--------------------------------------
免費試聽,滿意再報名:(發(fā)送姓名+地點+課程到老師手機,即可獲得試聽信息)
聯(lián)系人:郭老師
手機:156-1823-0928
QQ:3059-9122-84
威信:feifanzhu2016
地址:上海有徐匯普陀黃埔浦東等多個校區(qū),您可就近選擇入學
大數(shù)據(jù)為什么火
未來3至5年,*需要150萬左右的大數(shù)據(jù)相關人才,目前大數(shù)據(jù)從業(yè)人數(shù)不足50萬,市場需求遠遠得不到滿足。
高薪納賢2018年大數(shù)據(jù)行業(yè)起薪突破20萬每年,高出互聯(lián)網(wǎng)普通技術開發(fā)人員134%,且招聘人數(shù)擴大為7.8倍。
行業(yè)需求大數(shù)據(jù)對接金融、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)擴大。
一將難求前有萬達集團60萬年薪聘請大數(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"。
從事非IT類工作
特點:不滿意目前的待遇、職業(yè)前景,想轉行從事IT行業(yè)應屆及往屆*生
特點:對未來發(fā)展比較迷茫,對自身定位缺乏有效指導,渴望自身突破IT基礎開發(fā)工作
特點:技術含量低,做的事情雜,未來提升空間小,期待改變現(xiàn)狀,提升待遇空間IT管理、銷售
特點:技術不精,只停留在了解層面,在提供技術方案時,存在致命短板
企業(yè)級應用開發(fā)
1移動端Web應用
2Java網(wǎng)站建設
3分布式應用開發(fā)
4- 零基礎學習
拒絕只講幾天C語言,不注重編程基礎教學;拒絕只講簡單編程。C、C++、0C語言的學習,iOS框架系統(tǒng)、應用、游戲開發(fā)學習。
- 教學方式
拒絕培養(yǎng)**型軟件開發(fā)人員;拒絕只知語言基礎不會做項目軟件開發(fā)。語言基礎+大型項目實戰(zhàn)相結合,近30組軟件商業(yè)級項目。
- 兩周*聽題
拒絕不讓或不能隨意選擇試聽班級;拒絕收試聽學費;拒絕丟下落后學生。培訓中如有內(nèi)容理解不透,可免費在下期班中重聽或補課。
| 課程內(nèi)容 | ||
| Zebra 項目實戰(zhàn) | "NIO 入門、Buffer、Channel_Selector、NIO 通信實現(xiàn)、NIO 粘包問; 序列化實現(xiàn) RPC、GoogleProtobuf 實現(xiàn) RPC、BlockingQueue、Concurrent; Zebra 項目介紹、單機實現(xiàn) Zebra、Zebra 文件收集; Zebra 數(shù)據(jù)收集、Zebra 網(wǎng)絡模塊開發(fā)、ZebraRPC 實現(xiàn)、二級引擎開發(fā) _ 一級引 擎測試、二級引擎開發(fā) _ 數(shù)據(jù)聚合 _ 數(shù)據(jù)持久化、多機演示、ZooKeeper 在 Zebra 中的應用。" | |
| Hadoop | " 基于 Hadoop 的 RPC 通信機制、Hadoop 的配置;Hadoop 的啟動、 shell 腳本操作 HDFS、Java API 操作 HDFS、HDFS 的 CRUD 的原理; SecondaryNameNode、MapReducer 的概念、MapReducer 之 WordCount; 解析電信流量實例:Sort、Partition、Combiner;InputFormat、Split 組件、 RecordReader、RecordWrite 組件 跨Split的數(shù)據(jù)處理、Hadoop的性能統(tǒng)計工具Counter、Hadoop小文件的處理方式。 " | |
| 電商數(shù)據(jù)分析 | Hive、Pig、Flume、Sqoop、Ooize、電商項目數(shù)據(jù)分析。 | |
| Scala 語言 | "1) scala 表達式,def 定義方法,如何返回值,Unit 類型,函數(shù)的定義,函數(shù)與方 法的區(qū)別,函數(shù)的本質;2)class,object 定義,繼承,trait 語法,實現(xiàn)原理,case class,match case 語法,偏函數(shù),閉包,Currying 化,StringContext,Option Some None,Tuple;3) 集合方法和運算,隱式參數(shù),隱式轉換,future 對象 同步處理和異步處理返回結果,并發(fā)集合,串行 future 結果,并行 future 結果。" | |
| Spark | 1) SparkCore:單機 Spark,Spark-shell 的使用,Spark-submit 提交應用, RDD,RangePartitioner 和 HashPartitioner,優(yōu)選位置(數(shù)據(jù)本地化),全依賴、 部分依賴,函數(shù),調(diào)試工具類; 2)RDD 的常見高階函數(shù),Action 方法,cache,persist,coalesce, reparation,cartesian; 3)Dataframe,Colume,列式存儲,注冊臨時表,創(chuàng)建長期表,使用 sqlContext 執(zhí)行查詢,緩存中間結果,分區(qū)處理,數(shù)據(jù)落地,與 Hive 結合; 4)創(chuàng)建 DStream,流式 WordCount,有狀態(tài) DStream; 5)窗口 DStream,Transform,Spark 的優(yōu)化手段,以及相關的配置參數(shù),Spark 案例應用。 | |
