1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽；
       2、免費(fèi)提供課后技術(shù)支持，保障培訓(xùn)效果。
       3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。☆合格學(xué)員免費(fèi)頒發(fā)相關(guān)工程師等資格證書，提升職業(yè)資質(zhì)。專注高端技術(shù)培訓(xùn)15年，端海學(xué)員的能力得到大家的認(rèn)同，受到用人單位的廣泛贊譽(yù)，端海的證書受到廣泛認(rèn)可。

• 1，系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級(jí)程序員、資深開發(fā)人員。
  2，牽涉到數(shù)據(jù)挖掘和統(tǒng)計(jì)分析的數(shù)據(jù)中心運(yùn)行、規(guī)劃、設(shè)計(jì)負(fù)責(zé)人。
  3，政府機(jī)關(guān)，金融保險(xiǎn)、移動(dòng)和互聯(lián)網(wǎng)等大數(shù)據(jù)來源單位的負(fù)責(zé)人。
  4，高校、科研院所牽涉到數(shù)據(jù)挖掘與統(tǒng)計(jì)分析處理的項(xiàng)目負(fù)責(zé)人。
• 【培訓(xùn)目標(biāo)】
  1、全面了解大數(shù)據(jù)前沿技術(shù)的相關(guān)知識(shí)。
  2、學(xué)習(xí)大數(shù)據(jù)前沿技術(shù)平臺(tái)、方法以及應(yīng)用特征。
  3、學(xué)習(xí)使用大數(shù)據(jù)挖掘和分析中的使用。
  4、了解Hadoop、Spark等技術(shù)的融合使用。
• 【課程大綱】
  第一講 大數(shù)據(jù)技術(shù)基礎(chǔ)
  1）大數(shù)據(jù)應(yīng)用需求及潛在價(jià)值分析
  2）大數(shù)據(jù)與數(shù)據(jù)庫解決方案的對比
  3）國內(nèi)外主流的大數(shù)據(jù)解決方案
  4）開源的大數(shù)據(jù)生態(tài)系統(tǒng)平臺(tái)剖析
  5）大數(shù)據(jù)下的技術(shù)選型與架構(gòu)設(shè)計(jì)
  第二講 批處理大數(shù)據(jù)平臺(tái)Hadoop
  1）Hadoop及其運(yùn)行架構(gòu)
  2）HDFS分布式文件系統(tǒng)
  3）MapReduce計(jì)算模型
  4）HBase大表管理技術(shù)
  5）Hadoop平臺(tái)使用和實(shí)操
  第三講 實(shí)時(shí)大數(shù)據(jù)平臺(tái)Spark
  1）Spark實(shí)時(shí)處理技術(shù)
  2）彈性分布式數(shù)據(jù)集RDD
  3）Spark分布式計(jì)算框架
  4）Spark的BDAS生態(tài)系統(tǒng)
  5）Spark平臺(tái)使用和實(shí)操
  第四講 流式大數(shù)據(jù)平臺(tái)Storm
  1）流式大數(shù)據(jù)處理架構(gòu)
  2）Storm在企業(yè)應(yīng)用介紹
  3）Storm拓?fù)浼傲鞣纸M
  4）Spout和Bolt詳解
  5）分布式DPRC和Trident
  6）Storm平臺(tái)使用和實(shí)操
  第五講 Python網(wǎng)絡(luò)爬蟲
  1）網(wǎng)絡(luò)爬蟲基礎(chǔ)
  2）urllib和urllib2庫的用法
  3）Python 正則表達(dá)式
  4）Beautiful Soup使用
  5）用Scrapy采集示例實(shí)操
  第六講 大數(shù)據(jù)日志采集工具Flume
  1）日志采集及Scribe介紹
  2）Flume-NG數(shù)據(jù)流模型
  3）Flume平臺(tái)架構(gòu)
  4）Flume集群部署配置
  5）Flume應(yīng)用案例實(shí)操
  第七講 分布式消息訂閱工具Kafka
  1）Kafka應(yīng)用介紹
  2）Kafka平臺(tái)架構(gòu)
  3）Kafka集群部署與配置
  4）Kafka應(yīng)用案例實(shí)操
  第八講 NoSQL云數(shù)據(jù)處理工具
  1）NoSQL技術(shù)及云數(shù)據(jù)庫介紹
  2）HBase列數(shù)據(jù)存儲(chǔ)及處理機(jī)制
  3）HBase高并發(fā)讀/寫實(shí)現(xiàn)及案例
  4）MongoDB文檔數(shù)據(jù)存儲(chǔ)及處理
  5）MongoDB操作實(shí)現(xiàn)及案例
  第九講 大數(shù)據(jù)中的SQL工具
  1)大數(shù)據(jù)中的類SQL工具
  2) Hive設(shè)計(jì)目標(biāo)和數(shù)據(jù)模型
  3) Hive關(guān)鍵性技術(shù)和案例
  4) SparkSQL設(shè)計(jì)目標(biāo)和數(shù)據(jù)模型
  5) SparkSQL關(guān)鍵性技術(shù)和案例
  第十講 大數(shù)據(jù)分析挖掘工具
  1）大數(shù)據(jù)挖掘及知識(shí)模型的發(fā)現(xiàn)
  2）大數(shù)據(jù)挖掘工具M(jìn)ahout和MLlib
  3）推薦方法及MLlib電影推薦案例
  4）分類方法及Mahout新聞分類案例
  5）聚類方法及K-Means聚類案例
  第十一講 資源虛擬化工具Docker
  1）虛擬化和容器技術(shù)
  2）LXC和Docker的發(fā)展
  3）Docker架構(gòu)及特性
  4）鏡像、容器和倉庫
  5）Docker的執(zhí)行及其案例實(shí)操
  第十二講 大數(shù)據(jù)技術(shù)展望
  1）大數(shù)據(jù)分析技術(shù)展望
  2）大數(shù)據(jù)平臺(tái)的發(fā)展展望
  3）大數(shù)據(jù)挖掘的應(yīng)用展望
  
•