長(zhǎng)沙大數(shù)據(jù)培訓(xùn)機(jī)構(gòu)
【所屬機(jī)構(gòu):長(zhǎng)沙北大青鳥(niǎo)麓谷學(xué)校】

長(zhǎng)沙大數(shù)據(jù)培訓(xùn)機(jī)構(gòu),幫助學(xué)員從基礎(chǔ)入門,知識(shí)點(diǎn)由淺入深,由難到易,逐步深入,通過(guò)北美專家直播授課+多師型師資配合管理,在4-6個(gè)月掌握實(shí)用的大數(shù)據(jù)技術(shù)項(xiàng)目經(jīng)驗(yàn),成為企業(yè)搶手全棧大數(shù)據(jù)軟件工程師。
- 1. 搜索引擎
- 2. 交通出行
- 3. 金融分析
- 4. 學(xué)習(xí)培訓(xùn)
- 5. 數(shù)據(jù)挖掘
- 6. 影像創(chuàng)意
- 7. 娛樂(lè)消費(fèi)
- 8. 更多應(yīng)用案例
icon
未來(lái)3至5年,中國(guó)需要大量的大數(shù)據(jù)相關(guān)人才,目前大數(shù)據(jù)從業(yè)人數(shù)不足,市場(chǎng)需求還是得不到滿足
icon
2018年大數(shù)據(jù)行業(yè)起薪突破20萬(wàn)每年,比互聯(lián)網(wǎng)普通技術(shù)開(kāi)發(fā)人員多出1.34倍,且招聘人數(shù)擴(kuò)大為7.8倍
icon
大數(shù)據(jù)對(duì)接金融、電商、醫(yī)療、新零售、物聯(lián)網(wǎng)、工業(yè)、農(nóng)業(yè)、交通和能源等行業(yè),人才需求量持續(xù)擴(kuò)大
icon
前有萬(wàn)達(dá)集團(tuán)60萬(wàn)年薪聘請(qǐng)大數(shù)據(jù)人才,后有大數(shù)據(jù)專業(yè)畢業(yè)生20w年薪就職,大數(shù)據(jù)人才“重金難覓”
階段 | 內(nèi)容 | 要點(diǎn) | 目標(biāo) |
第一階段 | Java編程基礎(chǔ) | Java Core Java面向?qū)ο?br>MySQL | 能夠完成基于面向 對(duì)象思想JavaSE 項(xiàng)目開(kāi)發(fā) |
第二階段 | Java Web框架 | Java Web Web前端 SSM/SSH框架 愛(ài)旅行電商項(xiàng)目 | 成為具備企業(yè)級(jí)項(xiàng) 目開(kāi)發(fā)經(jīng)驗(yàn)的中級(jí) Java開(kāi)發(fā)工程師 |
第三階段 | 基于分布式微服務(wù)的互聯(lián)網(wǎng)架構(gòu) | 微服實(shí)戰(zhàn) (Dubbox+Spring Boot+Docker) 基于Spring Cloud的 微服務(wù)分布式架構(gòu)開(kāi) 發(fā)實(shí)戰(zhàn) 雙十一搶購(gòu)秒殺項(xiàng)目 大覓網(wǎng)在線票務(wù)平臺(tái) | 成為中級(jí)Java分 布式工程師、系統(tǒng) 架構(gòu)師 |
第四階段 | 大數(shù)據(jù)核心技術(shù) | Python爬蟲(chóng)+ELK+分析 Hadoop生態(tài)圈 Spark技術(shù)棧 構(gòu)建離線數(shù)據(jù)分析平臺(tái) 大數(shù)據(jù)系統(tǒng)管理與優(yōu)化 實(shí)時(shí)流處理平臺(tái) 互聯(lián)網(wǎng)直播平臺(tái)日志分析項(xiàng)目航班飛行網(wǎng)圖分析項(xiàng)目 用戶交易欺詐分析項(xiàng)目 電子商務(wù)消費(fèi)行為分析項(xiàng)目 輿情分析 垃圾郵件分類項(xiàng)目 用戶興趣推薦系統(tǒng) 股票實(shí)時(shí)預(yù)測(cè)系統(tǒng) 在線教育Spark大數(shù)據(jù)實(shí)時(shí)分析平臺(tái) | 學(xué)完本階段,可以成 為大數(shù)據(jù)開(kāi)發(fā)工程師 大數(shù)據(jù)架構(gòu)師 Hadoop開(kāi)發(fā)工程師 Spark開(kāi)發(fā)工程師 ETL工程師 Hive工程師 數(shù)據(jù)倉(cāng)庫(kù)工程師 Python開(kāi)發(fā)工程師 爬蟲(chóng)工程師 |
第五階段 | 數(shù)據(jù)挖掘技術(shù) | R語(yǔ)言 SPSS/SAS 統(tǒng)計(jì)分析 機(jī)器學(xué)習(xí) 金融風(fēng)險(xiǎn)控制預(yù)測(cè)和結(jié) 果分析項(xiàng)目 客戶與產(chǎn)品關(guān)聯(lián)分析及 推薦系統(tǒng) | 精通數(shù)據(jù)挖掘,成為企 業(yè)搶手的數(shù)據(jù)分析師 |
項(xiàng)目名稱 | 技術(shù)點(diǎn) | 特色 |
金融實(shí)時(shí)股票數(shù)據(jù)分析項(xiàng)目名稱 | Kafka Connector+ Confluent +Spark、Streaming+Redis+Tableau | 加入多種流處理框架(Flink、 Storm) 的實(shí)現(xiàn)對(duì)比 1.實(shí)時(shí)股票數(shù)據(jù)展示 2. 實(shí)時(shí)股票數(shù)據(jù)過(guò)濾,合并,關(guān)聯(lián)和清洗 3.實(shí)時(shí)股票數(shù)據(jù)統(tǒng)計(jì)計(jì)算,如累加,最值,均值等 |
電商號(hào)店雙11搶購(gòu) | 基于Dubbox的分布式微服架構(gòu),Spring Boot Dubbox、ZooKeeper MyBatis、 Redis、 ActiveMQ、 Nginx、Docker、Git、 Maven等 | 1.微服架構(gòu)(Dubbox) +前后端分離 2.分布式并發(fā)處理解決方案 3.采用Docker進(jìn)行環(huán)境搭建和自動(dòng)化部署 微信登錄及微信支付、支付寶支付的接入 |
大數(shù)據(jù)-用戶興趣取向分析 | NiFi+Kafka+HBase+SparkML、lib+Hive+Cassandra+T ableau | 基3000000條用戶日志活動(dòng)數(shù)據(jù)建模 1.訓(xùn)練數(shù)據(jù)集中已包含用戶對(duì)過(guò)去日志活動(dòng)的興趣 取向和參加情況; 2.通過(guò)訓(xùn)練數(shù)據(jù)集建立合適的推薦模型 3.運(yùn)用已建立的模型對(duì)測(cè)試數(shù)據(jù)集中的用戶 |
旅行一愛(ài)旅行系統(tǒng) | 分布式集群架構(gòu),SSM、 Maven、 Git、 Solr代碼生成器、Swagger、 MySQL (主從)、Nginx、Tomcat、Redis、DockerHadoopT engine+LUA+GM | 1分布式集群架構(gòu)+前后端分離 2使用Maven構(gòu)建多模塊項(xiàng)目 3采用代碼生成器提高項(xiàng)目開(kāi)發(fā)效率 4采用Solr為搜索引擎框架實(shí)現(xiàn)全文檢索 5采用Hadoop完成熱門]搜索功能的開(kāi)發(fā) |
爬蟲(chóng)一數(shù)據(jù)調(diào)研平臺(tái) | 垂直架構(gòu),SSM、Jsoup網(wǎng)絡(luò)爬蟲(chóng)、Echart圖標(biāo)分析、lKAnalyzer分詞技術(shù)Bootstrap | 1深入爬蟲(chóng)原理,突破對(duì)應(yīng)網(wǎng)站爬蟲(chóng)限制 2多線程網(wǎng)絡(luò)爬蟲(chóng),實(shí)現(xiàn)高效爬蟲(chóng) 3不同網(wǎng)站規(guī)則抽取配置,鍛煉學(xué)員的空間想象能力 |
- icon
學(xué)費(fèi)多少?
有沒(méi)有優(yōu)惠? - icon
學(xué)習(xí)過(guò)程有事,
可以暫停嗎? - icon
課工場(chǎng)有什么就業(yè)服務(wù)?
有什么措施嗎?