上课方式

面授

上课校区

招生对象

大学生、在职提升、转行或待业人员；对量化投资比较感兴趣的业界人士；有志于进入IT软件行业发展的人群

课程目标

从入门到精通

课程详情

授课机构

教学点

同类课程

学员评论

大数据课程针对想要搞清楚大数据工作原理的学员，帮助学员通过实践与理论的结合，让学员系统学习hadoop、mapreduce和hbase等理论知识和hadoop生态环境，当然此课程也通过演示实际的大数据分析案例，使学员理解大数据分析的真实价值。在大数据学习过程中，掌握实际运用情况，获得进步和成长。

您可能关心的问题？

对大数据感兴趣，想学习进入IT行业？

自学能力差，零基础怎么学好大数据？

想转入IT行业，学习大数据提升能力？

目前工作没前途，工资低，想转行IT行业？

从事大数据工作多年，难以突破工作瓶颈？

大数据为什么要学JAVA

从事大数据开发必须要学习一门编程语言，那么为什么偏偏是Java呢？首先是因为，Java是目前较为广泛使用的编程语言，它功能强大却简单易用。另外，Java语言作为静态面向对象编程语言的代表，极好地实现了面向对象理论，允许程序员以优雅的思维方式进行复杂的编程。比较重要的是，Hadoop以及其他大数据处理技术很多都是用Java，例如Apache的基于Java的HBase和Accumulo以及ElasticSearchas，因此学习Hadoop的一个首要条件，就是掌握Java语言编程。综上所述，特别适合做大数据的开发语言。

核心优势，更胜一筹

01

注重实践
注重项目、注重技能，让所学知识能够合理运用，助学员获得工作经验
02

实验环境
达内配备ucloud云服务器，提供完全真实的互联网大数据开发部署环境
03

项目多易掌握
每个项目对应一个阶段知识点，从基础到进阶，真实对接企业工作流程

大数据应用领域

当我们每天在公路上开车时，我们的智能手机会发送我们的位置信息以及速度，然后结合实时交通信息为我们提供较佳路线，从而避免堵车。结合位置应用程序AroundMe，还可以为你提供附近的餐馆、银行、加油站等信息。当我们去购物时，我们的数据会结合历史购买记录和社交媒体数据来为我们提供优惠券、折扣和个性化优惠。电子地图，如高德、百度、Google地图出现后，其产生了大量的数据流数据，这些数据不同于传统数据，传统数据代表一个属性或一个度量值，但是这些地图产生的流数据代表着一种行为、一种习惯，这些流数据经频率分析后会产生巨大的商业价值。基于地图产生的数据流是一种新型的数据类型，在过去是不存在的。

大连达内大数据课程内容

阶段	教学内容
JavaSE阶段	Java发展历程、Java的技术结构、JDK的下载及安装、HelloWorld入门案例。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、object.String、Pattern、包装类、Math、BigDecimal、Date、Calendar。异常、集合、Map、泛型、迭代器、比较器。Io、线程、套接字。反射、注解、断言。
	jm内存大小调节、常见回收机制。接口中的默认方法、Lambda表达式，函数式接口、时间包。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。
Java Web阶段	XML、HTML/Css、JavaScript、Jquery、MySql、JDBC、Tomcat/HTTP、Servlet、Cookie/Session、JSP/EL表达式JSTL标签库、MVC 设计模式 / 三层架构、过滤器 / 监听器、JavaWeb 高级开发技术、数据库高级开发技术、EasyMall 项目开发
JavaEE框架阶段	Spring、SpringMVC、MyBatis、EasyMall项目重构及开发、Springboot、SpringBoot重构EasyMall项目
大数据互联网架构阶段	Linux、云平台使用、Redis 与 SpringBoot整合、Mycat 与 SpringBoot整合、Rabbitmq与SpringBoot整合、lucene、ElasticSearch与SpringBoot整合、爬虫、Ngnix、Easymall 项目整合、SpringCloud 微服务整合
大数据框架阶段	大数据 java 加强、Hadoop、Flume、Hive、Hbase、Zebra 项目、Storm、Kafka、分布式编程思想、网站流量分析项目、SCALA、SPARK、推荐系统项目
大数据框架阶段	Python语言及爬虫、数据可视化、统计学基础、R语言基础、回归模型、正则化模型、决策树模型、判别模型、聚类模型、贝叶斯模型、SVM 模型、推荐系统模型