适用对象：需要了解大数据，或者需要熟知大数据管理、维护、开发和数据分析的人
课程列表
企业级大数据技术与应用
面授时长：18 小时
课程简介：1. 了解大数据业内最新发展趋势，深入掌握Hadoop的原理，Hadoop生态系统
2. 深入学习yarn 框架下的MapReduce，掌握MapReduce研发
3. 掌握HDFS 开发
4. 了解Hadoop集群规划，应用案例解析
5. 列式数据库HBase的基本原理，应用场景，掌握基本的编程技巧
6. 学习掌握 Hive工具 , 分布式协调系统Zookeeper的基本原理，应用场景，掌握基本的编程技巧
7. 掌握Spark技术
8. 掌握Impala
9. 掌握相关的大数据核心组件
Scala从基础到开发实战
面授时长：12 小时
课程简介：通过学习本课程能具备初步的Scala语言实际编程能力，更好地参与Spark等大数据课程学习。
数据仓库模型建设与数据挖掘实战
面授时长：18 小时
课程简介：能够进行建模和数据仓库管理工作
、对ETL有更深入的认识及对方法的掌握
、充分理解数据挖掘和数据仓库的方法论
、提高自己分析问题解决问题的实际能力
数据中台与大数据建设案例分析和最佳实践
面授时长：12 小时
课程简介：1、理解数据中台的概念，理解数据驱动，以及数据价值变现
2、理解如何在数据中台中实践“尽可能采集数据、更好地整理数据、有效地挖掘数据价值”
3、理解如何将“自顶向下”与“自下而上”向结合，制订切实可行的开展数据中台建设
大数据平台Storm实践
面授时长：24 小时
课程简介：了解大数据业内最新发展趋势，深入掌握Storm的原理，Storm生态；
掌握Storm大数据平台技术及原理；
深入学习yarn框架下的Storm，掌握Storm研发；
掌握Storm开发；
了解Storm集群规划，应用案例解析；
列式数据库Storm的基本原理，应用场景，掌握基本的编程技巧。
大数据平台Spark深入实践
面授时长：24 小时
课程简介：Spark 是一种与 Hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越，换句话说，Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。本课程深入学习Spark技术，通过本课程的学习，可以掌握：
1. 掌握Spark 部署中常见的方法与注意事项；
2. 掌握Spark集群规划方法及配置优化方法；
3. 掌握Spark 原理 RDD，PariRDD；
4. 掌握Spark读取与存储数据的方法；
5. 掌握Spark SQL 使用；
6. 掌握Spark Streaming 原理与使用及优化办法。
