友情鏈接:
|
>工業(yè)機(jī)器人仿真培訓(xùn) |
R語(yǔ)言大數(shù)據(jù)分析培訓(xùn)課程 |
Ansys Workbench模擬培訓(xùn)
5
（9653人評(píng)價(jià)）
筆記：(65387)
學(xué)員：(217537)
瀏覽：(277013)
曙海教學(xué)優(yōu)勢(shì)
本課程面向企事業(yè)項(xiàng)目實(shí)際需要,秉承二十一年積累的教學(xué)品質(zhì)，騰訊云大數(shù)據(jù)開(kāi)發(fā)工程師培訓(xùn)課程-以項(xiàng)目實(shí)現(xiàn)為導(dǎo)向,老師將會(huì)與您分享設(shè)計(jì)的全流程以及工具的綜合使用經(jīng)驗(yàn)、技巧。線上/線下/上門(mén)皆可,騰訊云大數(shù)據(jù)開(kāi)發(fā)工程師培訓(xùn)課程-專家,課程可定制,熱線:4008699035。
曙海的課程培養(yǎng)了大批受企業(yè)歡迎的工程師。曙海的課程在業(yè)內(nèi)有著響亮的知名度。大批企業(yè)和曙海
建立了良好的合作關(guān)系,20多年來(lái)，合作企事業(yè)單位以達(dá)30多萬(wàn)。
騰訊云大數(shù)據(jù)開(kāi)發(fā)工程師培訓(xùn)課程
培訓(xùn)概述
騰訊云大數(shù)據(jù)開(kāi)發(fā)工程師培訓(xùn)將通過(guò)理論精講與上機(jī)實(shí)驗(yàn)相結(jié)合的方式，系統(tǒng)性地介紹如何使用大數(shù)據(jù)技術(shù)進(jìn)行大數(shù)據(jù)程序開(kāi)發(fā)，以及如何基于騰訊云EMR產(chǎn)品在騰訊云平臺(tái)上開(kāi)通、部署和使用Hadoop大數(shù)據(jù)系統(tǒng)。
培訓(xùn)大綱
騰訊云大數(shù)據(jù)開(kāi)發(fā)工程師培訓(xùn)課程涵蓋以下內(nèi)容：
|
知識(shí)模塊 |
簡(jiǎn)介 |
|
大數(shù)據(jù)技術(shù)與生態(tài)圈概述 |
1. 大數(shù)據(jù)與Hadoop概述 2. 騰訊大數(shù)據(jù)應(yīng)用案例 3. 大數(shù)據(jù)行業(yè)現(xiàn)狀 4. Hadoop設(shè)計(jì)思想 5. Hadoop與Spark生態(tài)圈 |
|
EMR產(chǎn)品使用與運(yùn)維 |
1. 騰訊云EMR產(chǎn)品介紹 2. EMR入門(mén)操作與使用說(shuō)明 3. EMR客戶案例 4. EMR權(quán)限控制 5. EMR監(jiān)控 6. EMR擴(kuò)容 7. EMR硬件管理 8. EMR參數(shù)配置 9. EMR數(shù)據(jù)遷移 |
|
HDFS使用 |
1. HDFS概述 2. HDFS架構(gòu)與組成 3. HDFS操作與API 4. HDFS高可靠保證 5. HDFS與騰訊云COS |
|
MapReduce編程 |
1. MapReduce框架 2. MapReduce編程模型 3. MapReduce工作原理 4. 資源管理框架YARN |
|
Hive基礎(chǔ)與操作 |
1. Hive概述與基本架構(gòu) 2. Hive環(huán)境與基礎(chǔ)操作 3. DDL與DML操作 4. Hive系統(tǒng)函數(shù)與自定義函數(shù) 5. Hive與Sqoop工具 |
|
HBase使用 |
1. Hbase基礎(chǔ)與架構(gòu) 2. Hbase數(shù)據(jù)結(jié)構(gòu) 3. Hbase內(nèi)置表與讀寫(xiě)流程 4. Hbase使用與API |
|
Presto架構(gòu)與使用 |
1. Presto概述 2. Presto整體架構(gòu)與運(yùn)行原理 3. Presto Connector 4. Presto常用函數(shù) |
|
SparkCore基礎(chǔ)與開(kāi)發(fā) |
1. Spark概述 2. Spark程序與RDD操作 3. 普通型RDD Transformation操作 4. 鍵值型RDD Transformation操作 5. RDD Action操作 6. RDD共享變量、持久化與依賴 7. Spark架構(gòu)與運(yùn)行 8. Tez、Spark與MR對(duì)比 9. Spark WordCount演示 |
|
SparkSQL開(kāi)發(fā) |
1. SparkSQL概述與架構(gòu) 2. DataFrame與DataSet 3. SparkSQL數(shù)據(jù)源操作 4. SparkSQL自定義函數(shù) |
|
SparkStreaming開(kāi)發(fā) |
1. SparkStreaming概述 2. SparkStreaming運(yùn)行流程 3. SparkStreaming基礎(chǔ)算子 4. SparkStreaming高級(jí)算子 5. SparkStreaming案例 6. Spark與Storm區(qū)別 |
|
Kafka基礎(chǔ)與開(kāi)發(fā) |
1. Kafka概述 2. Kafka架構(gòu)與關(guān)鍵機(jī)制 3. Ckafka API與實(shí)戰(zhàn) 4. SparkStreaming與Kafka整合 |
|
數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)基礎(chǔ) |
1. 大數(shù)據(jù)分析介紹 2. 機(jī)器學(xué)習(xí)概念 3. 機(jī)器學(xué)習(xí)分類(lèi) 4. 常見(jiàn)分析模型與算法 5. 用戶畫(huà)像應(yīng)用基礎(chǔ)與構(gòu)建 |
|
課程實(shí)驗(yàn) |
1. 實(shí)驗(yàn)1-Hadoop實(shí)驗(yàn)環(huán)境準(zhǔn)備 2. 實(shí)驗(yàn)2-HDFS分布式文件系統(tǒng) 3. 實(shí)驗(yàn)3-COS存儲(chǔ)系統(tǒng) 4. 實(shí)驗(yàn)4-MapReduce分布式計(jì)算框架 5. 實(shí)驗(yàn)5-Hive數(shù)據(jù)庫(kù)表創(chuàng)建和數(shù)據(jù)加載 6. 實(shí)驗(yàn)6-分布式列式數(shù)據(jù)庫(kù)Hbase 7. 實(shí)驗(yàn)7-Presto數(shù)據(jù)庫(kù)表創(chuàng)建和數(shù)據(jù)加載 8. 實(shí)驗(yàn)8-離線日志分析 9. 實(shí)驗(yàn)9-Spark內(nèi)存計(jì)算框架 10. 實(shí)驗(yàn)10-Spark實(shí)戰(zhàn) 11. 實(shí)驗(yàn)11-Ckafka生產(chǎn)者消費(fèi)者實(shí)踐 12. 實(shí)驗(yàn)12-EMR集群的運(yùn)維 13. 實(shí)驗(yàn)13-互聯(lián)網(wǎng)電商日志分析系統(tǒng)實(shí)戰(zhàn) 14. 實(shí)驗(yàn)14-基于用戶畫(huà)像的推薦實(shí)戰(zhàn) |
?
