郑州大数据人工智能培训班

01

课程介绍

大数据的核心是数据的价值化，整个大数据技术体系紧紧围绕数据展开。大数据的产业链包括数据的采集、存储、安全、分析和应用，其中大数据分析是大数据价值化的重要手段。
全球每年将新增数十万个大数据相关的工作岗位、在2019年清华大学计算机系教授武永卫曾言：“中 国当下数据人才约有30万，未来3-5年人才需求量将达到180万。
大数据课程包含了云计算和人工智能开发课程让你所学知识更成体系更加实用，更能为企业所青睐。

02

大数据主流技术

大数据主流技术-数据采集
使用Flume，可进行流式日志数据的收集。使用Sqoop可以交互关系型数据库，进行导入导出数据。使用爬虫技术，可在网上爬取。
大数据主流技术-数据存储与管理
大数据利用分布式文件系统HDFS、HBase、Hive，实现对结构化、半结构化和非结构化数据的存储和管理。
大数据主流技术-数据处理与分析
利用分布式并行编程模型和计算框架，结合机器学习和数据挖掘算法，实现对海量数据的处理和分析。

03

课程定位与培养目标

我们是腾讯云认证服务一级运营商，百度、华为合作伙伴。以百度人工智能、华为大数据为基础，腾讯云、百度云、亚马逊云、5G技术为支撑，打造大数据+人工智能专精课程。通过6个月精细化学习和一线ICT企业原厂项目综合实战，培养出符合国 家信息产业、信息技术发展需要的高端大数据人工智能工程师。学习完毕具备大数据采集、存储、清洗、分析、综合治理的能力，掌握人工智能的核心技术机器学习，相当于2年以上的工作经验。

04

课程模式

贴心的教学模式
拒绝双元教学，全程面授；拒绝大班授课，小班制教学，每班<=25人；拒绝“放羊式“管理，完善学习管理体系
专业的课程内容
120天“纯大数据”课程，直击大数据工程师岗位核心需求；实战项目贯穿，涵盖金融，电商，交通，安平等各个领域。

05

课程内容

第 一阶段课程：大数据开发语言基础
主要内容：基本程序逻辑、面向对象深入、异常处理机制、常用类、集 合&泛型、多线程、MySQL基础、远程仓库、DDL/DCL/DML/DQL、SQL优化、批量处理事务DBUtil、Git管理文件版本、pom.xml详解。
核心能力培养：掌握Java核心技术、掌握MySQL数据库、掌握利用JDBC操作数据库。
第二阶段课程：离线场景下的数据存储和计算
主要内容：企业常用Linux命令、awk,sed,seq,xargs进阶命令、HDFS分布式文件系统、MapReduce并行计算、Yarn资源分配、Hive数据仓库、Flume日志实时采集、Sqoop数据导入导出工具。
核心能力培养：掌握Hadoop生态技术栈：HDFS，MapReduce，Yarn，Zookeeper，Hive，Flume,Sqoop等，掌握ETL技术:Kylin、kettle等、BI工具:Superset、Echarts。项目实战：企业级电商大数据分析系统之离线数据仓库项目、客快物流大数据项目。
第三阶段课程：数仓建设和实时检索
主要内容：Redis概述、Redis事务、Jedis和Spring整合、Hbase整体架构、API的使用方式、数据结构检索与搜索原理、search搜索相关算法、kafka安装和使用、kafka运行流程和文件存储、分区原则、消息可靠性。
核心能力培养：掌握No SQL数据库:Redis，HBase，掌握数据仓库设计和建设，掌握实时检索Elastic Search技术。
项目实战：车联网实时检索项目
第四阶段课程：Scala编程&Spark分布式计算框架
主要内容：Scala概述、Scala程序逻辑、Scala面向对象编程、隐式转换、Scala集 合、函数式编程、单向环形链表、约瑟夫问题、Spark概述、Spark安装和使用、RDD&算子、Spark SQL、DataSet DataFrame、SparkStreaming、Spark调优。
核心能力培养：掌握Scala语言和算法，掌握Spark分布式计算框架。
项目实战：万网信号大数据项目、智能车流量监控平台项目。
第五阶段课程：实时计算与数据挖掘
主要内容：Spark MLlib算法、Spark MLlib统计分析、Spark MLlib分类和回归、Spark MLlib聚类和降维、Spark MLlib关联规则与推荐算法、Flink状态管理与恢复、Flink的Time详解、Flink SQL、Flink的事件处理。
核心能力培养：掌握数据挖掘、掌握Flink计算引擎。
项目实战：企业级电商实时数仓项目、推荐系统项目、智慧交通平台。