大数据开发工程师周末就业班-就学培训网

课程简介

大数据开发工程师周末就业班：课程内容：以实际业务应用及需求场景出发，帮助企业构建大数据应用
课程体系：本课程由渐入深，整体从业务需求角度切入，倒推技术实现逻辑及架构，从数据运营指标体系的BI构建，到用户画像的标签体系构建，进而实现精准营销。
课程贯穿常用大数据平台技术应用及实践，通过业务、功能、技术三方架构串联，形成完整的大数据链路体系。
帮助学员能够快速熟悉业务适用场景，从而高效搭建大数据相关业务应用平台。

学习目标

掌握Linux、Java、SQL基本知识
掌握商业智能平台构建思路
掌握常见数仓平台架构
掌握报表开发能力、用户画像的原理
掌握用户画像系统技术架构
掌握标签的各种加工方式
掌握精准营销思路、flink技术架构
掌握精准营销流程、实时数仓搭建
掌握docker的技术架构原理
熟悉docker相关命令、docker容器数据卷
熟悉docker应用部署、docker的私有仓库相关技术

学习对象和基础

计算机、大数据等专业的高校生，想求职于大数据分析岗位
之前从事开发等技术岗想转型业务大数据分析等待就业技术人群
从传统数仓到大数据平台转型的数据分析人士
有一些编程基础，之前从事传统运营、营销想转行大数据分析的业务人士
希望快速在工作中应用大数据分析处理商业智能、营销、运营等有编程基础的人士

1章第一阶段：BI大数据-商业智能应用

1-1商业智能、报表的商业价值

1-2商业智能、报表应用场景与现状

1-3MySQL电商数据分析案例

2章第一阶段：BI大数据——MySQL深度性能优化

2-1MySQL数据库框架

2-2数据库服务器性能

2-3数据类型优化

2-4索引优化

2-5查询性能优化

2-6MySQL高级特性

2-7优化服务器设置

2-8可扩展的MySQL

2-9高可用性

2-10应用层优化

3章第一阶段：BI大数据——商业智能数据架构及平台搭建

3-1商业智能系统技术架构解讲解

3-2Hadoop、Hive、Sqoop原理讲解

3-3商业智能系统数据平台搭建

3-4高速公路收费数据案例讲解

4章第一阶段：BI大数据——商业智能可视化

4-1Tableau概述&应用

4-2常用数据分析图表制作

4-3仪表板制作

4-4BI数据分析&可视化交互

5章第二阶段：标签开发算法实战——标签开发一

5-1数据应用体系层级划分

5-2大数据精准营销架构

5-3标签体系整体框架

5-4基础标签

5-5统计标签、规则类标签及Hive实践

6章第二阶段：标签开发算法实战——hive性能优化

6-1妙用Hive视图功能

6-2Hive索引的使用

6-3使用EXPLAIN优化查询代码

6-4limit限制调整优化

6-5join优化

6-6调整mapper与reducer个数

7章第二阶段：标签开发算法实战——标签开发二

7-1scala开发环境配置

7-2值与变量

7-3常用数据类型

7-4方法定义

7-5条件表达式与循环

7-6Lazy value的应用

7-7数组、元组与Map

7-8类、抽象类、特质

7-9模式匹配、样例类

7-10文件访问

7-11Spark简介

7-12SparkML简介

7-13SparkML Piplines

7-14SparkML特征（文本）提取、转换、加载

7-15文本提取案例：用户评论情感标签提取

8章第二阶段：标签开发算法实战——标签开发三

8-1算法标签

8-2机器学习基础

8-3回归：线性回归与SparkML特征处理

8-4分类：逻辑回归及Spark实现

8-5聚类：Kmeans及Spark实现

8-6复杂网络：图计算

8-7算法实战：营销预测案例

9章第二阶段：标签开发算法实战——标签数据的存储和查询

9-1标签数据的应用场景及存储需求分析

9-2Hive、Hbase、Elasticsearch等在标签数据存储中的应用

10章第三阶段：实时计算精准营销——流式计算开发

10-1流式计算概述

10-2Spark Streaming的架构原理

10-3Dstream操作（转换、输出）

10-4Spark Streaming外部数据源介绍

10-5Structured Streaming原理及编程模型

10-6Kafka原理及应用讲解

11章第三阶段：实时计算精准营销——实时计算系统

11-1flink部署与使用

11-2flink运行架构分析

11-3DataStream与DataSet

11-4TableAPI&SQL

11-5flink状态机制

12章第三阶段：实时计算精准营销——实时精准营销行业案例分析

12-1决策树

12-2集成算法（随机森林）

12-3机器学习算法与flink的连接

12-4实时精准营销案例及代码实践

13章第三阶段：实时计算精准营销——推荐系统

13-1推荐系统概述

13-2冷启动与EE问题

13-3精细化运营与推荐系统

13-4推荐算法-协同过滤

14章第三阶段：实时计算精准营销——数据中台的大数据架构

14-1大数据架构

14-2数据中台

15章第四阶段：云计算之容器技术——docker技术架构原理及相关命令

15-1Docker简介、什么是Docker、Docker应用场景

15-2Docker架构

15-3Docker引擎、仓库、镜像、容器等概念

15-4Docker安装、卸载

15-5Docker配置镜像加速器

15-6Docker镜像管理

15-7Docker容器管理

15-8Docker复制

15-9Docker查看日志命令

15-10Docker数据卷

15-11Docker安装Nginx

15-12Docker安装MySQL

15-13Docker安装Redis

15-14Docker安装RabbitMQ

16章第四阶段：云计算之容器技术——docker容器数据卷及应用部署docker私有仓库相关技术docker实操

16-1Dockerfile常用命令

16-2Dockerfile实战案例（4个案例）掌握全方面Dockerfile编写

16-3官方镜像Tomcat源码解析(Dockerfile)

16-4Docker部署SpringBoot微服务项目,微服务镜像制作

16-5快速部署分布式应用（实现动态扩容、资源高效利用）

16-6Docker-compose之Tomcat集群搭建

16-7Docker-compose之Redis集群搭建

大数据开发工程师周末就业班