厦门大数匠教育

招生对象：HTML5大数据可视化简要大纲01阶段 概论01 可视化概论-可视化行业简史-地理空间数据可视化-视觉感知与视觉通道-高维非空间数据可视化-数据可视化基础-层次和网络数据可视化-时空数据可视化02第二阶段 大数据可视化实现技术01 HTML5基础应用02 CSS3层叠样式表03 JavaScript脚本语言-H与H4区别, 表单域增强元素-HTML5核心元素及布局应用-CSS3核心属性及布局应用-图像软件的使用(PS/AI)-浏览器兼容性以及处理方式-垂直居中，水平居中的处理-高宽自适应等高级应用技术-CSS预处理器LESS框架使用-CSS的基本使用使用-各种选择器使用-字体与文本属性-背景，边框-表格属性-CSS3新增选择器-CSS3新增的重要属性-什么是JavaScript-JavaScript使用及运作原理-javaScript的理论体系结构-JavaScript基本语法-JavaScript内置对象-事件，事件原理-JavaScript基本特效制作04 DOM与BOM模型-BOM的用法-原生DOM操作的用法05 Ajax异步交互-Ajax概述与特征-XMLHttpRequest对象-Ajax异步发送请求-对相应数据的处理06 HTML5高级应用-HTML5概述以及应用场合-HTML5基础：新标签，表单，文件Api-HTML5画布：canvas-HTML5多媒体：VIDIO，AUDIO-HTML5新Web API07 H5项目实训-掌握PC站开发流程和技巧-掌握浏览器/服务器交互模型-掌握项目周期与技术评估-掌握行业网站开发与迭代-小、中、大型网站开发项目08 JQuery应用09 JQuery UI / EasyUI-各选择器使用，及应用优化-Dom节点的各种操作-事件处理、封装、应用-jQuery中的各类动画使用-可用性表单的开发-jQuery Ajax、函数、缓存-jQuery编写插件、扩展、应用-理解模块式开发及应用-网站常用组件（按钮，页签等）实现-网站常用交互（拖放，排序等）实现-常用表单元素控件（文本域等）实现10 bootstrap框架11 SQL数据库12 Java数据配置-基础知识-各类指令应用-过滤器(date,limitTo,filter)-表单(NgModelController)-其他（Controller as语法等） -directive（指令，组件）-SQL简介及基本语法-基本SQL字句-SQL基本操作符-DDL应用-sqlite支持的数据类型-SQL函数-SQL各类函数应用-Java配置基本安装-设置常用的环境变量-构造和解析Json数据方法-基于Java配置jdbc取数框架-封装获取json数据的接口01 可视化工具简介第三阶段 大数据可视化实现技术02 echarts核心03 D3+SVG+Tableau04 可视化开发过程05 可视化案例分析04-可视化工具分类-可视化工具介绍-文本可视化工具-XML 可视化工具-数据集可视化工具-开源可视化工具-商业可视化工具-Smartbi基本应用-二维至多维数据认知与分析-图形基本使用，复杂图创建-分布图等高级图形创建-属性设置，json数据组件图形-动态图形更新-图形事件响应-D3相关概念-环境部署-SVG、位图与矢量图-图形绘制与动画效果-Tableau基本应用-可视化项目需求分析-可视化系统设计-可视化系统开发-可视化系统测试-可视化系统上线及维护-可视化开发运维-电商可视化案例-国内数据外可视化应用-上海图书馆可视化案例-身边的数据可视化应用-国内数据可视化的发展-大数据可视化的应用01 可视化项目实训-网站日志可视化分析项目-图形交互处理-电商数据可视化分析项目-Smartbi基本应用-地理空间数据可视化-SVG、位图与矢量图-图形绘制与动画效果03第四阶段 项目实战-可视化行业简史-视觉感知与视觉通道-Tableau基本应用第五阶段 就业指导0501 就业指导及综合考核-课程项目整体考核、结业-学员就业指导、就业辅导-企业岗前工作实训

招生对象：Hadoop大数据开发实战课程大纲本课程将让学员掌握 Hadoop 架构原理和 使用场景，通过项目实战锻炼，独立规划及部署生产环境的Hadoop集群，掌握Hadoop基本运维思路和方法，对Hadoop集群进行管理和优化，熟练使用Hadoop进行MapReduce程序开发。技术储备阶段Hadoop以及相关模块实操Hadoop介绍hadoop分为运维和开发：运维一般是搭建集群环境，调优集群，保证集群良好运行；开发就是通过运行mapreduce等程序，让他完成我们想让hadoop集群完成的事情。本章节将让学员了解Hadoop，把握分布式计算框架及未来发展方向，在大数据时代能为企业的技术选型及架构设计提供决策参考。数据仓库HIVEHive是大数据开发的核心工具，本章详解数据仓库HIVE，让学员了解并掌握Hadoop的数据仓库原理和运行机制。分布式数据库HbaseHadoop介绍计算模型MapReduceSpark项目入门与提高分布式文件系统HDFS体系结构分布式协作系统ZooKeeperScala介绍Spark平台下的机器学习Spark项目编译Hbase是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，本章将详细讲解Hbase体系及存储机制是一个用来将Hadoop和关系型数据库中的数据相互转移的工具，是不同类型数据库互操作的重要应用工具。MapReduce能够让用户编写的Hadoop并行应用程序运行更加简化高效，本章节将让学员学习软件的执行原理，并通过实际编写练习掌握MapReduce是用来解决分布式应用中经常遇到的一些数据管理问题，简化分布式应用协调及其管理的难度，提供高性能的分布式服务；本章节将介绍ZooKeeper原理和基本操作。Hadoop中的分布式文件系统HDFS能够实现数据在计算机集群组成的云上高效的存储和管理，是hadoop中核心体系，本章将让学员通过理论及实际操作了解HDFS的体系结构和操作规范。Spark是应对实时查询和迭代计算的有力工具，本章帮助学员了解并掌握Spark的原理，开发环境的搭建，掌握各个算法的使用场景与适用范围作为流计算技术中的佼佼者和主流的Storm被誉为实时版的Hadoop，本章节将详细介绍Storm，让学员了解并掌握分布式实时大数据处理工具， 弥补hadoop在实时数据上的不足。Spark在机器学习方面有着得天独厚的优势，特别适合需要多次迭代计算的算法。Scala在大数据，云计算方面有较为广泛的运用，而且由于Spark是由Scala语言开发的，所以大家在开发Spark应用程序时，Scala成为必学语言之一。Hadoop项目实战行业案例实战通过真实企业案例，让学员从理论到实践上都能掌握大数据企业开发必备技能，为就业打下坚实理论与实战基础。

招生对象：本项课程分为两个阶段阶段将让学员全面了解并掌握Hadoop的架构原理和使用场景，并通过贯穿课程的项目进行实战锻炼，从而使学员可以独立规划及部署生产环境的Hadoop集群，掌握Hadoop基本运维思路和方法，对Hadoop集群进行管理和优化；同时熟练使用Hadoop进行MapReduce程序开发；第二阶段让学员认识并掌握数据挖掘利器——R软件的强大功能，通过综合案例，以实际操作演练的方法让学生进步掌握数据挖掘及R软件强大的图表呈现功能。课程还涵盖了分布式计算领域的常用算法介绍，帮助学员为企业在利用大数据方面体现自身价值。

招生对象：学习目标：掌握爬虫的基本方法及反爬常见机制，熟练使用正则表达式、Urllid、Requests、Beautiful Soup、Xpath、JasonPATH等各类库进行爬虫；掌握Selenium、Scrapy等爬虫框架；了解多线程、分布式爬虫方法。完成项目：某房产连锁品牌数据爬取主要内容：Python可视化学习目标：掌握python对进行数据可视化，熟练使用matplotlib进行基本图形绘制，熟练使用pychart进行高阶图形绘制，以及利用API接口调用百度E-charts进行作图。完成项目：某房产连锁品牌数据可视化主要内容：Python数据分析与机器学习学习目标：掌握python进行数据挖掘，熟练使用pandas进行描述性分析；使用statsmodels进行时间序列分析；掌握scikit-learn常见机器学习模型（如：LR模型、K-means、KNN模型、朴素贝叶斯模型、决策树、随机森林等）完成项目：某餐饮公众号运营分析、餐饮选址评估、某房产连锁品牌综合性分析主要内容：

招生对象：