课程大纲
├──01、第一阶段 JavaSE
| ├──01、Java语言基础
| | ├──1--开营直播
| | ├──3--任务一： 初识计算机和Java语言
| | ├──4--任务二： 变量和数据类型
| | ├──5--任务三： 运算符
| | ├──6--任务四：流程控制语句
| | ├──7--任务五：数组以及应用
| | ├──8--任务六：模块作业
| | └──9--模块直播
| ├──02、Java面向对象编程
| | ├──2--任务一：类和对象
| | ├──3--任务二：方法和封装
| | ├──4--任务三：static关键字和继承
| | ├──5--任务四：多态和特殊类
| | ├──6--任务五：特殊类
| | ├──7--任务六：模块作业
| | └──8--模块直播
| ├──03、Java核心类库（上）
| | ├──2--任务一：常用类的概述和使用
| | ├──3--任务二：String类的概述和使用
| | ├──4--任务三：可变字符串类和日期相关类
| | ├──5--任务四：集合类库（上）
| | └──6--任务五：集合类库（下）
| ├──04、Java核心类库（下）
| | ├──2--任务一： 异常机制和File类
| | ├──3--任务二：IO流
| | ├──4--任务三：多线程
| | ├──5--任务四：网络编程
| | ├──6--任务五：反射机制
| | └──8--模块直播
| └──阶段一资料
| | ├──大数据高薪训练营阶段一模块二（面向对象编程）
| | ├──大数据高薪训练营阶段一模块三（Java核心类库上）
| | ├──大数据高薪训练营阶段一模块四（Java核心类库下）
| | └──大数据高薪训练营阶段一模块一（ Java编程基础）
├──02、第二阶段 Java Web数据可视化
| ├──01、MySQL数据库
| | ├──11--模块直播
| | ├──2--任务一：MySql基础、SQL入门
| | ├──3--任务二：MySql单表、约束和事务
| | ├──4--任务三：Mysql多表、外键和数据库设计
| | ├──5--任务四：Mysql索引、存储过程和触发器
| | ├──6--任务五：JDBC
| | ├──7--任务六：数据库连接池和DBUtils
| | ├──8--任务七：XML
| | └──9--任务八：MySQL高级
| ├──02、前端可视化技术
| | ├──2--任务一：HTML
| | ├──3--任务二： CSS
| | ├──4--任务三：JavaScript
| | ├──5--任务四：前端进阶之jQuery+Ajax+Vue
| | └──6--任务五：Highcharts+ECharts数据可视化
| ├──03、Java Web 后端技术（上）
| | ├──2--任务一：Tomcat服务器软件
| | ├──3--任务二：HTTP协议解析
| | ├──4--任务三：Servlet
| | ├──5--任务四：Cookie及Session
| | ├──6--任务五：Filter过滤器及Listener监听器
| | └──7--任务六：MVC模式及三层架构
| ├──04、Java Web 后端技术（下）
| | ├──10--任务九：SpringMVC之SpringMVC进阶
| | ├──11--任务十：SpringMVC之SSM框架整合
| | ├──12--任务十一：项目管理工具Maven高级
| | ├──13--任务十二：Spring Boot
| | ├──2--任务一：maven
| | ├──3--任务二：MyBatis之MyBatis基本应用
| | ├──4--任务三：MyBatis之复杂映射&配置深入
| | ├──5--任务四：MyBatis之缓存&延迟加载&注解应用
| | ├──6--任务五：Spring之Spring IOC
| | ├──7--任务六：Spring之Spring AOP
| | ├──8--任务七：Spring之JdbcTemplate&事务&Web集成
| | └──9--任务八：SpringMVC之SpringMVC入门
| ├──05、拉勾网招聘行业报表数据可视化项目
| | └──2--任务一：可视化项目案例
| ├──06、Linux服务器
| | ├──2--任务一：Linux及Shell编程
| | └──5--直播
| └──资料
| | ├──大数据高薪训练营阶段二模块二（前端可视化技术）
| | ├──大数据高薪训练营阶段二模块六（linux）
| | ├──大数据高薪训练营阶段二模块三（JavaWeb后端技术上）
| | ├──大数据高薪训练营阶段二模块四（JavaWeb后端技术下）
| | ├──大数据高薪训练营阶段二模块五（可视化项目）
| | └──大数据高薪训练营阶段二模块一（MySQL数据库）
├──03、第三阶段 Hadoop核心及生态圈技术栈
| ├──01、Hadoop框架核心（HDFS、MapReduce、YARN）
| | ├──1--课程资料
| | ├──2--开营直播回放
| | ├──3--任务一：Hadoop简介及Apache Hadoop完全分布式集群搭建
| | ├──4--任务二：HDFS分布式文件系统
| | ├──5--任务三：MapReduce分布式计算框架
| | ├──6--任务四：YARN资源调度、HDFS核心源码及Hadoop3.X 新特性概述
| | ├──7--任务五：调优及二次开发示例
| | └──9--模块直播
| ├──02、Hadoop生态圈技术栈（上）
| | ├──1--课程资料
| | ├──2--任务一：数据仓库工具Hive及交互工具Hue
| | ├──3--任务二：数据采集工具Flume
| | ├──4--任务三：ETL工具Sqoop及CDC
| | ├──5--任务四：作业
| | └──6--模块直播
| ├──03、Hadoop生态圈技术栈（下）
| | ├──1--课程资料
| | ├──2--任务一：分布式协调组件ZooKeeper
| | ├──3--任务二：海量列式非关系型数据库HBase
| | ├──4--任务三：任务调度系统
| | └──6--模块直播
| └──04、Hadoop生态圈技术栈（中）
| | ├──1--课程资料
| | ├──2--任务一： 即席查询Impala介绍及入门使用
| | ├──3--任务二：Impala交互式查询
| | └──4--任务三：Impala集群负载均衡及优化
├──04、第四阶段 分布式缓存Redis及Kafka消息中间件
| ├──01、高性能分布式缓存Redis
| | ├──1--课程资料
| | ├──2--任务一：Redis快速实战
| | ├──3--任务二：Redis扩展功能
| | ├──4--任务三：Redis核心原理
| | ├──5--任务四：企业实战
| | └──6--任务五：Redis分布式高可用方案
| └──02、高吞吐消息中间件Kafka
| | ├──1--课程资料
| | ├──2--任务一：Kafka架构与实战
| | ├──3--任务二：Kafka高级特性解析
| | ├──4--任务三：Kafka集群与运维
| | └──5--任务四：Kafka源码剖析
├──05、第五阶段 PB级企业电商离线数仓项目实战
| ├──PB级企业电商离线数仓项目实战（上）
| | ├──1--课程资料
| | ├──2--任务一：数仓理论
| | ├──3--任务二：数据采集
| | ├──4--任务三：会员活跃度分析
| | └──5--任务四：广告分析
| └──PB级企业电商离线数仓项目实战（下）
| | ├──1--课程资料
| | ├──2--任务一：核心交易分析
| | ├──3--任务二：调度系统Airflow
| | ├──4--任务三：元数据管理Atlas
| | └──5--任务四：数据质量管理Griffin
├──06、第六阶段 内存级快速计算引擎Spark
| ├──01、Scala编程
| | ├──1--课程资料
| | ├──10--任务九：隐式机制及Akka扩展
| | ├──2--任务一：Scala基础
| | ├──3--任务二：控制结构和函数
| | ├──4--任务三：数组和元组
| | ├──5--任务四：类与对象
| | ├──6--任务五：继承与特质
| | ├──7--任务六：模式匹配和样例类
| | ├──8--任务七：函数及抽象化
| | └──9--任务八： 集合
| ├──02、Spark实战应用（上）
| | ├──1--课程资料
| | ├──2--任务一：Spark安装与配置
| | ├──3--任务二：RDD编程基础
| | ├──4--任务三：RDD编程高阶
| | └──5--任务四：SparkSQL编程
| ├──03、Spark实战应用（下）
| | ├──1--课程资料
| | ├──2--任务一：实时流式计算框架Spark Streaming
| | ├──3--任务二：Spark Streaming与Kafka整合
| | └──4--任务三：Spark GraphX图计算
| └──04、Spark原理及源码剖析
| | ├──1--课程资料
| | ├──2--任务一：重要组件(Master、Worker、Driver)
| | ├──3--任务二：重要原理(作业调度及Shuffle原理)
| | └──4--任务三：内存管理、数据倾斜及优化
├──07、第七阶段 智慧物流大数据分析调度平台项目
| └──智慧物流大数据分析调度平台项目
| | ├──1--课程资料
| | ├──2--任务一：项目介绍及CDH搭建
| | ├──3--任务二：平台数据准备
| | ├──4--任务三：仓储预测及车货匹配
| | └──5--任务四：实时处理及可视化
├──08、第八阶段 新一代计算利器Flink
| └──计算领域锋利的武器Flink
| | ├──1--课程资料
| | ├──2--任务一：Flink概述及入门案例
| | ├──3--任务二：Flink体系结构及安装部署
| | ├──4--任务三：Flink常用API及Window窗口机制
| | ├──5--任务四：Flink watermark及state机制
| | ├──6--任务五：Flink 并行度、KafkaConnector源码及CEP
| | └──7--任务六：Flink Table及作业提交
├──09、第九阶段 大数据新技术实践
| ├──01、ClickHouse&Kudu
| | ├──1--课程资料
| | ├──2--任务一：ClickHouse概述及安装
| | ├──3--任务二：ClickHouse数据类型及表引擎
| | ├──4--任务三：ClickHouse连接Kafka、MySQL及ClickHouse副本分片机制
| | └──5--任务四：大数据存储引擎Kudu
| └──02、Kylin&Druid
| | ├──1--课程资料
| | ├──2--任务一：分析型数据仓库 Kylin
| | └──3--任务二：实时分析数据库 Apache Druid
├──10、第十阶段 Elastic Stack 日志搜索、挖掘及可视化解决方案
| └──Elasticsearch全文搜索引擎、Logstash采集、Kibana展示方案
| | ├──1--课程资料
| | ├──2--任务一：Elasticsearch & Kibana
| | ├──3--任务二：LogStash日志采集
| | └──4--任务三：日志分析平台实战
├──11、第十一阶段 电商行业实时数仓项目
| └──电商行业实时数仓项目
| | ├──1--任务一：实时数仓项目基础
| | ├──2--任务二：需求实现
| | ├──3--任务三：监控及可视化
| | ├──4--任务四：数据质量及双流join
| | └──1--课程资料.zip 4.71M
├──12、第十二阶段 大数据处理算法及案例
| ├──模块二、统计学基础
| | ├──1--统计学基本原理_任务一： 描述统计
| | ├──10--统计学分析方法_任务五： logistic回归
| | ├──11--统计学分析方法_任务六： 时间序列分析
| | ├──12--项目实战_任务一： 案例背景介绍
| | ├──13--项目实战_任务二： 案例分析过程
| | ├──14--项目实战_任务三： 建模软件操作
| | ├──2--统计学基本原理_任务二： 总体推断
| | ├──3--统计学基本原理_任务三： 抽样方法
| | ├──4--统计学基本原理_任务四： 卡方检验
| | ├──5--统计学基本原理_任务五： T检验、方差检验
| | ├──6--统计学分析方法_任务一： 多变量分析方法选择
| | ├──7--统计学分析方法_任务二： 相关分析
| | ├──8--统计学分析方法_任务三： 回归分析
| | ├──9--统计学分析方法_任务四： 因子分析
| | └──1--课程资料.zip 13.11M
| ├──模块三、数据挖掘算法与实战
| | ├──1--任务一 有监督学习算法
| | ├──2--任务二 无监督学习算法
| | ├──3--任务三 数据挖掘项目综合实战
| | └──1--课程资料.zip 15.10M
| └──模块一、Python 编程
| | ├──1--任务一：Python基础
| | ├──2--任务二 ：Numpy科学计算库
| | ├──3--任务三：Pandas数据分析库
| | ├──4--任务四：Matplotlib数据绘图
| | └──1--课程资料.zip 12.15M
├──13、第十三阶段 机器学习
| └──TensorFlow机器学习框架
| | ├──1--任务一 ：TensorFlow实现KNN
| | ├──2--任务二：TensorFlow实现线性回归
| | ├──3--任务三：TensorFLow实现机器学习_逻辑回归
| | └──1--课程资料.zip 518.67kb
└──14、第十四阶段：人才职位画像匹配推荐系统
| └──人才职位画像匹配推荐系统
| | ├──1--任务一：项目整体介绍
| | ├──2--任务二：OLAP指标分析
| | ├──3--任务三：SuperSet可视化
| | ├──4--任务四：Spark MLlib机器学习
| | ├──5--任务五：职位画像及用户画像
| | ├──6--任务六：职位召回&排序&推荐
| | └──1--课程资料.zip 13.54M
[我要扒资料]
