薦題分析

  • 新增2022-03-22

    · StructuredStreaming 物聯(lián)網(wǎng)設(shè)備數(shù)據(jù)分析案例· StructuredStreaming 基于事件時間的窗口

  • 新增2022-03-15

    · SparkSQL底層執(zhí)行原理· StructedStream結(jié)構(gòu)化流內(nèi)容· Pandas的教育案例數(shù)倉實戰(zhàn)

  • 升級2022-03-08

    · 升級Spark版本到3.2· 升級Spark的主流開發(fā)語言為Python· 優(yōu)化Spark的Standalone方式安裝,使用local和yarn模式· Spark3.2整合Hive3.1.2版本兼容問題

  • 新增2022-03-01

    · MySQL的教育案例數(shù)倉實戰(zhàn)· Pandas基礎(chǔ)使用,作為理解Spark數(shù)據(jù)類型的基礎(chǔ)· Pandas的Series數(shù)據(jù)結(jié)構(gòu)· 增加在線教育案例

  • 新增2022-02-25

    · Python版本Hbase的API調(diào)用· Python的教育案例數(shù)倉實戰(zhàn)· StructuredStreaming Sink內(nèi)容· StructuredStreaming 整合Kafka

  • 新增2022-02-18

    · Flume采集MoMo數(shù)據(jù)集場景· 實時和離線方式處理數(shù)據(jù)場景· Python版本Kafka的調(diào)用· NoSQL階段多場景項目實戰(zhàn)

  • 新增2022-02-11

    ·Flume1.9數(shù)據(jù)采集方式· Hbase2.x新特性

    升級

    · Hbase的BulkLoader全量數(shù)據(jù)加載方式

  • 新增2022-02-04

    ·Python版本MapReduce寫法

  • 新增2022-01-28

    · python腳本實現(xiàn)增量從oracle導入數(shù)據(jù)到hdfs中· python腳本實現(xiàn)全量從oracle導入數(shù)據(jù)到hdfs中· python腳本實現(xiàn)上傳avro文件到hdfs上

  • 新增2022-01-21

    · python腳本實現(xiàn)壓縮表的avro文件為tar.gz文件· python腳本實現(xiàn)avro壓縮文件上傳hdfs· python實現(xiàn)讀取oracle表原始數(shù)據(jù)· python實現(xiàn)創(chuàng)建hive表· python實現(xiàn)創(chuàng)建hive表

  • 新增2022-01-14

    · python實現(xiàn)自定義記錄日志· python實現(xiàn)讀取一行行文本文件工具類· python讀取表信息轉(zhuǎn)對象方法· python實現(xiàn)sparksql創(chuàng)建數(shù)據(jù)庫和表· python實現(xiàn)sparksql創(chuàng)建分區(qū)關(guān)聯(lián)表對應的hdfs數(shù)據(jù)方法

  • 新增2022-01-07

    · python實現(xiàn)sparksql查詢ods層明細數(shù)據(jù)并加載到dwd層方法· python實現(xiàn)sparksql查詢ods層明細數(shù)據(jù)并加載到dwd層方法· 造數(shù)據(jù)平臺· 新特殊字段類型

  • 新增2021-12-24

    · 字段類型· flink源碼前置基礎(chǔ)· 源碼的編譯和部署· flink啟動腳本的解讀· yarn-per-job模式解析

  • 新增2021-12-17

    · flink任務(wù)調(diào)度機制· flink內(nèi)存模型· HIve3新特性· Hive3數(shù)據(jù)壓縮,存儲格式等內(nèi)容· Hadoop3新特性

  • 新增2021-12-10

    · 概念和通用api介紹· sqlclient工具的使用· catalogs知識點的學習· 流處理中的概念介紹

  • 新增2021-12-03

    · flinksql中的窗口使用(Application Mode)· FlinkSQL函數(shù)操作· Flinksql連接到外部系統(tǒng)· flinksql的原理和調(diào)優(yōu)· sql操作參考

  • 新增2021-11-26

    · flink on yarn的第三種部署方式(Application Mode)· 自定義source· transformation算子minby和maxby· transformation算子minby和maxby· flink的global window的操作

  • 新增2021-11-19

    · flink內(nèi)置水印函數(shù)的操作· flink的window的ReduceFunction· flink的window的AggregateFunction· flink的window的ProcessWindowFunction· flink的window的具有增量聚合的ProcessWindowFunction

  • 新增2021-11-12

    · flink的window的在 ProcessWindowFunction 中使用每個窗口狀態(tài)· flink的state的ttl機制· flink的state的數(shù)據(jù)結(jié)構(gòu)的api升級例· flink的Queryable State知識點· 異步io的vertx框架實現(xiàn)

  • 新增2021-11-05

    · flink的join操作· Streaming File Sink連接器的小文件操作· 數(shù)據(jù)類型及序列化的原理和實現(xiàn)案例· 熱門銷售排行TopN的使用案例· 布隆過濾器結(jié)合TTL的使用案例

  • 新增2021-10-29

    · PySpark的安裝· PySpark任務(wù)提交方式· PySpark多種模式spark-submit· PySpark多種模式spark-submit

  • 新增2021-10-22

    · Anaconda安裝使用· Python實現(xiàn)RDD的基礎(chǔ)的Transformation操作· Python實現(xiàn)RDD的Action操作· Python實現(xiàn)Sougou分詞案例· Python實現(xiàn)IP熱度分析案例

  • 新增2021-10-15

    · Python實現(xiàn)PV-UV-TOPK案例· Python實現(xiàn)累加器及案例優(yōu)化· Python實現(xiàn)廣播變量案例及優(yōu)化· Python實現(xiàn)緩存案例及優(yōu)化實現(xiàn)· PySparkSQL實現(xiàn)基礎(chǔ)統(tǒng)計操作

  • 新增2021-10-08

    · PySpark實現(xiàn)DataFrame的基礎(chǔ)操作· PySpark實現(xiàn)DataFrame的wordcount操作· PySpark實現(xiàn)DataFrame和RDD的轉(zhuǎn)換操作· PySpark實現(xiàn)電影評分數(shù)據(jù)集分析

  • 新增2021-09-24

    · PySpark的底層Dataframe如何轉(zhuǎn)化為RDD的原理操作· PySparkSQL的優(yōu)化方式· PySparkSQL分布式引擎實現(xiàn)· PySparkSQL與HIve整合· PySpark離線教育案例

  • 新增2021-09-17

    · PySpark新零售分析案例· ETL、ELT區(qū)別· Hive CTE表達式、更新union聯(lián)合查詢· 大數(shù)據(jù)5V特點· 大數(shù)據(jù)多個應用場景

  • 更新2021-09-10

    · pandas及可視化課程迭代至v2.01· 數(shù)據(jù)分析多場景項目迭代至v1.81 · 最新版Python基礎(chǔ)編程v2.01· 最新版Python編程進階更新迭代至v2.01· 制定v2.0版本課程大綱

  • 升級2021-09-03

    · 完善flink的運行架構(gòu)內(nèi)容· 完善flink與kafka連接器的操作· 完善flink的window操作的講義· 完善ODS層,新增和更新抽取方式,畫圖錯誤

  • 更新2021-08-27

    · Flink版本為1.13最新版· Flink table sql的整體概述 · 項目開發(fā)語言為spark官方使用最多的python語言

  • 更新2021-08-20

    · Spark語言為官方使用最多的Python語言· Spark版本為3.1.2發(fā)行版,Hive3.1.2版本

  • 優(yōu)化2021-08-13

    · 升級HDFS讀寫流程原理圖· 升級Hadoop為最新3.3.0版本· 升級編排Linux2天講義升級編排Linux2天講義· 升級Mysql RPM安裝方式以支持hive3

  • 優(yōu)化2021-08-06

    · 優(yōu)化Hive知識點案例 同步為Hive3版本· 優(yōu)化Linux基礎(chǔ)命令,刪除了不常用命令· 優(yōu)化使用Python實現(xiàn)MR原理機制

  • 優(yōu)化2021-08-03

    · 優(yōu)化OLAP、OLTP區(qū)別· 優(yōu)化Hadoop版本安裝及注意事項· 優(yōu)化Hadoop版本安裝及注意事項· 優(yōu)化Hive版本為最新的3.1.2版本

  • 優(yōu)化2021-07-27

    · 優(yōu)化HIve3.x架構(gòu)· 優(yōu)化PySpark執(zhí)行流程,引入Py4J技術(shù)· 優(yōu)化車聯(lián)網(wǎng)Web展示部分· 優(yōu)化車聯(lián)網(wǎng)離線Hive數(shù)倉構(gòu)建部分

  • 新增2021-07-20

    · 新增數(shù)倉整體設(shè)計圖· 新增技術(shù)選型設(shè)計圖· 新增項目原始數(shù)據(jù)庫結(jié)構(gòu)圖

  • 新增2021-07-13

    · 新增油站維度· 新增服務(wù)屬性維度· 新增物流公司維度· 新增故障維度

  • 新增2021-07-06

    · 新增行程地理區(qū)域維度· 新增組織機構(gòu)維度· 新增服務(wù)網(wǎng)點維度· 新增數(shù)倉建模方法論· 新增日期維度程序生成

  • 新增2021-06-29

    · 新增維度模型選型· 新增自動創(chuàng)建hive表· 新增自動創(chuàng)建hive分區(qū)· 新增自動關(guān)聯(lián)hdfs數(shù)據(jù)· 新增自動導入oracle數(shù)據(jù)

  • 新增2021-06-22

    · 新增自動創(chuàng)建文件目錄· 新增記錄自動化過程日志· 新增java和數(shù)據(jù)結(jié)構(gòu)大數(shù)據(jù)題目4個· 新增算法題目4個· 新增Hadoop題目6個

  • 新增2021-06-15

    · 新增hive題目3個· 新增spark題目7個· 新增flink題目4個· 新增其他大數(shù)據(jù)組件題目4個· 新增美團大數(shù)據(jù)架構(gòu)

  • 新增2021-06-08

    · 新增平安大數(shù)據(jù)架構(gòu)解決方案· 新增小米大數(shù)據(jù)架構(gòu)解決方案· 新增百度廣告業(yè)務(wù)場景大數(shù)據(jù)架構(gòu)解決方案

  • 新增2021-06-01

    · 新增Flume1.9數(shù)據(jù)采集方式· 新增Flume采集MoMo數(shù)據(jù)集場景· 新增實時和離線方式處理數(shù)據(jù)場景· 新增SparkWebUI功能解釋

  • 新增2021-05-25

    · 新增SparkSQL比重· 新增StructedStream雙流Join知識點· 新增Spark多語言開發(fā)-JavaSpark和PySpark

  • 新增2021-05-18

    · 新增SparkMlLib-ALS推薦算法案例和原理· 新增SparkMlLib-線性回歸算法案例和原理· 新增SparkMlLib-決策樹算法案例和原理

  • 新增2021-05-11

    · 新增Spark3.0新特性· 新增Spark性能調(diào)優(yōu)九項原則、N多配置參數(shù)、數(shù)據(jù)傾斜、shuffle優(yōu)化· 新增IP查詢案例

  • 新增2021-05-04

    · 新增教師案例Spark案例· 新增DataStream、Window、Watermaker新版API使用講解· 新增FlinkSQL&Table理論部分比重,使用新版API· 新增FlinkSQL整合Kafka案例· 新增雙流Join知識點和案例

  • 新增2021-04-26

    · 新增Execl數(shù)據(jù)分析,整合Execl圖標、透視表等使用· 新增Execl分析項目· 數(shù)據(jù)儀表板展示· 新增Tableau的BI分析工具及項目實戰(zhàn)

  • 新增2021-04-19

    · 新增數(shù)據(jù)分析的Python語言· 新增Python基礎(chǔ)語法與高級特性· 新增Python整合SQL的操作及案例· 新增網(wǎng)絡(luò)爬蟲數(shù)據(jù)采集基礎(chǔ)及案例

  • 新增2021-04-12

    · 新增Python高階語法支持· 新增Selenium自動化工具開發(fā)· 新增多場景爬蟲項目實戰(zhàn)· 新增Python的Numpy及Pandas數(shù)據(jù)分析框架

  • 新增2021-04-05

    · 新增Pandas數(shù)據(jù)清洗,數(shù)據(jù)整理及案例實戰(zhàn)· 新增Matplotlib等數(shù)據(jù)可視化操作及案例實戰(zhàn)· 新增Python機器學習原理理解,增加回歸、分類及聚類· 算法原理

  • 新增2021-03-29

    · 新增Python機器學習庫Sklearn多任務(wù)實戰(zhàn)· 新增零售行業(yè)數(shù)據(jù)分析及挖掘項目案例· 新增電商行業(yè)數(shù)據(jù)分析及挖掘項目案例

  • 新增2021-03-15

    · 騰訊聊天機器人· 騰訊文字識別· python操作mycat· 小程序開發(fā)

  • 新增2021-03-08

    · django_extensions使用· axios網(wǎng)易案例· 阿里云方案· django-channels使用

  • 新增2021-03-01

    · pytest自定義插件使用· pytest異步調(diào)用· pytest定時執(zhí)行· pytest標記使用

  • 升級2021-02-22

    · Cookie和Session使用 · Django類裝飾器· Django多對多查詢· Django關(guān)聯(lián)查詢

  • 升級2021-02-15

    · 推薦算法 · 數(shù)據(jù)可視化· sql數(shù)據(jù)查詢· H5語法

  • 升級2021-02-08

    · 美多狀態(tài)保持 · Django框架請求對象獲取數(shù)據(jù)· Django模版· Django拓展類

  • 新增2021-02-01

    · asyncio編程 · RabbitMQ的Confirm機制· RocketMQ使用· Celery定時任務(wù)

  • 增加2021-01-25

    · Angular管道 · Angular路由· Angular使用HTTP· Angular表單

  • 增加2021-01-18

    · Ant Design · TypeScript類型斷言制· TypeScript內(nèi)置對象· TypeScript代碼檢查

  • 升級2021-01-11

    · Django認證 · Django權(quán)限控制· 美多商城發(fā)送短信· 美多商場QQ登錄

  • 優(yōu)化2021-01-04

    · SQL查詢 · 數(shù)據(jù)倉庫· 業(yè)務(wù)報表· Pandas

  • 新增2020-12-28

    · 機器學習排序算法 · 購物籃分析· RFM模型· K均值聚類算法

  • 新增2020-12-21

    · 物品畫像 · 用戶畫像· 召回算法· 漏斗分析

  • 升級2020-12-14

    · 狀態(tài)保持 · 權(quán)限管理· 頁面靜態(tài)化· xpath工具

  • 升級2020-12-07

    · 極驗驗證 · jieba分詞· shell代碼發(fā)布· 對象存儲

  • 新增2020-11-30

    · ES集群搭建 · IK中文分詞· ES聚合查詢· ES凍結(jié)解凍索引

  • 新增2020-11-23

    · Kafka Broker集群 · Topic模型· kafka數(shù)據(jù)備份· kafka消息持久化

  • 升級2020-11-16

    · pandas的apply方法 · pandas的transform方法· pandas的to_numeric函數(shù)· Pandas內(nèi)置聚合方法

  • 升級2020-11-09

    · elk日志監(jiān)控 · shell代碼發(fā)布· ubuntu版本20.04· 移動端測試

  • 優(yōu)化2020-11-02

    · mysql讀寫分離 · reids哨兵· redis安全限制· Keepalived非搶占模式

  • 新增2020-10-26

    · VIP腦裂 · MyCAT使用· WA配置使用· redis持久化

  • 新增2020-10-19

    · HA Cluster高可用集群 · Keepalived使用· VRRP協(xié)議· nginx服務(wù)切換

  • 升級2020-10-12

    · fastDFS使用 · shell使用 · docker使用· nginx使用

  • 升級2020-10-05

    · cookie和session案例 · mysql主從 · mysql集群· redis主從

  • 升級2020-09-28

    · Django用戶權(quán)鑒 · Django表單 · Django-froms· Django站點管理

  • 新增2020-09-07

    · Ansible使用 · AWX使用 · ceph使用· zabbix使用

  • 升級2020-08-31

    · 登錄判斷中間件 · cache緩存使用 · 購物車數(shù)據(jù)存儲· git沖突解決

  • 新增2020-08-24

    · pyautogui使用 · uiautomator使用 · PO模式· mock測試

  • 新增2020-08-17

    · Django轉(zhuǎn)換器 · Django用戶認證拓展類 · Django權(quán)限認證拓展類· Haystack搜索類

  • 升級2020-08-10

    · python操作reids · redis高可用 · redis集群搭建· redis持久化

  • 升級2020-08-03

    · mysql事務(wù)使用 · mysql主從搭建 · mysql客戶端使用 · mysql外鍵操作

  • 新增2020-07-27

    · mongodb聚合 · mongodb索引 · mongodb權(quán)限· 常見反爬手段

  • 新增2020-07-20

    · 緩存擊穿 · 緩存雪崩 · 雪花算法 

  • 升級2020-07-13

    · Locust 性能測試 shell編程 · msyql數(shù)據(jù)庫 · redis緩存 ·

  • 升級2020-07-06

    · redis集群 · gitfollow工作流 · 定時爬蟲 · elk

  • 升級2020-06-29

    · 響應對象的處理 · 細化Cookie及Session的處理 · 鏈接失效的爬蟲案例 · 美后臺權(quán)限控制

  • 新增2020-06-22

    · 高性能爬蟲 · 多線程爬蟲案例 · Flask-Migrate 數(shù)據(jù)模型設(shè)計 · 智慧大屏案例

  • 升級2020-06-15

    · UnitTest斷言: 比較斷言,復雜斷言 · 路由系統(tǒng)全線升級 · 數(shù)據(jù)圖片化反爬 · redis緩存

  • 新增2020-06-08

    · Jmter 圖形監(jiān)視器擴展插件 · 警告斷言 · 異常斷言 · Jmter性能調(diào)試

  • 新增2020-06-01

    · 性能測試報告分析 · 新增分庫訪問 · 優(yōu)化Fixtures的參數(shù)化 · protometheus使用

  • 新增2020-05-25

    · flask-sqlalchemy二次開發(fā) · 數(shù)據(jù)解析-BeautifulSoup4 · Jmeter分布式并發(fā)測試的配置 · zabbix使用

  • 新增2020-05-18

    · Jmeter實現(xiàn)參數(shù)化 · 數(shù)據(jù)庫測試 · 實現(xiàn)跨線程組傳值 · lua基礎(chǔ)

  • 新增2020-05-11

    · 自定義讀寫分離 · 認證體系 · 訪問劫持 · 安全策略

  • 新增2020-05-04

    · Redis悲觀鎖 · 布隆過濾器 · 文件安全 · WAF實踐

  • 升級2020-04-27

    · 搜索接口結(jié)構(gòu) · elsticsearch使用 · celerybug處理 · rabbitMQ使用

  • 升級2020-04-20

    · Locust關(guān)聯(lián) · Locust斷言 · Locust各種業(yè)務(wù)場景下的參數(shù)化 · pipeline使用

  • 升級2020-04-13

    · 更改Scrapy以及Scrapy-redis項目 · Selenium知識點演示案例 · redis哨兵機制 · mysql主從搭建

  • 升級2020-04-06

    · 時間戳/頁碼/偏移量分頁 · gitflow工作流 · sentry使用 · xss安全

  • 新增2020-03-30

    · Pytest.mark · flask緩存工具類 · 多級緩存 · mysql注入攻擊

  • 新增2020-03-23

    · 禪道的不同角色使用 · Mysql垂直拆分 · Flask-SQLAlchemy的讀寫分離 · Mysql水平拆分

  • 升級2020-03-16

    · 性能測試分類 · 性能監(jiān)控指標 · 性能測試流程 · celery使用

  • 新增2020-03-09

    · 定時抓取數(shù)據(jù)爬蟲 · Appium對APP數(shù)據(jù)的抓取 · 常見性能測試工具優(yōu)化 · Filebeat詳解

  • 升級2020-03-02

    · 禪道的部署方式 · django框架升級為2.25版本 · 美多詳情頁靜態(tài)化 · 商品spu表結(jié)構(gòu)

  • 新增2020-01-16

    · 美多商城緩存 · elk日志監(jiān)控 · docker部署美多商城 · shell代碼發(fā)布

  • 升級2020-01-09

    · 等價類劃分法演示案例 · 邊界值法的演示案例 · 容聯(lián)云發(fā)送短信 · fastDFS圖片上傳

  • 新增2020-01-02

    · 測試用例的設(shè)計方法 · 獲取用戶信息模塊的單元測試 · 登錄注冊模塊的單元測試 · jenkins使用

  • 升級2019-12-26

    · Django自帶單元測試模塊 · Mysql數(shù)據(jù)庫教法調(diào)整 · 黑馬頭條緩存使用 · dockerfile使用

  • 新增2019-12-19

    · Locust 性能測試 · HttpLocust和Locust · TaskSet TaskSequence · seq_task

  • 升級2019-11-28

    · 異常案例的講解 · 代碼健壯性提升方式 · 登錄狀態(tài)判斷 · 異常處理

  • 升級2019-11-21

    · 商品模塊代碼進行了調(diào)整 · Redis事務(wù)型管道 · 反爬案例 · 搜索方法優(yōu)化

  • 新增2019-11-14

    · 新增字體反爬 · Charles/fiddler抓包工具講解 · Redis非事務(wù)型管道 · 新增shell編程

  • 升級2019-11-07

    · PO模型 · Requests模塊的使用 · Get/Post等Http請求 · 試用例的設(shè)計方法

  • 新增2019-10-31

    · Flask項目搭建Flask-CORS · Fixtures實現(xiàn)SetUp和TearDown · 美多商城登錄功能自動化測試 · Redis緩存數(shù)據(jù)集合

  • 升級2019-10-24

    · 黑馬頭條前端代碼 · 分布式事務(wù) · 美多商城前臺改為前后端分離模式 · admin后端管理站點講解

  • 新增2019-10-17

    · 美多商城支付模塊單元測試 · Jmeter 性能測試報告 · TestCase Client FactoryRequest Mock · 美多商城下單模塊性能測試

  • 新增2019-10-10

    · 黑馬頭條業(yè)務(wù)邏輯: 用戶認證 、修改頭像 · 黑馬頭條業(yè)務(wù)邏輯: 頻道管理 · 黑馬頭條業(yè)務(wù)邏輯: 文章列表/詳情 · 黑馬頭條業(yè)務(wù)邏輯: 關(guān)注用戶 評論回復

prev next
點擊加載更多>>
2024.07.20 升級版本5.0

課程名稱

AI+Python大數(shù)據(jù)開發(fā)課程

課程推出時間

2024.07.20

課程版本號

5.0

技術(shù)課程

Hadoop3.3,Spark3.4,阿里云Flink(FlinkCDC、FlinkCEP、FlinkSQL),Hudi,Doris,Starrocks,Paimon,ElasticSearch

課程介紹

AI+Python大數(shù)據(jù)開發(fā)V5.0課程全新升級,全面擁抱AI大模型,采用AI+編程助力數(shù)據(jù)開發(fā)提效,緊貼各類企業(yè)招聘需求,升級面向數(shù)據(jù)分析的AI Agent智能體實現(xiàn)高效數(shù)據(jù)開發(fā),升級阿里云平臺全套基于云平臺的大數(shù)據(jù)技術(shù)棧,全程采用六項目制驅(qū)動技術(shù)學習,助力國家數(shù)字化轉(zhuǎn)型對數(shù)字人才的大量需求。

V5.0 五大課程優(yōu)勢

優(yōu)勢1:AI大模型全程賦能,讓數(shù)據(jù)分析更精準,開發(fā)更高效;優(yōu)勢2:1000+核心業(yè)務(wù)指標,多行業(yè)高效通用;優(yōu)勢3:前沿解決方案拿來即用,開發(fā)不必從零開始;優(yōu)勢4:聯(lián)合阿里云共建課程, 助力企業(yè)“上云”便捷開發(fā);優(yōu)勢5:課程設(shè)置全面,熱門數(shù)據(jù)崗位全覆蓋 。

● AI大模型全程賦能,讓數(shù)據(jù)分析更精準,開發(fā)更高效(1、AI提高學習效率:全部技術(shù)階段融入AI編程;2、AI提高項目開發(fā)效率:全階段項目融入AI編程;3、AI提高閱讀代碼效率:復雜Spark算子的底層源碼解讀;4、通過AI提高刷題效率:學員能夠用使用AI大模型進行數(shù)據(jù)開發(fā)方向面試題問答,讓刷題更高效)。

● 多位Apache社區(qū)貢獻者聯(lián)袂授課,從原理、實戰(zhàn)到源碼,帶你邁入高級開發(fā)工程師行列。

● 課程覆蓋企業(yè)級大數(shù)據(jù)六大主流解決方案,包括離線數(shù)倉解決方案、基于StarRocks統(tǒng)一數(shù)倉解決方案和基于云平臺的湖倉一體解決方案、用戶畫像解決方案、推薦系統(tǒng)解決方案、數(shù)據(jù)治理解決方案,再現(xiàn)公司中真實的開發(fā)場景,目標不止于就業(yè),而是成為各類企業(yè)爭搶的大數(shù)據(jù)開發(fā)工程師。

● 課程升級主流企業(yè)級數(shù)倉解決方案,包括基于StarRocks統(tǒng)一數(shù)倉解決方案和基于云平臺的湖倉一體解決方案,不僅可以學習到企業(yè)真實完整的業(yè)務(wù)場景,將六大技術(shù)解決方案應用到黑馬甄選泛電商業(yè)務(wù)中,能勝任企業(yè)級離線數(shù)倉、實時數(shù)倉、用戶畫像、推薦系統(tǒng)、數(shù)據(jù)治理等核心大數(shù)據(jù)開發(fā)工作。

● 繼V4.5版本推出黑馬甄選離線數(shù)倉業(yè)務(wù)之后,V5.0版本增加了黑馬甄選用戶畫像和推薦系統(tǒng)的全套解決方案課程,課程采用由淺入深,層層遞進的講解方式, 讓學生輕松掌握企業(yè)級用戶畫像系統(tǒng)的設(shè)計與開發(fā)全流程,項目使用的技術(shù)棧包括Spark、ES、Doris、SeaTunnel、Kafka均為時下主流的大數(shù)據(jù)技術(shù),項目使用Structured Streaming開發(fā)實時類標簽,使用SeaTunnel做數(shù)據(jù)同步,使用ES和Doris存儲結(jié)果數(shù)據(jù)及使用Spark MLlib開發(fā)推薦系統(tǒng)。該項目構(gòu)建適合全場景的用戶畫像+推薦系統(tǒng)解決方案。

1

新增面向數(shù)據(jù)分析的AI Agent智能體實現(xiàn)高效數(shù)據(jù)開發(fā),提升數(shù)據(jù)分析和查詢效率。滿足就業(yè)市場中數(shù)據(jù)工程師+AI大模型技能的需求,提升學生就業(yè)競爭力。

1

新增基于StarRocks統(tǒng)一數(shù)倉解決方案,提升數(shù)據(jù)分析和查詢效率。滿足就業(yè)市場中中高級數(shù)據(jù)工程師需求,提升學生就業(yè)競爭力。

1

新增基于云平臺的湖倉一體解決方案,項目采用阿里云Flink結(jié)合Paimon,完成實時計算和流批一體存儲,采用DataWorks+MaxCompute完成離線數(shù)倉開發(fā),使用DataWorks完成數(shù)據(jù)治理等內(nèi)容,該方案對各行業(yè)大數(shù)據(jù)平臺建設(shè)都有極強借鑒意義。讓學員具備基于阿里云DataWorks、MaxComputer及Flink等技術(shù)能力要求,增加學員的就業(yè)選擇范圍。

1

新增黑馬甄選用戶畫像和推薦系統(tǒng)的全套解決方案課程,,采用大規(guī)模Spark機器學習和個性化推薦技術(shù),達到企業(yè)級提供一站式推薦服務(wù)能力搭建平臺,提升學生就業(yè)競爭力

1

優(yōu)化Paimon、Hudi新技術(shù),將技術(shù)應用到實時項目中,更加全面提升通過技術(shù)解決業(yè)務(wù)問題能力。

1

優(yōu)化新版面試加強課,內(nèi)容集成了大廠架構(gòu)解析、SQL專項面試寶典,以及不斷滾動更新的全網(wǎng)大數(shù)據(jù)崗位面試題講解,助力學員高起點就業(yè)。

1

優(yōu)化大數(shù)據(jù)BI報表開發(fā)項目實戰(zhàn)階段,通過Python+SQL+FineReport完成電商業(yè)務(wù)統(tǒng)計分析和大屏展示。

1

友情提示更多學習視頻+資料+源碼,請加QQ:2632311208。

2024.04.21 升級版本4.5

課程名稱

Python+大數(shù)據(jù)開發(fā)課程

課程推出時間

2024.04.21

課程版本號

4.5

技術(shù)課程

Hadoop3.3,Spark3.4,阿里云Flink(FlinkCDC、FlinkCEP、FlinkSQL),Hudi,Doris,Starrocks,Paimon,ElasticSearch

課程介紹

● Python大數(shù)據(jù)V4.5課程全新升級,緊貼各類企業(yè)招聘需求,升級阿里云平臺全套大數(shù)據(jù)技術(shù)棧,全程采用六項目制驅(qū)動技術(shù)學習,助力國家數(shù)字化轉(zhuǎn)型對數(shù)字人才的大量需求。

● 多位Apache社區(qū)貢獻者聯(lián)袂授課,從原理、實戰(zhàn)到源碼,帶你邁入高級開發(fā)工程師行列。

● 課程覆蓋企業(yè)級大數(shù)據(jù)六大主流解決方案,包括離線數(shù)倉解決方案、流批一體解決方案和湖倉一體解決方案、用戶畫像解決方案、推薦系統(tǒng)解決方案、數(shù)據(jù)治理解決方案,再現(xiàn)公司中真實的開發(fā)場景,目標不止于就業(yè),而是成為各類企業(yè)爭搶的大數(shù)據(jù)開發(fā)工程師。

● 課程升級主流大數(shù)據(jù)技術(shù)棧,全新Hadoop3.3,Spark3.4,阿里云實時計算Flink技術(shù)剖析和新特性使用,推出黑馬甄選業(yè)務(wù)的全套解決方案課程,不僅可以學習到企業(yè)真實完整的業(yè)務(wù)場景,將六大技術(shù)解決方案應用到黑馬甄選泛電商業(yè)務(wù)中,能勝任企業(yè)級離線數(shù)倉、實時數(shù)倉、用戶畫像、推薦系統(tǒng)、數(shù)據(jù)治理等核心大數(shù)據(jù)開發(fā)工作。

1

新增數(shù)據(jù)治理解決方案,結(jié)合包括元數(shù)據(jù)管理、數(shù)據(jù)標準、指標系統(tǒng)、數(shù)據(jù)建模等在內(nèi)的數(shù)據(jù)治理能力,聚焦企業(yè)數(shù)字化轉(zhuǎn)型,深挖數(shù)據(jù)價值,提升企業(yè)數(shù)據(jù)生產(chǎn)力。滿足就業(yè)市場中中高級數(shù)據(jù)工程師需求,提升學生就業(yè)競爭力。

1

新增數(shù)據(jù)分析相關(guān)的課程內(nèi)容,讓學員具備數(shù)據(jù)分析崗位的能力要求,增加學員的就業(yè)選擇范圍。

1

新增多場景離線數(shù)倉項目解決方案,基于Starrocks數(shù)據(jù)庫完成數(shù)倉的搭建,結(jié)合多場景的業(yè)務(wù)豐富學生對業(yè)務(wù)理解能力。

1

優(yōu)化推薦系統(tǒng)解決方案,采用大規(guī)模機器學習和個性化推薦技術(shù),達到企業(yè)級提供一站式推薦服務(wù)能力搭建平臺,提升學生就業(yè)競爭力。

1

優(yōu)化Paimon、StarRocks新技術(shù),將技術(shù)應用到實時項目中,更加全面提升通過技術(shù)解決業(yè)務(wù)問題能力。

1

優(yōu)化新版面試加強課,內(nèi)容集成了大廠架構(gòu)解析、SQL專項面試寶典,以及不斷滾動更新的全網(wǎng)大數(shù)據(jù)崗位面試題講解,助力學員高起點就業(yè)。

1

優(yōu)化黑馬甄選實時計算項目由阿里云實時計算Flink全棧開發(fā),從FlinkCDC數(shù)據(jù)采集,Kafka實時數(shù)倉分層,Paimon數(shù)據(jù)湖構(gòu)建湖倉一體架構(gòu),將數(shù)據(jù)接入Starrocks進行OLAP分析和查詢,最后通過DataV完成企業(yè)級業(yè)務(wù)大屏展示。

1

優(yōu)化大數(shù)據(jù)BI報表開發(fā)項目實戰(zhàn)階段,通過Python+SQL+FineReport完成電商業(yè)務(wù)統(tǒng)計分析和大屏展示。

2023.08.21 升級版本4.0

課程名稱

Python+大數(shù)據(jù)開發(fā)課程

課程推出時間

2023.08.21

課程版本號

4.0

技術(shù)課程

Hadoop3.3,Spark3.4,阿里云Flink(FlinkCDC、FlinkCEP、FlinkSQL),StarRocks,Paimon,ElasticSearch

課程介紹

● Python大數(shù)據(jù)V4.0課程全新升級,緊貼各類企業(yè)招聘需求,升級阿里云平臺全套大數(shù)據(jù)技術(shù)棧,全程采用六項目制驅(qū)動技術(shù)學習,助力國家數(shù)字化轉(zhuǎn)型對數(shù)字人才的大量需求。

● 多位Apache社區(qū)貢獻者聯(lián)袂授課,從原理、實戰(zhàn)到源碼,帶你邁入高級開發(fā)工程師行列。

● 課程覆蓋企業(yè)級大數(shù)據(jù)六大主流解決方案,包括離線數(shù)倉解決方案、流批一體解決方案和湖倉一體解決方案、用戶畫像解決方案、推薦系統(tǒng)解決方案、數(shù)據(jù)治理解決方案,再現(xiàn)公司中真實的開發(fā)場景,目標不止于就業(yè),而是成為各類企業(yè)爭搶的大數(shù)據(jù)開發(fā)工程師。

● 課程升級主流大數(shù)據(jù)技術(shù)棧,全新Hadoop3.3,Spark3.4,阿里云實時計算Flink技術(shù)剖析和新特性使用,推出黑馬甄選業(yè)務(wù)的全套解決方案課程,不僅可以學習到企業(yè)真實完整的業(yè)務(wù)場景,將六大技術(shù)解決方案應用到黑馬甄選泛電商業(yè)務(wù)中,能勝任企業(yè)級離線數(shù)倉、實時數(shù)倉、用戶畫像、推薦系統(tǒng)、數(shù)據(jù)治理等核心大數(shù)據(jù)開發(fā)工作。

● 項目課程實施“講A練B”與"看圖說話"新模式, 以思路分析為導向提高學員獨立開發(fā)能力,并推動學員在邏輯思維與語言表達能力方向的持續(xù)提升,為學員在面試中以及在企業(yè)獨立開發(fā)中打下堅實的基礎(chǔ)

1

新增數(shù)據(jù)治理解決方案,結(jié)合包括元數(shù)據(jù)管理、數(shù)據(jù)標準、指標系統(tǒng)、數(shù)據(jù)建模等在內(nèi)的數(shù)據(jù)治理能力,聚焦企業(yè)數(shù)字化轉(zhuǎn)型,深挖數(shù)據(jù)價值,提升企業(yè)數(shù)據(jù)生產(chǎn)力。滿足就業(yè)市場中中高級數(shù)據(jù)工程師需求,提升學生就業(yè)競爭力。

1

新增通過AIGC助力編程效率提升,完成數(shù)據(jù)開發(fā)和數(shù)據(jù)分析任務(wù)。

1

新增Paimon、StarRocks新技術(shù),將技術(shù)應用到實時項目中,更加全面提升通過技術(shù)解決業(yè)務(wù)問題能力。

1

新增新版面試加強課,內(nèi)容集成了大廠架構(gòu)解析、SQL專項面試寶典,以及不斷滾動更新的全網(wǎng)大數(shù)據(jù)崗位面試題講解,助力學員高起點就業(yè)。

1

更新由Apache Flink1.17課程升級為阿里云實時計算Flink版,通過阿里云全套大數(shù)據(jù)組件學習,貼近中小型企業(yè)大數(shù)據(jù)開發(fā)真實環(huán)境,提升學生就業(yè)競爭力。

1

新增黑馬甄選實時計算項目由阿里云實時計算Flink全棧開發(fā),從FlinkCDC數(shù)據(jù)采集,Kafka實時數(shù)倉分層,Paimon數(shù)據(jù)湖構(gòu)建湖倉一體架構(gòu),將數(shù)據(jù)接入Starrocks進行OLAP分析和查詢,最后通過DataV完成企業(yè)級業(yè)務(wù)大屏展示。

1

新增大數(shù)據(jù)BI報表開發(fā)項目實戰(zhàn)階段,通過Python+SQL+FineReport完成電商業(yè)務(wù)統(tǒng)計分析和大屏展示。

1

2023.01.01 升級版本3.2

課程名稱

Python+大數(shù)據(jù)開發(fā)課程

課程推出時間

2023.01.01

課程版本號

3.2

主要使用開發(fā)工具

PyCharm,IDEA,DataGrip,F(xiàn)inalShell

課程介紹

● 優(yōu)勢1:課程升級深度調(diào)研市場需求,針對行業(yè)解決方案:離線數(shù)倉解決方案、用戶畫像解決方案、湖倉一體解決方案,打造多行業(yè)多場景大數(shù)據(jù)開發(fā)工程師。

● 優(yōu)勢2:6項目制,2大項目實戰(zhàn),新增PB級內(nèi)存計算項目實戰(zhàn),應對企業(yè)級大數(shù)據(jù)開發(fā)工程師需求。

● 優(yōu)勢3:研究院精心研發(fā)基于實時技術(shù)棧全新架構(gòu)的出行行業(yè)和電商行業(yè)大數(shù)據(jù)項目,讓學生具備更強項目經(jīng)驗要求。

● 優(yōu)勢4:最短路徑教會企業(yè)最實用的技術(shù),案例練習促進吸收;每日作業(yè)夯實學習成果;階段項目實戰(zhàn),學以致用。

1

新增基于Flink的悠游出行大數(shù)據(jù)平臺

1

新增基于Flink的優(yōu)購電商優(yōu)選項目

1

新增用戶畫像解決方案項目,包含了新零售、電商、金融保險等多行業(yè)畫像解決方案

1

升級Spark內(nèi)存計算階段項目實戰(zhàn)

1

新增大數(shù)據(jù)Java語言基礎(chǔ),為Flink技術(shù)棧提供語言支持

1

新增SQL大廠面試題,貫穿課堂每日一練,提升SQL技術(shù)能力

1

新增Hudi數(shù)據(jù)湖,Hudi on Hive構(gòu)建湖倉一體架構(gòu)

1

新增Python版NoSQL課程,達到企業(yè)級萬億級數(shù)據(jù)存儲目標

1

新增Doris、ClickHouse多維數(shù)據(jù)分析

1

優(yōu)化億品新零售項目中數(shù)倉建模理論基礎(chǔ),強化數(shù)倉建模工具使用

1

優(yōu)化車聯(lián)網(wǎng)項目全新架構(gòu)升級

1

優(yōu)化Flink技術(shù)課程版本更新至1.16,豐富實時計算新特性

1

優(yōu)化Spark技術(shù)課程版本更新至3.3.0,增加Spark新特性講解

1

優(yōu)化優(yōu)化Hadoop模塊,增強Hive模塊

1

優(yōu)化優(yōu)化Python編程內(nèi)容,為Spark提供語言支持

1

優(yōu)化ETL項目增加從HDFS到Hive的數(shù)據(jù)抽取、轉(zhuǎn)換、加載方式

1

優(yōu)化ETL項目增加DataX數(shù)據(jù)采集

1

優(yōu)化ETL項目增加Apache DolphinScheduler調(diào)度全流程數(shù)據(jù)處理過程

1

優(yōu)化Flink技術(shù)棧突出以FlinkSQL為主核心技術(shù)

2022.06.01 升級版本3.0

課程名稱

Python+大數(shù)據(jù)開發(fā)課程

課程推出時間

2022.06.01

課程版本號

3.0

主要針對

          技術(shù)課程:ETL開發(fā)、NoSQL中間件課程、新版Flink課程

主要使用開發(fā)工具

PyCharm、DataGrip、FinalShell

課程介紹

● Python大數(shù)據(jù)V3.0課程全新升級,緊貼各類企業(yè)招聘需求,采用六項目制驅(qū)動技術(shù)學習,助力國家數(shù)字化轉(zhuǎn)型對數(shù)字人才的大量需求

● 多位Apache社區(qū)貢獻者聯(lián)袂授課,從原理、實戰(zhàn)到源碼,帶你邁入高級開發(fā)工程師行列

● 課程覆蓋企業(yè)級大數(shù)據(jù)四大主流解決方案,包括離線數(shù)倉解決方案、用戶畫像解決方案、流批一體解決方案和湖倉一體解決方案,再現(xiàn)公司中真實的開發(fā)場景,目標不止于就業(yè),而是成為各類企業(yè)爭搶的大數(shù)據(jù)開發(fā)工程師。

● 課程升級主流大數(shù)據(jù)技術(shù)棧,全新Hadoop3.2,Spark3.2,F(xiàn)link1.15技術(shù)剖析和新特性使用,推出Python全棧ETL開發(fā)課程,不僅可以學習到完整的基礎(chǔ)ETL流程、工具,更能勝任千億級、亞秒級等復雜數(shù)據(jù)源情況下的工作。

● 新增基于Python和SQL的Flink課程,滿足就業(yè)市場中,大數(shù)據(jù)開發(fā)崗位更多的依賴SQL、Python的需求變化。

● 新增 基于Python的Kafka、Elasticsearch等全新課程,夯實實時計算開發(fā)基礎(chǔ)能力,幫助學員掌握數(shù)據(jù)開發(fā)工程師重要技能。

● 新增 新版面試加強課,內(nèi)容集成了大廠架構(gòu)解析、SQL專項面試寶典,以及不斷滾動更新的全網(wǎng)大數(shù)據(jù)崗位面試題講解,助力學員高起點就業(yè)。

1

新增基于Python的全棧ETL開發(fā)課程,助力學員勝任ETL中高級開發(fā)崗位

1

新增全網(wǎng)基于PySpark技術(shù)棧的用戶畫像項目,替換原有舊項目,提升簡歷含金量

1

新增知行教育項目實戰(zhàn),學習完整企業(yè)級項目實戰(zhàn)流程,讓學生真正掌握大數(shù)據(jù)開發(fā)精髓

1

升級Spark技術(shù)課程為20223.2版本、Flink技術(shù)課程為20221.15版本,全網(wǎng)率先加入Pandas on Spark數(shù)據(jù)開發(fā)內(nèi)容

1

新增FlinkSQL湖倉一體項目、FlinkSQL流批一體課程,進階Flink高階工程師,助力突破年薪50W

1

新增SparkSQL底層執(zhí)行原理,StructuredStreaming結(jié)構(gòu)化流內(nèi)容

1

升級Spark3.2整合Hive3.1.2版本兼容問題

1

新增Pandas_udf函數(shù),通過Apache Arrow框架優(yōu)化數(shù)據(jù)處理速度;Pandas技術(shù)棧,能夠處理中小型數(shù)據(jù)量

1

新增Python版NoSQL課程,達到企業(yè)級萬億級數(shù)據(jù)存儲目標

1

新增Kafka-Python完成企業(yè)級消息隊列流量削峰, 異步通信等任務(wù)

1

新增ElasticSearch技術(shù)棧,達到企業(yè)級大數(shù)據(jù)搜索工程師目標

1

升級PySpark的DataFrame操作、Flink任務(wù)調(diào)度機制以及Flink內(nèi)存模型、Flink table&sql的整體概述

1

新增FlinkSQL的原理和調(diào)優(yōu)、Flink on Yarn的多種部署方式、Flink transformation的八大物理分區(qū)的原理和實現(xiàn)、Flink的window窗口操作,以及內(nèi)置水印函數(shù)的操作

1

新增Hadoop3.x新特性、Hive3.x新特性,以及數(shù)據(jù)壓縮、存儲格式等內(nèi)容

1

升級Python基礎(chǔ),增加PyEcharts等BI內(nèi)容,實現(xiàn)可視化大屏

1

新增Presto對接多數(shù)據(jù)源實現(xiàn)企業(yè)級大數(shù)據(jù)OLAP分析、Presto加速對Hive數(shù)倉之上數(shù)據(jù)構(gòu)建大數(shù)據(jù)分析引擎,實現(xiàn)多維指標計算

1

新增企業(yè)級BI工具FineBI,適用于多行業(yè)項目BI大屏展示,助力企業(yè)數(shù)字決策

1

新增Flink table&sql概念和通用api介紹、sqlclient工具的使用、catalogs知識點的學習、流處理中的概念介紹

1

新增FlinkSQL中的窗口使用、FlinkSQL函數(shù)操作、Flinksql連接到外部系統(tǒng)

1

新增Flink源碼前置基礎(chǔ)、源碼的編譯和部署、Flink啟動腳本的解讀、yarn-per-job模式解析

1

升級車聯(lián)網(wǎng)Web展示部分、車聯(lián)網(wǎng)離線Hive數(shù)倉構(gòu)建部分

2021.06.01 升級版本2.0

課程名稱

Python+大數(shù)據(jù)開發(fā)課程

課程推出時間

2021.06.01

課程版本號

2.0

主要針對

新零售數(shù)倉項目、云上服務(wù)器集群

主要使用開發(fā)工具

新零售數(shù)倉項目、云上服務(wù)器集群

課程介紹

● 經(jīng)過不斷的版本迭代,正式推出新零售數(shù)倉項目課程,替換原有的舊項目,打造過硬的項目實戰(zhàn)經(jīng)驗

● 新增價值百萬的UCcloud云上集群生產(chǎn)環(huán)境用于學習,完全云服務(wù)開發(fā)環(huán)境體驗

● 新增項目實戰(zhàn)環(huán)節(jié),再現(xiàn)企業(yè)中真實工作場景,夯實開發(fā)實戰(zhàn)能力

1

升級PySpark執(zhí)行流程

1

新增Spark3.x新特性以及性能調(diào)優(yōu)九項原則

1

升級Hive版本為新的3.x版本

1

新增自動導入oracle數(shù)據(jù),自動創(chuàng)建hive表,自動創(chuàng)建hive分區(qū),自動關(guān)聯(lián)hdfs數(shù)據(jù),自動創(chuàng)建文件目錄,并記錄自動化過程日志

1

升級Flink版本為新版

1

新增FlinkSQL&Table理論部分比重,使用新版API,使用新增FlinkSQL整合Kafka案例

1

新增美團、平安、小米大數(shù)據(jù)架構(gòu),以及百度廣告業(yè)務(wù)場景大數(shù)據(jù)架構(gòu)解決方案

1

新增flink的global window的操作、內(nèi)置水印函數(shù)的操作

1

升級 flink的window的ReduceFunction、AggregateFunction、ProcessWindowFunction、具有增量聚合的ProcessWindowFunction、在 ProcessWindowFunction 中使用每個窗口狀態(tài)

1

新增flink的state的ttl機制、state的數(shù)據(jù)結(jié)構(gòu)的api升級、Queryable State知識點

1

新增Flink異步io的vertx框架實現(xiàn)、flink的join操作(Tumbling Window Join、Sliding Window Join、Session Window Join)

1

新增Streaming File Sink連接器的小文件操作

1

新增數(shù)據(jù)類型及序列化的原理和實現(xiàn)案例

1

新增Flink Action綜合練習:熱門銷售排行TopN的使用案例、布隆過濾器結(jié)合TTL的使用案例

2021.01.01 升級版本1.6

課程名稱

Python+大數(shù)據(jù)開發(fā)課程

課程推出時間

2021.01.01

課程版本號

1.6

主要針對

Spark3.x

主要使用開發(fā)工具

Pycharm、Idea、Datagrip、FinalShell

課程介紹

● 針對Spark3.x版本的重大更新,應對就業(yè)崗位需求的快速變化,大數(shù)據(jù)課程推出基于Python的Spark課程

● 新增大數(shù)據(jù)工程師必備的SQL面試進階強化內(nèi)容,提升大數(shù)據(jù)開發(fā)工程師核心SQL能力

● 新增大廠數(shù)倉架構(gòu)專題內(nèi)容,提升數(shù)據(jù)倉庫建設(shè)能力

1

升級Hadoop為3.3.0版本、Hive版本為3.1.2版本、HIve3.x架構(gòu)

1

新增使用Python實現(xiàn)MR原理機制、OLAP、OLTP區(qū)別

1

新增MapReduce計算PI原理、MapReduce Python接口調(diào)用、Hadoop Streaming提交程序、ETL、ELT區(qū)別

1

新增HIve3新特性、Hive3數(shù)據(jù)壓縮,存儲格式、Hive CTE表達式

1

升級union聯(lián)合查詢、Hive知識點案例 同步為Hive3版本、Linux課程、Mysql RPM安裝方式以支持hive3

1

升級Spark語言為官方推薦使用的Python語言、版本更新為Spark3.1.2發(fā)行版、adoop3.3.0、Hive3.1.2版本

1

新增PySpark的安裝、任務(wù)提交方式、多種模式spark-submit、實現(xiàn)wordcount案例實戰(zhàn)

1

新增Python實現(xiàn)RDD操作、DataFrame操作、實現(xiàn)Sougou分詞案例、IP熱度分析案例、PV-UV-TOPK案例

1

新增PySparkSQL實現(xiàn)基礎(chǔ)統(tǒng)計操作、底層Dataframe轉(zhuǎn)化RDD原理操作、實現(xiàn)電影評分數(shù)據(jù)集分析、離線教育案例、新零售分析案例

1

新增PySparkSQL的優(yōu)化方式、分布式引擎實現(xiàn)、與HIve整合

2020.06.01 重磅推出 新版1.0

課程名稱

Python+大數(shù)據(jù)開發(fā)課程

課程推出時間

2020.06.01

課程版本號

1.0

主要針對

大數(shù)據(jù)引入Python語言、Pandas數(shù)據(jù)分析

主要使用開發(fā)工具

Pycharm、Idea、Datagrip

課程介紹

● 8.1版本以前的數(shù)據(jù)開發(fā)課程,需要一定Java基礎(chǔ)和工作經(jīng)驗,為了幫助進入數(shù)據(jù)開發(fā)行業(yè)的零基礎(chǔ)學員找到適宜的入門途徑,大數(shù)據(jù)引入Python語言,全新升級為Python+大數(shù)據(jù)開發(fā)1.0版本。

● 學習Python大數(shù)據(jù)開發(fā),以Python技術(shù)棧處理中小型數(shù)據(jù)集,以大數(shù)據(jù)技術(shù)棧處理海量大規(guī)模數(shù)據(jù),成為全能企業(yè)級數(shù)據(jù)開發(fā)人才。

● 其特點適合零基礎(chǔ)學員,從完全沒有編程經(jīng)驗開始;課程內(nèi)容寬并且深,技術(shù)大牛親自授課;面向市場,學即可用,能讓學員高薪就業(yè)。

1

新增Python基礎(chǔ)語言課程

1

新增Python高級語言進階課程

1

新增Python爬蟲課程

1

新增Pandas數(shù)據(jù)分析課程

1

新增多場景案例分析,應對中小型數(shù)據(jù)統(tǒng)計分析

2020.01.01 升級版本8.0

課程名稱

云計算大數(shù)據(jù)實戰(zhàn)班

課程推出時間

2020.01.01

課程版本號

8.0

主要針對系統(tǒng)

Windows、Linux、MacOS

主要使用開發(fā)工具

DataGrip、IDEA

課程介紹

● 根據(jù)大量的行業(yè)調(diào)研分析,本次課程更新以大數(shù)據(jù)開發(fā)為主線,在7.0基礎(chǔ)上再次縮減Java課程占比,弱化各類組件安裝。

● 針對大數(shù)據(jù)技術(shù)深度和廣度進行升級,例如新增Spark內(nèi)存管理、Flink性能優(yōu)化及反壓、背壓原理等同時為提高學員的就業(yè)薪資,推出多行業(yè)項目解決方案,例如證券、物流等。

● 以周為單位進行課程更新升級,新增Elastic Stack、 出行、電商、視頻、社交等領(lǐng)域大數(shù)據(jù)解決方案、 一線大廠技術(shù)架構(gòu)、 新零售大數(shù)據(jù)項目實戰(zhàn),離線實時全覆蓋。

1

新增數(shù)據(jù)倉庫、ETL、BI開發(fā)

1

新增Oracle及PLSQL編程、數(shù)據(jù)微服務(wù)開發(fā)

1

新增Spark的內(nèi)存管理、avro序列化數(shù)據(jù)源

1

新增continuous processing、偏移量管理機制

1

新增KafkaStreams編程、exactly-once、Kafka事務(wù)、metrics監(jiān)控

1

新增Hbase的協(xié)處理器和phoneix的二級索引實現(xiàn)、布隆過濾器、LSM樹、StoreFiles結(jié)構(gòu)剖析

1

新增FLink性能優(yōu)化及反壓、背壓指標計算原理、FlinkSQL On Hive、Flink HistoryServer、Flink的UDF、UDAF、UDTF的實現(xiàn)

1

新增在線教育行業(yè)、物流行業(yè)、物聯(lián)網(wǎng)行業(yè)、證券行業(yè)項目

1

升級分布式緩存系統(tǒng), 萬億級NoSQL海量數(shù)據(jù)存儲, 分布式流處理平臺、電商行業(yè)項目

1

刪除刪減 JavaWeb

2019.07.22 升級版本7.0

課程名稱

云計算大數(shù)據(jù)實戰(zhàn)班

課程推出時間

2019.07.22

課程版本號

7.0

主要針對版本

CDH5.14、Spark2.2.0、Flink1.8、Kafka0.11.0.2、ELK6.0

主要使用開發(fā)工具

IntelliJ IDEAA

課程介紹

● 大數(shù)據(jù)技術(shù)目前在企業(yè)里面使用的越來越廣泛,對大數(shù)據(jù)人才的需求越來越多,大數(shù)據(jù)的整個課程體系是由來自大型互聯(lián)網(wǎng)、外企等具有5年以上的一線大數(shù)據(jù)高級工程師、架構(gòu)師和高級機器學習工程師設(shè)計出來的,內(nèi)容含金量非常高。

● 課程體系涉及的技術(shù)以企業(yè)需求為導向,課程涉及的項目也是企業(yè)里面真實的項目,通過理論、實踐和真實的項目相結(jié)合,讓學員能夠快速、深刻的掌握大數(shù)據(jù)常用的核心技術(shù)和開發(fā)應用,同時可以滿足企業(yè)對中、高端大數(shù)據(jù)人才的需求。

● 大數(shù)據(jù)課程體系除了包含常用的Hadoop、Hive、Hbase、ELK、Sqoop、Flume、Kafka、Spark等技術(shù)和項目,還新增了目前互聯(lián)網(wǎng)比較流行的Flink、Druid、Kylin等技術(shù)和項目,同時引入了機器學習和深度學習Spark Mllib和Tensorflow等技術(shù)和項目實戰(zhàn)。

1

新增Impala即席查詢組件、Kudu列存儲服務(wù)、Structured Streaming結(jié)構(gòu)化數(shù)據(jù)流處理

1

新增spark MLlib數(shù)據(jù)挖掘、spark graphX圖計算

1

升級Flink的基礎(chǔ)課程和案例實戰(zhàn)

1

新增Flink高級特性CEP、Kylin數(shù)據(jù)OLAP分析、Druid時序數(shù)據(jù)實時分析、Kettle數(shù)據(jù)ETL工具

1

新增深度學習框架Tensorflow

1

新增用戶畫像、數(shù)據(jù)倉庫大型企業(yè)實戰(zhàn)型項目

2018.09.10 升級版本6.0

課程名稱

云計算大數(shù)據(jù)實戰(zhàn)班

課程推出時間

2018.09.10

課程版本號

6.0

主要針對版本

JDK1.8\CDH2.7.4\Storm1.1.1\Spark 2.1

主要使用開發(fā)工具

IntelliJ IDEA

課程介紹

● 本課程是基于V5.0的一次重大更新,匯總并收集了大數(shù)據(jù)學科一年以來15個零基礎(chǔ)班級的授課信息、學習信息、就業(yè)信息。

● 重新調(diào)整了課程的分布情況,新增了大數(shù)據(jù)綜合項目,新增了第四代大數(shù)據(jù)處理框架FLink,新增了數(shù)據(jù)庫優(yōu)化,新增了JVM基礎(chǔ)及原理,新增了Spark性能調(diào)優(yōu)等內(nèi)容。

● 課程升級方面,主要對機器學習課程進行了升級,推薦系統(tǒng)項目后置變成7天的豐富課程,提升學員進入機器學習的競爭力,從而更好的從事人工智能領(lǐng)域相關(guān)的工作。

● 整體而言,課程在培養(yǎng)中高級大數(shù)據(jù)工程師的方向上又前進了一大步。

1

新增Hadoop 2.7.2\Storm1.1.1\Spark 2.1

1

新增Java virtual machine原理分析、Java高并發(fā)核心知識

1

新增數(shù)據(jù)庫優(yōu)化及調(diào)優(yōu)、第四代大數(shù)據(jù)處理框架Apache Flink、Spark原理深入剖析及生產(chǎn)調(diào)優(yōu)

1

新增互聯(lián)網(wǎng)反欺詐項目實戰(zhàn)、廣告系統(tǒng)業(yè)務(wù)模型及CTR預估

1

新增用戶畫像、數(shù)據(jù)倉庫大型企業(yè)實戰(zhàn)型項目

1

升級用戶畫像概述/數(shù)據(jù)/建模/算法實戰(zhàn)、推薦系統(tǒng)協(xié)同過濾算法實戰(zhàn)、基于內(nèi)容的推薦系統(tǒng)實戰(zhàn)、基于關(guān)聯(lián)規(guī)則推薦系統(tǒng)實戰(zhàn)

1

升級混合推薦與CTR點擊預估

1

升級Hadoop版本為CDH

2017.07.01 升級版本5.0

課程名稱

云計算大數(shù)據(jù)實戰(zhàn)班

課程推出時間

2017.07.01

課程版本號

5.0

主要針對版本

JDK1.8\Hadoop 2.7.2\Storm1.1.1\Spark 2.1

主要使用開發(fā)工具

Eclipse、IDEA

課程介紹

● Java基礎(chǔ)、JavaWeb核心編程、JavaWeb三大框架、網(wǎng)絡(luò)爬蟲、分布式電商網(wǎng)站開發(fā)等課程模塊。培養(yǎng)學生編程能力,讓零基礎(chǔ)學員能夠更好的學習大數(shù)據(jù)項目。

● 大數(shù)據(jù)方面方面,新增點擊流日志收集系統(tǒng)、用戶日志分析報表系統(tǒng)、用戶畫像系統(tǒng)等案例。讓學員不僅僅學習到大數(shù)據(jù)技術(shù)點,能夠使用大數(shù)據(jù)解決實際問題。

● 擴充機器學習課程為10天。該課程歷時一年研發(fā),深入淺出,能夠讓學員更好的入門機器學習,成為人工智能開發(fā)的初級工程師。

1

升級Hadoop 2.7.2\Storm1.1.1\Spark 2.1

1

新增網(wǎng)絡(luò)爬蟲開發(fā)

1

新增三大框架開發(fā)

1

新增JavaWeb核心

1

新增Java語言基礎(chǔ)

2016.03.01 升級版本4.0

課程名稱

云計算大數(shù)據(jù)實戰(zhàn)班

課程推出時間

2016.03.01

課程版本號

4.0

主要針對版本

JDK7.x

主要使用開發(fā)工具

Eclipse、IDEA

課程介紹

● 對比原有課程,本次課程做了重大更新,將大數(shù)據(jù)的核心技術(shù)hadoop及其生態(tài)圈技術(shù)完美的融入到了課程中。

● 課程分階段的進行案例實戰(zhàn)和項目實戰(zhàn),在大數(shù)據(jù)方面知識體系更加完整,課程更加深度有深度,更加貼近實戰(zhàn)。

● 分階段的進行大數(shù)據(jù)生態(tài)圈的學習,將生態(tài)圈分為離線處理,實時流計算和實現(xiàn)火熱的spark內(nèi)存計算,完美的將生態(tài)圈進行了抽離和歸類,讓學習變得更便捷。

1

升級Spark1.6版本

1

新增Linux操作系統(tǒng)和shell腳本學習

1

新增JVM內(nèi)存模型分析、NIO、Netty、自定義RPC框架

1

新增電商點擊流日志分析、電商實時日志告警平臺、交易風控風控平臺、流量日志分析分析

1

新增Spark游戲日志分析項目

1

刪除KVM虛擬化技術(shù)、網(wǎng)絡(luò)基礎(chǔ)和OpenvSwitch技術(shù)、Ceph存儲技術(shù)

1

刪除CloudStack云管理平臺、混合云管理平臺項目

2015.05.15 升級版本3.0

課程名稱

云計算大數(shù)據(jù)實戰(zhàn)班

課程推出時間

2015.05.15

課程版本號

3.0

主要針對版本

JDK7.x

主要使用開發(fā)工具

Eclipse、IDEA

課程介紹

● 本次更新將大數(shù)據(jù)和虛擬化這兩大熱門技術(shù)加入到課程體系中,在大數(shù)據(jù)方面知識體系更加完整,課程更加深度有深度,更加貼近實戰(zhàn)。

● 在虛擬化方面,選擇了在云計算領(lǐng)域常用的虛擬化、網(wǎng)絡(luò)、存儲等技術(shù),并通過Apache CloudStack技術(shù)整合,在此基礎(chǔ)上開發(fā)混合云管理平臺。

1

升級Hadoop2.0版本、Hive優(yōu)化課程

1

新增電信流量運營分析項目、混合云管理平臺項目

1

新增Scala函數(shù)式編程、Spark內(nèi)存計算、KVM虛擬化技術(shù)

1

新增網(wǎng)絡(luò)基礎(chǔ)和OpenvSwitch技術(shù)

1

新增Ceph存儲技術(shù)、CloudStack云管理平臺

2014.02.15 升級版本2.0

課程名稱

云計算大數(shù)據(jù)實戰(zhàn)班

課程推出時間

2014.02.15

課程版本號

2.0

主要針對版本

JDK6.x

主要使用開發(fā)工具

Eclipse

課程介紹

● 隨著近年來云計算大數(shù)據(jù)的大力發(fā)展,市場對相關(guān)人才需求急增,所以本版課程在原有的云計算課程進行了顛覆性的改革,把原來只有1天的課程擴展為7天,加入了Hadoop生態(tài)圈的相關(guān)技術(shù)。

1

升級云計算課程、Hadoop集群部署、優(yōu)化HDSF、MapReduce案例

1

新增Hadoop生態(tài)圈相關(guān)技術(shù):Zookeeper、Hive、Hbase、Sqoop、Flume

1

新增Storm實時計算技術(shù)和案例

1

新增黑馬論壇日志分析項目

2012.02.15 升級版本1.0

課程名稱

云計算大數(shù)據(jù)實戰(zhàn)班

課程推出時間

2012.02.15

課程版本號

1.0

主要針對版本

JDK6.0

主要使用開發(fā)工具

Eclipse

課程介紹

● 近期云計算概念火爆異常,傳智教育敏銳的嗅探到大數(shù)據(jù)技術(shù)的悄然興起,并預測大數(shù)據(jù)技術(shù)將會像雨后春筍一樣快速發(fā)展,所以傳智教育與時俱進在課程中引入了1天的云計算課程,作為擁有大數(shù)據(jù)課程的培訓機構(gòu),傳智教育大數(shù)據(jù)實戰(zhàn)班助力學員可以掌握新的技術(shù),拓寬學員的就業(yè)方向,增強就業(yè)競爭力。

1

新增云計算課程:云計算和大數(shù)據(jù)相關(guān)概念

1

新增Hadoop 1.0偽分布式環(huán)境部署

1

新增HDFS、MapReduce應用案例

                                                       

授課經(jīng)驗豐富的Python+大數(shù)據(jù)開發(fā)講師團隊

教師錄取率<3%,從源頭把控師資,帶你過關(guān)斬將掌握每一個知識點

貫穿學習全程、保障學習效果的AI教輔系統(tǒng)

用數(shù)據(jù)驅(qū)動教學,貫通教/學/練/測/評,為每一位學員私人定制學習計劃和就業(yè)服務(wù)

  1. 學前入學多維測評

  2. 學前目標導向式學習

  3. 學中隨堂診斷糾錯

  4. 學中階段效果測評

  5. 學后在線作業(yè)試題庫

  6. 學后問答社區(qū)查漏補缺

  7. 保障BI報表數(shù)據(jù)呈現(xiàn)

  8. 就業(yè)面試指導就業(yè)分析

更多Tlias就業(yè)服務(wù)

就業(yè)流程
全信息化處理

學員能力
雷達圖分析

定制個性化
就業(yè)服務(wù)

技術(shù)面試題
講解

就業(yè)指導課
面試項目分析

HR面試攻略

模擬企業(yè)
真實面試

專業(yè)簡歷指導

面試復盤輔導

風險預警
企業(yè)黑名單提醒

打造學員職業(yè)生態(tài)圈

老學員畢業(yè)后即可加入傳智匯精英社區(qū),持續(xù)助力學員職場發(fā)展

傳智教育旗下IT互聯(lián)網(wǎng)精英社區(qū),以匯聚互聯(lián)網(wǎng)前沿技術(shù)為核心,以傳遞、分享為己任,聯(lián)合經(jīng)緯創(chuàng)投、創(chuàng)新工場、京東人工智能、華為等眾多關(guān)注互聯(lián)網(wǎng)的知名機構(gòu)及企業(yè)、行業(yè)大咖,共同研究中國互聯(lián)網(wǎng)深度融合、跨界滲透、整合匯聚、相互促進的信息化資源共享平臺。

  • 行業(yè)沙龍

  • 高端人脈

  • 職場資源

  • 技術(shù)研習

學長學姐面對面聊就業(yè)

查看更多經(jīng)驗 >
  • 北京學長17k/月

    文科生轉(zhuǎn)行學計算機,薪資爆炸式提升

  • 北京學長18k/月

    贏麻了!選擇黑馬學大數(shù)據(jù),一舉拿下銀行offer

  • 北京學長19.5k/月

    計算機小白的成長之路,學長有話說

  • 北京學長24k/月

    零基礎(chǔ)的我,如何拿下24koffer

  • 北京學長15k/月

    30而已,怕啥!年薪22W學長轉(zhuǎn)行大數(shù)據(jù)面試經(jīng)!

  • 黑馬學長20k/月

    我是怎么拿下20k的?學長面試經(jīng)驗分享

  • 上海學長17k/月

    "汽車評估師"跨行大數(shù)據(jù),選對職業(yè)很重要!

  • 上海學長24k/月

    從工廠到大廠,裸辭后憑實力逆襲24k

Python+大數(shù)據(jù)開發(fā)全國就業(yè)薪資情況

查看其他班級

9970元/月平均薪資

15900元/月最高薪資

100%就業(yè)率

58月薪過萬

  • 姓名
  • 性別
  • 就業(yè)時間
  • 就職城市
  • 就職企業(yè)
  • 薪資
  • 福利待遇
  • 姓名
  • 培訓前崗位
  • 培訓前薪資
  • 培訓后薪資
  • 入職時間
  • 入職公司
  • 就職城市

*學員就業(yè)信息統(tǒng)計數(shù)據(jù)為數(shù)據(jù)庫中實時調(diào)取的真實相關(guān)數(shù)據(jù),非廣告宣傳

Python+大數(shù)據(jù)開發(fā)全國各校區(qū)就業(yè)喜報
和我們在線交談!

霸州市 西林县 乌海市 卢湾区 平武县 临潭县
荃湾区 阿拉尔市 武隆县 文化 浦城县 浏阳市
郧西县 拉萨市 灵宝市 新宁县 浮梁县 中方县
泛站蜘蛛池模板: 新兴县| 油尖旺区| 望城县| 绿春县| 东丰县| 大同县| 宜黄县| 浑源县| 高台县| 汤原县| 洛扎县| 长顺县| 湘潭县| 仁寿县| 象山县| 南木林县| 华容县| 永城市| 阿尔山市| 深州市| 金阳县| 苏州市| 嘉义市| 方城县| 仪征市| 仲巴县| 赤城县| 江陵县| 商南县| 滦南县| 临颍县| 咸宁市| 普安县| 二连浩特市| 南乐县| 嘉祥县| 宁武县| 井陉县| 紫云| 科尔| 介休市|