上课方式

面授

上课校区

招生对象

准备学习大数据开发的人群

课程目标

通过课程的学习，掌握软件开发工作岗位所需的核心技能，毕业后顺利入职企业担任软件开发相关工作并实现就业。

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？

学大数据要做好哪些准备

选择学习大数据，后期工作内容就是大数据了，在做这个决定之前我们都是挣扎过，矛盾过，有很多的顾虑，经过深思熟虑，做的决定，提问这个问题的你，应该是处于做选择的时候，因为担心自己不符合额学习的条件，害怕选错。在做选择的时候只要是自己想做的都是对的，都是较符合自己的。然后剩下的就是沉下心修炼技术，不管以前有没有接触过，剩下的就是坚持和恒心了，学习一定是一件耐得住寂寞的事情，一个知识点，反复的使用、练习。另外在后期工作中会有一个bug要细心、耐心的排查问题在哪的时候，所以拥有一个良好的心态也是优异的开发人员基本素养。

核心优势，更胜一筹

科学规划教学内容

达内教育坚持不断更新课程，实时挖掘企业需要人才类型，课程形式科学多样化，科学有针对性的“教”与“学”，能够帮助学员多方面提升职业技能和素养。

培训经验丰富

达内拥有丰富的培训经验，并建立了完整的大数据培训体系，能够让学员得到专业的大数据工程师的指导，并进行项目的实战，充分的学习到专业的大数据技能。

大数据应用领域

现在越来越多的行业领域也涉猎大数据，通常来说它们可以被大致分为两类：大数据工程与大数据分析。而这些领域互相独立又互相关联。大数据工程涉及大量数据的设计，部署，获取以及维护(保存)。大数据工程师需要去设计和部署这样一个系统，使相关数据能面向不同的消费者及内部应用。而大数据分析的工作则是利用大数据工程师设计的系统所提供的大量数据。大数据分析包括趋势、图样分析以及开发不同的分类、预测预报系统。

南昌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