項(xiàng)目特色
依托國(guó)內(nèi)電商巨頭的實(shí)際業(yè)務(wù)場(chǎng)景,引入海量的真實(shí)點(diǎn)擊數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù),緊跟大數(shù)據(jù)主流技術(shù)需求,配備AI輔助開(kāi)發(fā)技巧詳解,擁有豐富的數(shù)據(jù)倉(cāng)庫(kù)功能模塊。
學(xué)習(xí)目標(biāo)
- 全面了解數(shù)據(jù)倉(cāng)庫(kù)建模理論
- 充分熟悉電商行業(yè)數(shù)據(jù)分析指標(biāo)體系
- 快速掌握多種大數(shù)據(jù)技術(shù)框架
- 了解認(rèn)識(shí)多種數(shù)據(jù)倉(cāng)庫(kù)技術(shù)模塊、掌握AI輔助開(kāi)發(fā)技巧
主要技術(shù)棧
Hadoop
Flume
DataX
Maxwell
Kafka
Spark
DolphinScheduler
SpringBoot
Echart
SuperSet
Kylin
Presto
Ranger
項(xiàng)目特色
參考眾多大廠的實(shí)時(shí)數(shù)倉(cāng)項(xiàng)目的經(jīng)典架構(gòu)研發(fā)推出,采用當(dāng)前主流的實(shí)時(shí)數(shù)據(jù)流處理框架Flink作為主要計(jì)算引擎,涉及多種實(shí)時(shí)計(jì)算關(guān)鍵技術(shù),新增AI輔助開(kāi)發(fā)技巧的講解,全面滿足企業(yè)對(duì)實(shí)時(shí)開(kāi)發(fā)的要求。
學(xué)習(xí)目標(biāo)
- 了解實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)的建模理論
- 靈活應(yīng)用Flink的流式計(jì)算技術(shù),多種技術(shù)框架協(xié)調(diào)配合
- 靈活應(yīng)用AI,提升開(kāi)發(fā)效率
- 優(yōu)化項(xiàng)目代碼,融匯貫通整個(gè)大數(shù)據(jù)開(kāi)發(fā)的關(guān)鍵技術(shù)
主要技術(shù)棧
Flume
Maxwell
Kafka
Flink
HBase
Phoenix
Redis
ClickHouse
SpringBoot
SugarBI
項(xiàng)目特色
基于在線教育行業(yè)的實(shí)際業(yè)務(wù)場(chǎng)景,引入海量的真實(shí)點(diǎn)擊數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù),緊跟大數(shù)據(jù)的主流技術(shù)需求,穿插AI輔助開(kāi)發(fā)技巧講解,搭建了一整套完整的離線數(shù)據(jù)倉(cāng)庫(kù)和實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)。
學(xué)習(xí)目標(biāo)
- 充分了解在線教育行業(yè)的業(yè)務(wù)數(shù)據(jù)體系,熟悉在線教育行業(yè)的離線指標(biāo)體系
-
熟悉在線教育行業(yè)的實(shí)時(shí)指標(biāo)體系,充分掌握多種大數(shù)據(jù)技術(shù)框架的協(xié)調(diào)應(yīng)用,充分掌握AI輔助開(kāi)發(fā)技巧
主要技術(shù)棧
Hadoop
Flume
DataX
Maxwell
Kafka
Spark
DolphinScheduler
SpringBoot
Echarts
SuperSet
Kylin
Presto
Ranger
Flink
HBase
Phoenix
Redis
Doris
SugarBI
項(xiàng)目特色
涵蓋了大數(shù)據(jù)的數(shù)倉(cāng)建模理論、數(shù)據(jù)處理技術(shù)手段和大數(shù)據(jù)平臺(tái)搭建方法,依托真實(shí)在線聽(tīng)書行業(yè)的實(shí)際業(yè)務(wù)場(chǎng)景,展示全面的離線與實(shí)時(shí)的指標(biāo)體系,配備AI輔助開(kāi)發(fā)技巧詳解。
學(xué)習(xí)目標(biāo)
- 充分了解在線聽(tīng)書行業(yè)的業(yè)務(wù)數(shù)據(jù)體系,熟悉在線聽(tīng)書行業(yè)的離線指標(biāo)體系
-
熟悉在線聽(tīng)書行業(yè)的實(shí)時(shí)指標(biāo)體系,充分掌握多種大數(shù)據(jù)技術(shù)框架的協(xié)調(diào)應(yīng)用,充分掌握AI輔助開(kāi)發(fā)技巧
主要技術(shù)棧
Hadoop
Flume
Kafka
Maxwell
DataX
Hive
Spark
Flink
SugarBI
ClickHouse
Redis
HBase
Phoenix
DolphinScheduler
項(xiàng)目特色
站在汽車物聯(lián)網(wǎng)數(shù)據(jù)倉(cāng)庫(kù)的技術(shù)前列,依托真實(shí)汽車傳感器數(shù)據(jù),展示完整的離線指標(biāo)體系,搭建功能完善的離線數(shù)據(jù)倉(cāng)庫(kù),熟練應(yīng)用大數(shù)據(jù)技術(shù)框架。
學(xué)習(xí)目標(biāo)
- 充分了解汽車物聯(lián)網(wǎng)行業(yè)的業(yè)務(wù)數(shù)據(jù)體系
- 熟悉汽車物聯(lián)網(wǎng)行業(yè)的離線指標(biāo)體系
- 充分掌握多種大數(shù)據(jù)技術(shù)框架的協(xié)調(diào)應(yīng)用
- 掌握AI輔助開(kāi)發(fā)技巧
主要技術(shù)棧
Hadoop
Flume
Kafka
Maxwell
DataX
Hive
Spark
DolphinScheduler
項(xiàng)目特色
依托真實(shí)廣告行業(yè)的實(shí)際業(yè)務(wù)場(chǎng)景,透徹講解互聯(lián)網(wǎng)廣告發(fā)展歷程和廣告完整運(yùn)營(yíng)流程,展示全面的廣告指標(biāo)體系,學(xué)習(xí)數(shù)據(jù)分析工具,配備AI輔助開(kāi)發(fā)技巧詳解。
學(xué)習(xí)目標(biāo)
- 全面了解數(shù)據(jù)倉(cāng)庫(kù)建模理論
- 充分熟悉廣告行業(yè)運(yùn)營(yíng)流程、專業(yè)術(shù)語(yǔ)和數(shù)據(jù)分析指標(biāo)體系
- 徹底掌握多種大數(shù)據(jù)技術(shù)框架
- 掌握AI輔助開(kāi)發(fā)技巧
主要技術(shù)棧
Hadoop
Flume
DataX
Kafka
Hive
Spark
DolphinScheduler
ClickHouse
FineBI
項(xiàng)目特色
依托真實(shí)的金融審批行業(yè)的海量業(yè)務(wù)數(shù)據(jù),構(gòu)建離線數(shù)據(jù)倉(cāng)庫(kù),依據(jù)數(shù)倉(cāng)建模理論完成數(shù)據(jù)的存儲(chǔ)、分析與調(diào)取,分析實(shí)現(xiàn)整套金融審批指標(biāo)體系,構(gòu)建指標(biāo)分析儀表盤。
學(xué)習(xí)目標(biāo)
- 充分了解金融審批行業(yè)的業(yè)務(wù)數(shù)據(jù)體系
- 熟悉金融審批行業(yè)的離線指標(biāo)體系
- 充分掌握多種大數(shù)據(jù)技術(shù)框架的協(xié)調(diào)應(yīng)用
- 掌握AI輔助開(kāi)發(fā)技巧
主要技術(shù)棧
Hadoop
Flume
Kafka
Maxwell
DataX
Hive
Spark
DolphinScheduler
SuperSet
項(xiàng)目特色
依托真實(shí)的醫(yī)療問(wèn)診行業(yè)的海量業(yè)務(wù)數(shù)據(jù),構(gòu)建離線數(shù)據(jù)倉(cāng)庫(kù),依據(jù)數(shù)倉(cāng)建模理論完成數(shù)據(jù)的存儲(chǔ)、分析與調(diào)取,分析實(shí)現(xiàn)整套醫(yī)療問(wèn)診指標(biāo)體系,構(gòu)建指標(biāo)分析儀表盤。
學(xué)習(xí)目標(biāo)
- 充分了解醫(yī)療問(wèn)診行業(yè)的業(yè)務(wù)數(shù)據(jù)體系
- 熟悉醫(yī)療問(wèn)診行業(yè)的離線指標(biāo)體系
- 充分掌握多種大數(shù)據(jù)技術(shù)框架的協(xié)調(diào)應(yīng)用
- 掌握AI輔助開(kāi)發(fā)技巧
主要技術(shù)棧
Hadoop
Flume
Kafka
Maxwell
DataX
Hive
Spark
DolphinScheduler
SuperSet
項(xiàng)目特色
依托物流行業(yè)的真實(shí)業(yè)務(wù)場(chǎng)景,基于目前各大互聯(lián)網(wǎng)企業(yè)對(duì)于騰訊云EMR架構(gòu)體系的需求,將整個(gè)電商的數(shù)據(jù)倉(cāng)庫(kù)體系搭建在騰訊云架構(gòu)上。課程中穿插對(duì)AI輔助開(kāi)發(fā)技巧詳細(xì)講解,令A(yù)I真正賦能大數(shù)據(jù)開(kāi)發(fā)。
學(xué)習(xí)目標(biāo)
- 掌握騰訊云常用大數(shù)據(jù)技術(shù)框架的使用、選型和購(gòu)買
- 掌握基于騰訊云EMR進(jìn)行離線數(shù)據(jù)倉(cāng)庫(kù)和利用EMR進(jìn)行實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)的搭建
- 充分掌握AI輔助開(kāi)發(fā)技巧
主要技術(shù)棧
騰訊云EMR中的Hive
Spark
Hadoop
Flink
Flume
Kafka
項(xiàng)目特色
依托國(guó)內(nèi)電商巨頭的真實(shí)業(yè)務(wù)場(chǎng)景,基于目前各大互聯(lián)網(wǎng)企業(yè)對(duì)于阿里云架構(gòu)體系的需求,將整個(gè)電商的數(shù)據(jù)倉(cāng)庫(kù)體系搭建在阿里云架構(gòu)上,做到全項(xiàng)目全流程上云。
學(xué)習(xí)目標(biāo)
- 掌握阿里云常用大數(shù)據(jù)技術(shù)框架
- 掌握基于阿里云服務(wù)器進(jìn)行離線數(shù)據(jù)倉(cāng)庫(kù)和實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)的搭建
主要技術(shù)棧
Flume
RDS
DataHub
DataWorks
DataV
QuickBI
Flink
MaxCompute
項(xiàng)目特色
該項(xiàng)目是一個(gè)完整可落地的湖倉(cāng)一體項(xiàng)目,依托真實(shí)電商行業(yè)的海量數(shù)據(jù)集,充分利用Hudi,將數(shù)據(jù)湖概念與數(shù)倉(cāng)建模理論融匯貫通,將Hudi與其他主要大數(shù)據(jù)框架充分集成。
學(xué)習(xí)目標(biāo)
- 充分了解數(shù)據(jù)湖與數(shù)據(jù)倉(cāng)庫(kù)的概念區(qū)別
- 熟悉數(shù)據(jù)湖的構(gòu)建開(kāi)發(fā)流程
- 充分掌握Hudi與多種大數(shù)據(jù)框架的協(xié)調(diào)應(yīng)用
主要技術(shù)棧
Flink
Hudi
Hadoop
Flume
Kafka
FlinkCDC
Hive
Superset
項(xiàng)目特色
一站式搞定數(shù)據(jù)治理、血緣管理、元數(shù)據(jù)管理、數(shù)據(jù)質(zhì)量監(jiān)控、批處理和實(shí)時(shí)處理的可視化調(diào)度、可視化即席查詢、可視化數(shù)據(jù)采集配置。
學(xué)習(xí)目標(biāo)
- 掌握技術(shù)中臺(tái)中的核心功能開(kāi)發(fā)原理
- 掌握大數(shù)據(jù)、JavaEE和前端技術(shù)的融合
主要技術(shù)棧
SpringBoot
Vue
ClickHouse
Presto
Spark
Hive
Flink
DolphinScheduler
項(xiàng)目特色
著眼于用數(shù)字化的標(biāo)簽描述用戶個(gè)性特征、勾畫目標(biāo)用戶,實(shí)現(xiàn)了從標(biāo)簽定義、標(biāo)簽任務(wù)處理、任務(wù)調(diào)度、任務(wù)監(jiān)控、用戶分區(qū)、用戶洞察的全功能平臺(tái)化管理。
學(xué)習(xí)目標(biāo)
- 充分理解用戶畫像管理平臺(tái)的搭建及使用
- 了解用戶畫像系統(tǒng)的設(shè)計(jì)思路
- 掌握標(biāo)簽的設(shè)計(jì)流程及應(yīng)用
- 初步了解機(jī)器學(xué)習(xí)算法
主要技術(shù)棧
Spark MLib
ClickHouse
Redis
Vue
SpringBoot
MyBatis
項(xiàng)目特色
依托于真實(shí)的中文亞馬遜電商數(shù)據(jù)集,以及真實(shí)的電商企業(yè)業(yè)務(wù)數(shù)據(jù)體系,構(gòu)建了符合教學(xué)體系的一體化電商推薦系統(tǒng),充分理解推薦系統(tǒng)的運(yùn)作流程,拓寬技術(shù)視野。
學(xué)習(xí)目標(biāo)
- 系統(tǒng)性梳理整合大數(shù)據(jù)技術(shù)知識(shí)與機(jī)器學(xué)習(xí)相關(guān)知識(shí)
- 深入了解推薦系統(tǒng)在電商企業(yè)中的實(shí)際應(yīng)用
- 深入學(xué)習(xí)并掌握多種推薦算法
主要技術(shù)棧
Flume
Kafka
MongoDB
Spark Streaming
ElasticSearch
Git
Redis
項(xiàng)目特色
依托企業(yè)級(jí)真實(shí)的實(shí)時(shí)數(shù)據(jù)分析環(huán)境,對(duì)目前互聯(lián)網(wǎng)大廠中常見(jiàn)的實(shí)時(shí)分析場(chǎng)景提出了一套基于SparkStreaming的全面實(shí)用的技術(shù)解決方案,豐富實(shí)時(shí)技術(shù)棧。
學(xué)習(xí)目標(biāo)
- 全面掌握Scala語(yǔ)言開(kāi)發(fā)Spark的實(shí)時(shí)計(jì)算任務(wù)的開(kāi)發(fā)技巧
- 了解使用不同的CDC框架,提升實(shí)時(shí)方向的項(xiàng)目開(kāi)發(fā)經(jīng)驗(yàn)
主要技術(shù)棧
Flume
Canal
Maxwell
Kafka
SparkStreaming
HBase
Phoenix
Redis
ElasticSearch
Kibana
SpringBoot
SugarBI
項(xiàng)目特色
依托真實(shí)的彩票行業(yè)的海量業(yè)務(wù)數(shù)據(jù),構(gòu)建離線數(shù)據(jù)倉(cāng)庫(kù),依據(jù)數(shù)倉(cāng)建模理論完成數(shù)據(jù)的存儲(chǔ)、分析與調(diào)取,分析實(shí)現(xiàn)整套彩票指標(biāo)體系,構(gòu)建指標(biāo)分析儀表盤。
學(xué)習(xí)目標(biāo)
- 充分了解彩票行業(yè)的業(yè)務(wù)數(shù)據(jù)體系
- 熟悉彩票行業(yè)的離線指標(biāo)體系
- 充分掌握多種大數(shù)據(jù)技術(shù)框架的協(xié)調(diào)應(yīng)用
- 掌握AI輔助開(kāi)發(fā)技巧
主要技術(shù)棧
Hadoop
Flume
Kafka
Maxwell
DataX
Hive
Spark
DolphinScheduler
SuperSet
項(xiàng)目特色
依托真實(shí)的保險(xiǎn)行業(yè)的海量業(yè)務(wù)數(shù)據(jù),構(gòu)建離線數(shù)據(jù)倉(cāng)庫(kù),依據(jù)數(shù)倉(cāng)建模理論完成數(shù)據(jù)的存儲(chǔ)、分析與調(diào)取,分析實(shí)現(xiàn)整套保險(xiǎn)指標(biāo)體系,構(gòu)建指標(biāo)分析儀表盤。
學(xué)習(xí)目標(biāo)
- 充分了解保險(xiǎn)行業(yè)的業(yè)務(wù)數(shù)據(jù)體系
- 熟悉保險(xiǎn)行業(yè)的離線指標(biāo)體系
- 充分掌握多種大數(shù)據(jù)技術(shù)框架的協(xié)調(diào)應(yīng)用
- 掌握AI輔助開(kāi)發(fā)技巧
主要技術(shù)棧
Hadoop
Flume
Kafka
Maxwell
DataX
Hive
Spark
DolphinScheduler
SuperSet
項(xiàng)目特色
該項(xiàng)目是一個(gè)完整可落地的統(tǒng)一數(shù)倉(cāng)項(xiàng)目,依托真實(shí)電商行業(yè)的海量數(shù)據(jù)集,充分利用Doris,將Doris概念與數(shù)倉(cāng)建模理論融匯貫通,將Doris與其他主要大數(shù)據(jù)框架充分集成。
學(xué)習(xí)目標(biāo)
- 充分了解統(tǒng)一數(shù)倉(cāng)與數(shù)據(jù)倉(cāng)庫(kù)的區(qū)別
- 熟悉統(tǒng)一數(shù)倉(cāng)的構(gòu)建開(kāi)發(fā)流程
- 充分掌握Doris與多種大數(shù)據(jù)框架的協(xié)調(diào)應(yīng)用
主要技術(shù)棧
Flink
Doris
SeaTunnel
DolphinScheduler
FineBI