位置:搜学搜课 > 新闻 > 哈尔滨香坊区大数据培训班报名电话
实战讲师
课程主题 | 课程内容 | 课程目标 |
阶段(Java基础) | ||
Java语言的特性 | 静态导入、自动封箱拆箱、可变参数、增强for、枚举、类加载器、反射、内省、泛型、注解、动态代理回 | 掌握Java语言的特性 |
Java多线程 | 多线程加强、线程池、Thread Local | 掌握Java线程池技术,掌握线程的Join、notify、notifyAll等机制 |
XML |
Dom解析、Sax解析、Pull解析 Schema |
基于Xml的解析与维护 |
Web | Html,Css,Js | 掌握简单的Html,Css,Js的编写 |
实训项目一:易买网项目 | ||
第二阶段(Web阶段,易买网项目贯穿) | ||
JAVAWEB前端技术 |
项目介绍、项目开发流程 Html、CSS、JS |
了解真实项目开发流程 掌握前端开发基本技术 |
JAVAWEB基础技术 |
Tomcat、HTTP协议、Servlet、Jsp、EL、JSTL、自定义标签 MVC、JAVAWEB三层架构 软件分层、耦合、解耦 AJAX |
掌握JAVAWEB基础知识 深入理解软件分层思想 AJAX实现异步刷新 |
JAVAWEB技术 |
Filter、Listener 文件上传、下载 在线支付 |
过滤器、监听器及常见应用场景 文件上传、下载 在线支付功能实现 aa |
JAVAWEB框架加强 |
面向切面编程 通过注解控制事务 java基础加强、框架加强 |
JAVA特性 熟悉常见设计模式 通过模拟实现框架功能,为后续学习SSH打基础 |
实训项目二:国际物流项目 | ||
第三阶段(Struts,Hibernate,Spring,SSH项目贯穿) | ||
Struts2 |
分析Servlet缺点,进行重构 Struts.xml配置文件 ValueStack Ognl表达式 属性驱动、模型驱动、拦截器、文件上传、token机制等 |
掌握Struts2在项目开发时用到的各种知识点,能够应用 该框架熟练的开发 |
Hibernate | ORM的概念、CRUD的完成、Hibernate常用的配置、API详细的分析、对象的三种状态、关联关系、检索、优化、缓存机制 | 熟练掌握利用Hibernate框架完成项目的开发,深入理解ORMapping的概念,深入理解缓存机制 |
Spring | IOC、DI、动态代理模式、AOP、基于Spring的数据库编程、Spring的声明式事务处理,Struts2与Hibernate与Spring的整合 | 深入理解SpringIOC、DI在软件架构中的作用,深入理解SpringAOP的实现机制和应用场景,Struts2的特性(对象工厂、静态注入、插件机制、ThreadLocal针对ActionContext的封装、Struts2的核心流程、结果集架构)、深入理 解SSH整合的原理 |
JQuery | JQuery常见选择器的应用 | 利用JQuery控制Web界面 |
JS | JS面向对象的特征 | 对象、原型、闭包、JQuery内部结构解析等 |
Maven |
Maven的概念、使用、原理、 Module的概念、仓库 |
能用Maven搭建项目环境 熟练使用Maven的依赖和继承机制 |
SSH项目:国际物流 | 项目背景、系统USE CASE图、系统功能结构图、系统框架图、国际物流核心业务货运管理、购销合同业务、购销合同下货物、出口报运单、装箱单、委托书、发票、财务统计、海量数据导出、出口报运、装箱业务、Shiro安全框架、工作流Activiti5 |
掌握画USECASE图、系统结构图、系统框架图。 面试能顺畅讲述国际物流核心业务,包括:购销合同、出口报运、装箱、委托、发票、财务。 了解大型数据库设计思路,及数据库在设计上如何优化。 熟练实现合同、货物、附件两级主从结构。 熟练POI制式表单应用。 熟练应用Shiro安全框架。 熟练应用工作流Activiti5实现货运管理流程控制。 |
实训项目三:易买电商项目 | ||
第四阶段(SpringMVC,Mybaties,SSM项目贯穿) | ||
SpringMVC | 模拟SpringMVC的核心部件写一个例子、核心分发器、处理器映射、适配器、控制器、注解开发实例、标签机制、拦截器机制、AJAX与JSON调用 | 熟练掌握SpringMVC的各个组件,理解SpringMVC的架构原理,利用SpringMVC开发项目 |
MyBaties | CRUD操作、SqlSessionFactory对象、SqlSession对象、集合参数、动态SQL语句、代码优化、Mapper的接口、关联关系、缓存机制、拦截器、MyEclipse插件的使用 | 熟练掌握SpringMVC的各个组件,理解SpringMVC的架构原理,利用SpringMVC开发项目 |
SSM项目(易买电商) | 项目需求讲解、环境的搭建、后台系统实现、前台系统搭建、内容管理实现、Redis缓存解决前台访问性能问题、单点登录、异步订单系统处理、Lucene与Solor实现文件的检索、ActivityMQ实现消息的异步通信、MySQL的数据库的读写分离、分布式环境的部署和实施 | 了解电商项目的需求分析,掌握用pom.xml文件构建项目,实现电商项目的前台的内容管理、菜单管理、购物等。掌握Redis缓存如何提供性能、利用Solor做全文检索、利用ActivityMQ的异步机制把缓存中的改动同步到 各个环节、掌握MySQL的主从复制和读写分离。利用lvs,keepalived,nginx,tomcat搭建高并发的web环境 |
实训项目四:电信项目 | ||
第五阶段(分布式、高并发、集群、电信项目贯穿) | ||
网络编程 | Socket、Io、Nio、Mina、RPC技术、多线程、线程池 | 把电信项目的部分环节利用mina、RPC技术实现 |
数据仓库 |
数据仓库基础知识 ETL MySQL的导入工具、分表,分区、读写分离、存储过程级多维分析 |
掌握数据仓库的知识内容,这是云计算分析的基础 |
分布式缓存 | 学习MemoryCache与Redis两种缓存 | 掌握两种缓存的原理、以及操作 |
Zookeeper | Zookeeper的选举、数据的同步、Zookeeper的部署、Follow与Leader | 了解Zookeeper的选举算法、同步机制、掌握Zookeeper的集群的搭建 |
集群 | Keepalived的Loadblancing机制、Nginex反向代理服务器、Tomcat集群、Lvs | 利用Lvs、Keepalived、Nginx、Tomcat搭建高并发、分布式的Web服务器 |
SOA | Rest风格的服务架构、基于Rest风格的WebService的使用、dubbo服务框架的使用 | 利用服务性框架使得系统的耦合性更弱,扩展性更强 |
云计算 | 云计算的概念、Iaas、 Paas、Saas的理解、虚拟化的概念 | 理解云计算 |
电信项目 | 把上面所学的知识点全部结合起来做电信行业的日志分析系统 | 通过项目掌握MySQL的集群、读写分离、优化、掌握Mina框架的通信机制、掌握Zookeeper的高可用机制、利用MySql掌握数据仓库的概念、利用分布式缓存提高系统的性能 |
实训项目五:电信项目 | ||
第六阶段(Hadoop,Spark,电信项目贯穿) | ||
Hadoop的分布式文件系统HDFS | HDFS的概念、HDFS的API的应用、NameNode与SecondaryNameNode与DataNode的原理与通信机制、数据块Block的概念、NameNode的文档目录树、NameNode与DataNode的关联 | Hadoop伪分布式的搭建、利用HDFS的API对分布式文件系统进行操作、掌握NameNode与SecondaryNameNode的通信原理、掌握NameNode与DataNode的通信原理 |
Hadoop的计算框架MapReduce | 利用MapReducer的计算框架实现电信日志的分析、深入理解Shuffle机制、FileOutPutFormat、FileInPutFormat | 熟练Map、Reducer、Sort、Partition的编程、深入理解Shuffle机制、深入理解OutPutFormat与InputFormat、基于Hadoop的对象序列化机制 |
Hadoop的资源管理与资源调度 Yarn框架 |
深入理解MapReducer的通信机制:利用Yarn的资源管理和资源调度机制。理解进程ResourceManager,NodeManager,ApplicationMaster等进程的作用 | 深入理解Yarn的资源管理与资源调度机制。掌握整个MapReducer的计算流程和资源调度流程 |
HBase | 搭建NOSQL数据库HBase的集群、利用Zookeeper做HBase的HA机制 | 掌握HBase的集群的的搭建 |
HIVE | 数据仓库基础知识、Hive定义、Hive体系结构简介、Hive集群、客户端简介、 HiveQL定义、HiveQL与SQL的比较、数据类型、外部表和分区表、表的操作与CLI客户端演示、数据导入与CLI客户端演示、查询数据与CLI 客户端演示、数据的连接与CLI客户端演示、用户自定义函数(UDF)的开发与演示 | 利用HIVE做日志分析的查询 |
Spark | Spark介绍:Spark应用场景、Scala编程语言、Scala编程、Spark集群部署等 | 利用Spark流式编程做日志的分析 |
电信项目 | 把第四阶段的电信项目用Hadoop与Spark实现 | 熟练应用Hadoop的MapReducer,Hive与Spark |
大数据分析四大算法有K―平均算法、奇异值分解、主成分分析(PCA算法)、决策树学习。在应用该算法进行数据分析时,首先应输入包含M个对象的数据集A以及簇的数目N。从A中任意选择N个对象作为初始簇中心并且不断重复,随后计算出簇中对象的均值,将每个对象分配到相似的簇并且不断更新簇均值,后计算准则函数直到其不再发生变化为止.
大数据分析算法一:K―平均算法
K―平均算法是一种得到广泛应用的基于划分的聚类算法。其把M个对象分为N个簇,使得每个簇内具有较高的相似度。
在应用该算法进行数据分析时,首先应输入包含M个对象的数据集A以及簇的数目N。从A中任意选择N个对象作为初始簇中心并且不断重复,随后计算出簇中对象的均值,将每个对象分配到相似的簇并且不断更新簇均值,后计算准则函数直到其不再发生变化为止。因为该算法的复杂度大约是0(nkt),所以该算法在处理大数据集时是相对可伸缩的和率的。
大数据分析算法二:奇异值分解
假设A是一个m×n阶矩阵,其中的元素全部属于实数域或复数域。如此则存在一个分解使得A=U∑V*。其中U是m×m阶酉矩阵,Σ是半正定m×n阶对角矩阵,而V*是n×n阶酉矩阵的共轭转置矩阵。这样的分解就称为A的奇异值分解。
在MATLAB仿真软件中计算奇异值分解的函数式为:[b.c.d]=svd(x)
大数据分析算法三:主成分分析(PCA算法)
从宏观上来说,主成分分析是指在研究一项变量较多的课题时,将这些变量通过线性变换而简化为几个重要变量的一种多元统计分析方法。而在数据分析领域,主成分分析的主要作用是对大规模的数据集进行分析与简化。其主要体现在降低数据集的维数,同时尽可能保持数据集中的对所研究的问题有价值的特征。简而言之,就是保留低阶主成分,忽略高阶主成分。其具体方法是通过对协方差矩阵进行特征分解,从而得出数据的特征向量与特征值。主成分分析在数学上可以理解为一个正交化的线性变换,把数据整体变换到一个新的坐标系中,使得这一数据的任何投影的大方差在主成分上,第二大方差在第二主成分上,依次类推。
大数据分析算法四:决策树学习
从广义上讲,决策树是一种运用图解法的概率分析,即在已知各种事件发生概率的基础上,通过构建决策树来探究期望值大于等于零的概率,同时判断可行性的决策分析方法。
决策树学习是数据分析领域常用的方法,其目的是构建一个模型来预测样本的目标值。一棵决策树的训练就是依据一个既定指标,将训练数据集分为几个子集并且在所产生的子集中不断重复此方法的过程,直到一个训练子集的类标都相同时为止。决策树主要有两种类型:分类树和回归树。其中分类树的输出是样本的类标,而回归树输出的是一个实数。决策树的优点体现在即可以处理数值型数据也可以处理类别型数据,并且适合处理大规模数据。
尊重原创文章,转载请注明出处与链接:http://www.soxsok.com/wnews99195.html 违者必究! 以上就是关于“哈尔滨香坊区大数据培训班报名电话”的全部内容了,想了解更多相关知识请持续关注本站。