在校的专科、本科大学生,毕业想从java行业,对IT行业有想法的在校学生
在校的专科、本科大学生,毕业想从java行业,对IT行业有想法的在校学生
社会各个行业人士,喜欢技术,对java技术感兴趣,年龄在18以上的社会人员
从事java相关工作,想能力提升,苦于没有头绪和教导,不甘心做初级java工程师的工作人员
对目前工作不满意,想转换目前的工作环境,想要学习java技术,提高自己的收入的人员
课程覆盖 Java 语言基础、JavaEE 深度开发、互联网架构开发、大数据开发、算法数据挖掘分析 等 Java 大数据全栈技术内容,解决学员Java大数据学习需求,满足学员就业所需技术广度。
达内教育JAVA培训课程由真实企业项目贯穿,以项目驱动学习,不仅学习技术,更要掌握应用,真实应用带动学习热情,帮助学员更好的提高实战应用能力,达到企业用人标准。
针对互联网架构、大数据课程分布式开发背景,为学员提供真实云主机开发环境,每个学员都会分配若干台云服务器,真正的云环境下开发、测试、部署,完整还原企业开发部署真实场景。
每个班级配备辅导员,照顾每一位学员,了解每一位学员的学习进度与学习效果,并进行答疑解惑,提升学习质量,根据班级整体学习效果制定每天、每周、每月的学习进度表,把控学习节奏,并针对学习进度串讲。
入学就会进行考核,每个课程阶段都会进行考试,并进行全国排名,加强紧迫性,保障学员对知识的掌握与吸收,7*24小时在线答疑,并且每天助教进行学习提醒,督促学员学习,保障学习进度,避免落后。
每周二晚在线直播串讲,解决学员共性问题及学习难点,消除平台限制,与直播讲师互动,加强学习兴趣。保障学员的学习效果,提升学员的职业素养,在面试时,实现权力反转,选择自己更满意的企业!
就业服务团队对学员进行职业素养的培养,并从人力资源角度对学员进行职业性格塑造,在面试过程中实现权力反转,进入更理想企业;学习成绩优异者,更有机会获得教学总监的亲自辅导,帮助学员拿到更高薪资。
课程模块 | 课程详情 |
Java 简介 |
Java 发展历程、Java 的技术结构、JDK 的下载及安装、HelloWorld 入门案例 |
Java 基本语法 |
关键字、标识符、注释、字面量、进制及其换算、变量、数据类型及其转换、运算符、流程控制、数组、二维数组、方法 |
面向对象 |
面向对象与面向过程比较、类与对象的关系、成员变量与局部变量、构造方法、this 关键字、代码块;面向对象的特征(封装、继承、多态)、super 关键字、权限修饰符、方法的重写static、final、abstract、接口、内部类、包、垃圾分代回收机制 |
API(一) |
Object、String、Pattern、包装类、Math、BigDecimal、Date、Calendar |
API(二) |
异常、集合、Map、泛型、迭代器、比较器 |
API(三) |
IO、线程、套接字 |
API(四) |
反射、注解、断言 |
jvm 参数 |
jvm 内存大小调节、常见回收机制 |
JDK8 的部分特性 |
接口中的默认方法、Lambda 表达式、函数式接口、时间包 |
Git 版本控制 |
版本控制概念、Git 发展历史、Git 安装配置、Git 版本库管理、Git 版本控制、Git 远程仓库、Git 分支管理、Git 标签管理、码云介绍 |
课程模块 | 课程详情 |
XML |
XML 的概念与基本作用、XML 语法、XML 解析介绍、DOM4J 解析 XML |
HTML/CSS |
HTML 介绍、HTML 文档结构、HTML 语法、HTML 标签技术(超链接、列表、表格、图像、表单等),CSS 介绍、CSS 导入方式、CSS 选择器、CSS 布局、CSS 样式属性。完成 EasyMall 项目静态页面 |
JavaScript |
JavaScript 语法、数据类型、运算符、流程控制、数组、函数、JavaScript 内部对象、自定义对象,DHTML 编程、DOM 介绍,DOM 编程(使用 DOM 操作 HTML 文档),完成 EasyMall 静态页面中的 js 脚本 |
Jquery |
Jquery 对象、Jquery 选择器(ID、元素、class、层级等)的使用、Jquery 案例(用户列表增、删、改、查)、Json 的对象转换、Jquery AJAX 的实现。完成 EasyMall 静态页面中的 jquery 脚本 |
MySql |
数据库介绍、MySQL 安装与配置、数据库增删改操作 DDL 语句使用、表增删改操作 DML 语句使用、表查询操作 DQL 语句使用,数据备份及恢复、多表设计、多表查询。完成 EasyMall 中数据库的设计 |
JDBC |
JDBC 介绍、JDBC 快速入门,JDBC 核心 API 介绍,JDBC 的 CURD 操作防止 SQL 注入及PrepareStatement 使用,使用批处理,连接池的介绍、自定义连接池,常用的开源连接池C3P0 的介绍及使用 |
Tomcat/HTTP) |
WEB 服务器介绍、Tomcat 的安装与启动、Tomcat 的体系结构、组织 WEB 应用目录与在Tomcat 中发布 WEB 应用程序的方式、配置 WEB 的主页、使用 Tomcat 配置虚拟主机、HTTP协议详解 |
Servlet |
Servlet 介绍、开发 Servlet 程序、Servlet 生命周期、Servlet 调用分析、Request 及Response 的使用、ServletConfig 使用,ServletContext 使用(作为域对象使用、配置系统初始化参数、获取 web 资源)。AJAX 介绍、XMLHttpRequest 对象详解。完成 EasyMall 用户注册模块 |
Cookie/Session |
会话技术介绍、Cookie 介绍及 Cookie 的使用、案例之 Cookie 实现记住用户名,Session 的使用及 Session 的原理,案例之利用 Session 实现登陆功能及验证码校验。完成 EasyMall 用户登录模块 |
JSP/EL 表达式 /JSTL 标签库 |
JSP 介绍、JSP 表达式、JSP 脚本片段、JSP 声明、JSP 注释、JSP 中的 9 个内部对象和作用,EL 表达式简介,EL 获得数据、EL 执行运算、EL 内置对象,page 指令及其重要的属性,JSP中的 include 指令、pageContext 对象的详细讲解。JSP 动作标签介绍。JSTL 标准标签库的介绍及使用。完成 EasyMall 动态页面 |
MVC 设计模式 / 三层架构 |
JavaEE 开发模式介绍、MVC 软件设计模式介绍、JavaEE 经典开发模式重构 EasyMall 项目、工厂设计模式介绍、工厂设计模式的应用。层与层之间的耦合与解耦。重构 EasyMall 为三层架构 |
过滤器 / 监听器 |
Servlet Listenert 监听器介绍及使用、Servlet Filter 过滤器介绍、过滤器生命周期。30 天内自动登录功能的实现,全站乱码处理功能实现,完成 EasyMall 全站过滤器、自动登录等功能 |
JavaWeb 高级开发技术 |
泛型、注解、内省、动态代理、枚举、AOP 原理及实现,完成 EasyMall 改造实现 AOP |
数据库高级开发技术 |
事务概述、事务的隔离级别、事务控制、更新丢失。完成 EasyMall 中商品相关模块 |
EasyMall 项目开发 |
EasyMall 是一个典型的互联网电子商务系统,在 WEB 学习阶段,通过所学习的 WEB 技术,实现 EasyMall 商城中包括用户注册、用户登录、用户注销、商品添加、商品删除、商品修改、商品列表、商品详情等功能。在实现商城相关功能的过程中,熟悉并掌握 WEB 开发相关技术、架构思想、项目开发流程、版本控制等内容,整个项目贯穿于整个 WEB 学习阶段,通过项目贯穿课程教学,通过应用引导学员学习 |
课程模块 | 课程详情 |
Spring |
Spring IOC 基础、Spring 的工厂模式 ( 静态工厂、实例工厂、Spring 工厂 )、Spring 依赖注入(构造器注入,set 注入)、Spring 的注解形式、Spring AOP 原理及实现、Spring 整合 JDBC、JDBCTemplate、Spring 声明式事务处理、事务的回滚策略等 |
SpringMVC |
SpringMVC 原理、SpringMVC 简单参数封装、复杂参数封装、值传递的原理、SpringMVC 的注解形式、日期格式类型转换、文件上传、页面访问控制 ( 转发和重定向 )、RESTFUL 结构 |
MyBatis |
MyBatis 原理、DQL 映射、DML 映射、复杂结果集映射、参数传递(注解形式和 MAP 形式)、结果集封装原理、动态 SQL 的拼接、字符转义、MyBatis 的接口实现、代码自动生成工具、关联关系的讲解、Spring + SpringMVC + MyBatis 整合(SSM 整合) |
EasyMall 项目重构及开发 |
通过框架技术重构在 JavaWeb 阶段实现的 EasyMall 项目,通过对比使学员们理解使用框架的好处,熟悉框架的搭建和使用,理解框架整合方式、了解框架下业务开发流程,并进一步实现EasyMall 中的购物车模块、订单模块、在线支付、销售统计等模块 |
Springboot |
springboot 基础,快速搭建,springboot 组合注解运行原理,springboot 的 web 开发,spring data JPA,声明式事务 |
SpringBoot 重构 EasyMall项目 |
通过 SpringBoot 重构 EasyMall 项目 , 加深对 Spring Boot 的理解,实现购物车、订单、在线支付等功能模块的实现 |
课程模块 | 课程详情 |
Linux |
大数据生产环境需要在 Linux 下部署,大数据开发人员必须对 Linux 系统有相应的了解,学习内容包括 Linux 操作系统的安装配置、文件系统管理、用户及用户组管理、进程管理、资源管理、vim 编辑器使用、Linux 下软件安装、shell 编程等内容 |
云平台使用 |
才高大数据课程采用全云化教学,讲师授课、学员学习、练习、项目运行部署、性能测试等都在真实云平台上进行,完全模拟企业真实环境。此处讲授云平台的使用 |
Redis 与 SpringBoot 整合 |
redis 简介,雪崩 / 缓存击穿,hash、string、list、set、zset、jedis 数据分片,jedis 数据分片连接池,jedis 的 hash 一致性,redis 主从复制,哨兵集群,redis-cluster,redis 集群的槽道 |
Mycat |
Mycat 与 SpringBoot 整合 mycat 简介,mysql 主从复制,mycat 读写分离,mycat 配置详解 |
Rabbitmq 与 SpringBoot整合 |
rabbimq 消息队列,connection,channle,exchange,消息生产者和消费者,消息传递simple 模式,work 模式,publish 模式,routing 模式,topic 模式,秒杀案例 |
Lucene |
lucene 概述,分词系统,索引概念,倒排索引,索引创建,索引删除,索引更新,词项搜索,布尔搜索,范围搜索,前缀搜索,多关键字搜索,模糊搜索,通配符搜索 |
ES 与 SpringBoot 整合 |
搜索系统概括,搜索引擎框架,solr 安装与配置详解,elasticseacher 安装与配置详解,集群搭建 |
爬虫 |
jsoup 爬虫,爬取网站,爬取页面,爬取二次提交数据,爬取定位信息,模拟浏览器头爬取网站,爬取京东数据落地数据库 |
Ngnix http |
服务器,反向代理,入门配置,server 配置,location 匹配,负载均衡轮询、权重、session 黏着,hash 取余 |
Easymall 项目整合 |
整合 springboot 开发系统,整合 redis,mycat,Ngnix 负载均衡,rabbitmq 消息队列,lucene 搜索技术;jsonp,httpclient 跨域访问,调用服务使用互联网架构技术,将 EasyMall 项目重构为分布式技术架构的大型电商项目,可承受高并发,具有高可用的特点 |
SpringCloud 微服务整合 |
微服务概括:springcloud-config:分布式配置中心组件,支持配置文件放在配置服务的内存中,也支持放在;远程 Git 仓库里:springcloud-eureka:服务治理组件,可以管理微服务群体的所有服务调度;springcloud-ribbon:负载均衡组件,服务调度中高可用,轮询访问;springcloud-hystrix:断熔器,异常错误等处理的组件;springcloud-zuul:网关组件,可以用于服务调度的路由转发和过滤等作用;springcloud-feign:基于接口调用 rest 的组件;springcloud 微服务框架重构 EasyMall 项目 |
课程模块 | 课程详情 |
大数据 java 加强 |
学习 java 中关于 Concurrent 高并发包、NIO、序列化反序列化(AVRO)、RPC 等相关知识,掌握 zookeeper、sqoop 等大数据领域常用工具原理及使用,为后续大数据课程学习、分布式理论理解打下基础 |
Hadoop |
Hadoop 是知名的大数据处理工具,包括分布式数据存储系统 HDFS、分布式数据计算框架MapReduce 和资源协调框架 Yarn 三大组件;HDFS: 详细讲解 HDFS 使用方式、存储机制、可靠性保证、上传、下载、删除等实现原理、Java 开发 Api、开发插件等内容;MapReduce: 详细讲解 MR 理论基础、开发方式、序列化机制、分区机制、Combiner 机制、shuffle 详细流程、MR 案例、MR 性能优化等内容;Yarn: 介绍 Yarn 资源协调框架的基本原理、使用及调优;Hadoop 是大数据生态中知名的组件,在行业中应用广泛,是学习大数据重要的技术之一 |
Flume |
Flume 是大数据生态环境中流行的日志收集框架,基于其灵活的可广泛配置的使用方式及优良的效率被广泛的应用在大数据生产环境中。课程中详细讲解了 Flume 的 Source、Channel、Sink、Selector、Interceptor、Processor 等组件的使用。并通过美团应用案例,展示了 Flume 企业级应用场景的实现方式,并在后续项目中有大量的应用 |
Hive |
Hive 是基于 Hadoop 的数据仓库工具,通过将结构化的数据文件映射为 HIVE 中的表,并提供类 SQL 的语法实现数据处理。学习内容包括 hive 的安装配置、hive 的元数据库、hive 的内部表外部表、hive 的分区表、hive 的分桶表、hive 的语法、hive 的 UDF 等内容 |
Hbase |
HBase 是一种分布式、面向列的基于 hadoop 的非关系型数据库,适合存储半结构化、非结构化的数据,基于其优良的设计,可以提供良好的实时数据存取能力,并提供更好的横向扩展能力,在企业级大数据开发中占用重要地位。课程中详细介绍了 Hbase 使用方式、Hbase 逻辑结构、Hbase 的理论基础 -LSM 树、Hbase 的实现原理、Hbase 表设计原则等内容,从理论到实践讲解 Hbase 相关知识 |
Zebra 项目 |
通过学习 zebra 电信日志分析项目,掌握企业级大数据离线分析技术应用的技术:flume 收集日志,采用三层结构实现 日志收集 聚集 最终持久化到 hadoop hdfs 中 并实现日志收集过程中的失败恢复及负载均衡;hadoop hdfs 分布式存储收集到的日志数据 ,hadoop mapreduce 进行日志清洗、格式转换; hive 进行日志处理、业务规则计算,按照不同维度分时段统计应用受欢迎程度、网站受欢迎程度、小区上网能力、小区上网喜好等信息;sqoop 技术将处理完成的结果导出到关系型数据库;ECharts 通过 web 技术实现结果数据的可视化;Zookeeper 作为集群协调、集群状态监控工具 |
Storm |
Storm 是大数据行业中流行的大数据实时分析框架之一,是一个分布式的、高容错的实时计算系统,能够实现具有可靠性保障的分布式实时数据处理,在行业中广泛应用。在课程中讲解包括 Storm 基础 、可靠性保证、并发控制、实现原理、Topology、StormSpout、StormBolt、StormStream、行业应用等相关内容 |
Kafka |
Kafka 是一种具有高吞吐能力的分布式发布订阅消息系统,具有传统消息队列相关特性,此外具有一些独特的设计,可以实现分布式持久化的消息队列,在实时处理过程中通常用做数据缓存,为实时处理系统提供缓冲能力。在课程中包括 kafka 的安装配置、基本概念、实现原理、可靠性保障等相关理论及应用相关内容 |
分布式编程思想 |
大数据问题的本质是海量数据,大数据解决方案的核心理念是分布式,分布式场景有其独特的问题、解决方案、设计思想,本节通过讨论分布式在各种技术背景、业务场景下的应用,揭示分布式技术的原理及应用原则 |
网站流量分析项目 |
通过电商网站流量分析项目掌握企业级大数据离线分析、实时分析的的架构设计、技术应用及业务开发流程,通过在网站的前台页面中进行 js 埋点收集用户访问网站的行为信息;通过 Ngnix 和 Tomcat 服务器集群收集用户产生的行为数据,并通过 Flume 来进行收集、汇聚数据并分发到 HDFS 和 Kafka 为离线分析和实时分析提供数据来源;离线分析中通过 MR、Hive 等技术实现业务指标的离线计算,并通过 Sqoop 导出结果数据到关系型数据库;实时分析中通过 Storm 消费 Kafka 中的数据实现实时计算,中间数据通过 HBase 进行存储,结果数据通过 JDBC 写出到关系型数据库中;最终通过大数据可视化技术将结果数据展示给最终用户 |
SCALA |
Scala 是一门函数式编程的语言,是学习 Spark 的基础,并在其他场景下也有广泛应用。Scala 是一门多范式的编程语言,集成面向对象编程和函数式编程的各种特性。Scala 视一切数据类型皆对象,且支持闭包、lambda 等特性,语法简洁。Scala 使用 Actor 作为并发模型,与 Akka 框架自然契合,是一种基于数据共享为主要机制的并发开发模式。Scala 语言灵活、代码简介、高并发处理机制优良,特别适合于复杂的函数型计算,是 Spark学习的基础语言。Scala 的语法内容包括:方法定义、变量、字符串、泛型、Option、集合、程序控制结构、匿名函数、类、Class Case 样例类。模式匹配、traits、extends、函数式编程、高阶函数、AKKA 编程等内容。学员学习完成后可以掌握 Scala 这门语言,并理解函数式编程这种编程范式 |
数据可视化 |
数据可视化技术是大数据处理过程中的结果展示相关技术,通过相关工具将分析结果展示为直观的、美观的图形页面,为最终用户提供展示效果。内容包括:利用 Echarts 等 Web 前端技术实现大数据可视化 利用相关大数据可视化工具实现大数据可视化等内容 |
SPARK |
SPARK内容包括SparkCore:Spark 核心计算模型。包括 Spark 基础、RDD 弹性分布式数据集、DAG 有向无环图、Spark 原理(懒执行机制、宽依赖、窄依赖、Transformation 类型方法、Action 类型方法、流水线优化、Shuffle 过程等)、Spark 中的函数等内容,通过学习可以掌握 Spark 核心计算机制;SparkSQL: 基于 Spark 的 SQL 编程接口,可以实现在 Spark 中通过类 SQL 的方式操作数据,因其基于性能优良的 Spark 工作,性能相对于 Hive 有大幅提升;SparkStreaming:基于 Spark 实现的流式计算,相对于 Storm 在吞吐率、可靠性保证、开发便利程度上都有质的飞跃;SparkMllib:基于 Spark 的机器学习相关组件,可以实现海量数据下的机器学习 |
推荐系统项目 |
通过学习推荐系统项目掌握推荐系统相关算法、了解海量数据场景下自动化推荐技术 、提升综合运用大数据技术的能力、提高对算法、WEB 技术、互联网架构等技术的应用能力,实现企业级大数据开发的架构设计、需求分析、业务实现等环节,掌握大数据技术的综合运用能力,主要过程包括:收集业务系统数据库中结构化数据、日志系统中的行为数据,构建基于 hive 的数据仓库,基于数据仓库中的基础数据,利用推荐算法 实现基于商品的推荐系统,为在线学习网站有效推荐提供支持 |
Python 语言及爬虫 |
Python 是一种脚本化语言 , 具有简单易用、天然开源、生态丰富、应用范围广泛的特点。在大数据技术中,数据获取是第一步骤,其中利用爬虫获取互联网中公开的数据是一种非常常见的场景。Python 爬虫技术在爬虫领域具有很广泛的应用 , 课程中将介绍 Python 的基本语法、基于Python 的爬虫实现、Scrapy、PySpider 等爬虫框架,使学员具有基于 Python 的爬虫开发能力 |
课程模块 | 课程详情 |
统计学基础 |
统计学是关于认识客观现象总体数量特征和数量关系的科学。学习本课程的目的在于使学生掌握收集、处理、分析、解释数据的能力,并能从数据中得出结论或结果。能够通过搜集、整理、分析统计资料,认识客观现象数量规律性,并应用于所专修的专业领域去解决实际问题 |
R 语言基础 |
R 是用于统计分析、绘图的语言和操作环境,它是一个用于统计计算和统计制图的工具 |
回归模型 |
回归模型研究的问题 因变量(y)和一个或多个自变量(x)的函数关系,可以用于预测,是现代预测学的基础。此外也可以用于分类。学习的算法有:最小二乘回归、逐步回归、岭回归、LASSO 回归、LAR 回归等 |
正则化模型 |
正则化模型的思想是基于一个基础模型(比如最小二乘回归)引入惩罚措施,目的是使模型具有更好的泛化能力 |
决策树模型 |
数据挖掘中决策树是一种常用算法模型,既可以用来作预测,也可以用于数据分类。决策树建立的模型不是函数式,而是一个决策树,易于理解。学习的算法有:ID3 算法树、C4.5 算法树、CART 算法树等 |
判别模型 |
判别模型模型的特点基于样本数据建立判别函数,通过判别函数判别新样本的类归属问题。学习的算法有:Fisher 判别、K- 最近邻判别法等 |
集成模型 |
集成模型的特点将多个弱模型组合在一起。所以可以提高模型的精度和准确度,所以深受欢迎,学习的算法有:Bagging 算法、Boosting 算法、Random Forest 算法等 |
聚类模型 |
聚类算法的特点一般是基于距离度量来对数据做聚类分析。学习的算法有:层次聚类法、K-Means 聚类等 |
贝叶斯模型 |
贝叶斯模型的核心思想是基于贝叶斯公式(定理),是一个种概率模型,可以应用自动推理,文本分析等领域。学习的算法有:朴素贝叶斯分类器、贝叶斯信念网络等 |
SVM 模型 |
支持向量机主要解决分类问题,擅长处理高维数据,多应用于模式识别领域,比如手写体识别,图片识别等场景 |
推荐系统模型 |
主要基于 ALS 算法实现基于用户的推荐和基于物品的推荐。推荐系统模型是购物平台或新闻讯息平台使用较多的一种模型实现 |
大型
招聘
双选
会议
企业
内推
名企
有约