大數(shù)據(jù)培訓(xùn)學(xué)什么課程？

很多人想轉(zhuǎn)行做大數(shù)據(jù)程序員，卻不知道大數(shù)據(jù)培訓(xùn)課程都講什么，還有很多人都不知道如何選擇一個(gè)靠譜的大數(shù)據(jù)培訓(xùn)機(jī)構(gòu)，大家都知道選擇一個(gè)專業(yè)的機(jī)構(gòu)對(duì)于學(xué)習(xí)起到了至關(guān)重要的作用，想學(xué)習(xí)程序開(kāi)發(fā)的學(xué)員一定會(huì)貨比三家，最終選擇一家最靠譜最專業(yè)的大數(shù)據(jù)培訓(xùn)機(jī)構(gòu)學(xué)習(xí)。那么大數(shù)據(jù)培訓(xùn)機(jī)構(gòu)那個(gè)靠譜？大數(shù)據(jù)培訓(xùn)學(xué)什么課程？

首先我們來(lái)看下大數(shù)據(jù)培訓(xùn)機(jī)構(gòu)那個(gè)靠譜

在這里給大家推薦一下黑馬程序員的大數(shù)據(jù)培訓(xùn)課程，推薦理由是擁有多位大牛明星講師，與時(shí)俱進(jìn)更新迭代的大數(shù)據(jù)課程，學(xué)習(xí)氛圍滿滿的班級(jí)環(huán)境，還有企業(yè)級(jí)項(xiàng)目實(shí)戰(zhàn)，讓你快速學(xué)好大數(shù)據(jù)。

那么黑馬程序員的大數(shù)據(jù)培訓(xùn)都有什么課程？首先我們看看黑馬程序員的大數(shù)據(jù)課程設(shè)計(jì)理念

黑馬程序員大數(shù)據(jù)課程設(shè)計(jì)理念

1.完全面向零基礎(chǔ)的大數(shù)據(jù)課程

我們的課程幫助了近500名零基礎(chǔ)的學(xué)員高薪就業(yè)，近2000名學(xué)生正在努力蛻變中。0基礎(chǔ)也能高薪就業(yè)的大數(shù)據(jù)課程。

2.更新潮緊隨技術(shù)發(fā)展浪潮

全面升級(jí)Spark核心就業(yè)項(xiàng)目，新增第四代大數(shù)據(jù)處理框架Flink，強(qiáng)化推薦系統(tǒng)實(shí)戰(zhàn)并擴(kuò)充至7天。

3.更真實(shí)深度還原企業(yè)應(yīng)用場(chǎng)景

所有項(xiàng)目均是來(lái)自企業(yè)實(shí)戰(zhàn)項(xiàng)目，報(bào)表分析、日志分析、推薦系統(tǒng)/廣告系統(tǒng)、反欺詐系統(tǒng)、為就業(yè)提供強(qiáng)力保障。

4.更全面典型技術(shù)點(diǎn)線面橫向擴(kuò)展

課程全面覆蓋大數(shù)據(jù)技術(shù)，數(shù)據(jù)收集、存儲(chǔ)、計(jì)算、挖掘、展現(xiàn)，離線分析/實(shí)時(shí)分析/內(nèi)存計(jì)算一網(wǎng)打盡。

5.更廣泛就業(yè)領(lǐng)域

大數(shù)據(jù)時(shí)代已然到來(lái)，在數(shù)據(jù)已經(jīng)在一線企業(yè)、中小型企業(yè)、傳統(tǒng)企業(yè)、互聯(lián)網(wǎng)企業(yè)全面落地。就業(yè)不再局限于互聯(lián)網(wǎng)行業(yè)。

大數(shù)據(jù)基礎(chǔ)班課程大綱

學(xué)習(xí)對(duì)象:0基礎(chǔ)0經(jīng)驗(yàn)的小白人員；想通過(guò)最低的成本來(lái)試一下自己是否適合做大數(shù)據(jù)相關(guān)工作的轉(zhuǎn)型人員。

上課方式:全日制脫產(chǎn)，每周5天上課, 上兩天課休息一天的上課方式（實(shí)際培訓(xùn)時(shí)間可能因法定節(jié)假日等因素發(fā)生變化）

培訓(xùn)時(shí)間：部分校區(qū)可能會(huì)根據(jù)實(shí)際情況有所調(diào)整

培訓(xùn)費(fèi)用：基礎(chǔ)班學(xué)費(fèi)價(jià)格詳情（享受優(yōu)惠價(jià)的條件是什么？）

大數(shù)據(jù)就業(yè)班課程大綱
學(xué)習(xí)對(duì)象本課程適合于計(jì)算機(jī)專業(yè)，有一定Java基礎(chǔ)、通過(guò)入學(xué)考核的未就業(yè)人士。
提示：測(cè)試題主要考察您是否具備Java基礎(chǔ)，以便我們統(tǒng)一入學(xué)基礎(chǔ)，更好地開(kāi)展教學(xué)工作。如果您感覺(jué)測(cè)試題很難，我們建議您參加我們的Java基礎(chǔ)班學(xué)習(xí)。
上課方式：全日制脫產(chǎn)，每周5天上課, 上兩天課休息一天的上課方式（實(shí)際培訓(xùn)時(shí)間可能因法定節(jié)假日等因素發(fā)生變化）
培訓(xùn)時(shí)間:部分校區(qū)可能會(huì)根據(jù)實(shí)際情況有所調(diào)整

大數(shù)據(jù)就業(yè)班課程大綱

所處階段	主講內(nèi)容	技術(shù)要點(diǎn)	學(xué)習(xí)目標(biāo)
第二階段： JavaWeb核心	前端	HTML、CSS、JavaSript、BootStrap	核心能力培養(yǎng)： 運(yùn)用常用的網(wǎng)頁(yè)開(kāi)發(fā)技術(shù)設(shè)計(jì)網(wǎng)頁(yè)； 掌握WEB系統(tǒng)交互原理； 掌握J(rèn)avaWeb開(kāi)發(fā)核心技術(shù)； 運(yùn)用JavaWeb核心技術(shù)完成簡(jiǎn)單功能實(shí)現(xiàn)； 掌握J(rèn)avaWeb高級(jí)技術(shù)，創(chuàng)建更好的Web應(yīng)用程序； 具備B/S結(jié)構(gòu)軟件開(kāi)發(fā)能力。 具備能力及市場(chǎng)價(jià)值： 能夠完成B/S結(jié)構(gòu)網(wǎng)站開(kāi)發(fā)，具備了真實(shí)環(huán)境的項(xiàng)目部署能力； 能夠完成中小型企業(yè)管理系統(tǒng)等傳統(tǒng)項(xiàng)目的開(kāi)發(fā)。 市場(chǎng)價(jià)值： 繼續(xù)努力學(xué)習(xí)。
	數(shù)據(jù)庫(kù)	MySQL數(shù)據(jù)庫(kù)、MySQL單表操作、MySQL多表操作、MySQL事物、 MySQL存儲(chǔ)引擎、JDBC、JDBCDataSource
	Web核心	Tomcat、Http協(xié)議、servlet入門、Rquest、Response、JSP、MVC、 Cookie、Session、JSP、ETL、JSTL、Filter、listener
	web增強(qiáng)	Jquery、Ajax、ajax跨域、分頁(yè)
	基礎(chǔ)增強(qiáng)	多線程入門、網(wǎng)絡(luò)編程入門、反射、動(dòng)態(tài)代理、注解
第三階段： 網(wǎng)站開(kāi)發(fā)三大框架	項(xiàng)目構(gòu)建及管理	Maven項(xiàng)目構(gòu)建、管理、編譯、倉(cāng)庫(kù)配置，SVN服務(wù)器部署、 SVN客戶端、自動(dòng)化部署	核心能力培養(yǎng)： 掌握SSM框架，使用SSH框架開(kāi)發(fā)出結(jié)構(gòu)清晰、可復(fù)用性好、維護(hù)方便的Web應(yīng)用程序； 掌握如何使用Maven管理項(xiàng)目工程； 掌握數(shù)據(jù)庫(kù)的相關(guān)技術(shù)； 掌握系統(tǒng)開(kāi)發(fā)中的性能、可擴(kuò)展性及維護(hù)性的提升； 通過(guò)項(xiàng)目實(shí)戰(zhàn)熟練掌握SSM框架的使用。 具備能力及市場(chǎng)價(jià)值： 能夠使用SSM框架完成傳統(tǒng)企業(yè)級(jí)項(xiàng)目開(kāi)發(fā)，熟悉多種業(yè)務(wù)流程，豐富項(xiàng)目開(kāi)發(fā)經(jīng)驗(yàn)。 市場(chǎng)價(jià)值： 6000-8000元。
	數(shù)據(jù)庫(kù)操作框架	mybatis框架原理、mybatis入門案例、mybatis開(kāi)發(fā)DAO方式、 mybatis輸入輸出映射、動(dòng)態(tài)sql、spring整合mybatis
	Spring框架	applicationContext、xml配置文件編寫、IoC思想、DI依賴注入、 使用AspectJ切面編程、JdbcTemplate模板使用、聲明式事務(wù)管理、SSH整合
	SpringMVC框架	springmvc框架原理、springmvc入門案例、springmvc整合mybatis、 參數(shù)綁定、json數(shù)據(jù)交互、攔截器
	CRM項(xiàng)目實(shí)戰(zhàn)	使用springmvc+spring4+mybatis+svn來(lái)開(kāi)發(fā)項(xiàng)目、 使用BootStrap進(jìn)行布局
第四階段： 大數(shù)據(jù)娛樂(lè)頭條	Linux服務(wù)器	VMware虛擬機(jī)安裝、linux常用命令、linux用戶權(quán)限與網(wǎng)絡(luò)安全	核心能力培養(yǎng)： 掌握大數(shù)據(jù)爬蟲(chóng)技術(shù)開(kāi)發(fā)； 掌握大數(shù)據(jù)搜索引擎技術(shù)開(kāi)發(fā)； 掌握大數(shù)據(jù)消息隊(duì)列使用及調(diào)優(yōu)； 掌握Storm實(shí)時(shí)數(shù)據(jù)分析； 掌握分布式系統(tǒng)開(kāi)發(fā)； 掌握互聯(lián)網(wǎng)用戶日志分析。 具備能力及市場(chǎng)價(jià)值： 能夠獨(dú)立開(kāi)發(fā)爬蟲(chóng)系統(tǒng)；    能夠獨(dú)立開(kāi)發(fā)搜索系統(tǒng)； 能夠完成實(shí)時(shí)數(shù)據(jù)采集、存儲(chǔ)、計(jì)算及商業(yè)應(yīng)用。 市場(chǎng)價(jià)值： 8000-10000元。
		linux下應(yīng)用tomcat、linux下應(yīng)用MySQL、linux下應(yīng)用nginx、 nginx負(fù)載均衡配置
	分布式爬蟲(chóng)實(shí)戰(zhàn)	大數(shù)據(jù)娛樂(lè)頭條-項(xiàng)目整體介紹
		大數(shù)據(jù)娛樂(lè)頭條-爬蟲(chóng)基礎(chǔ)、Http協(xié)議、HttpClient網(wǎng)絡(luò)請(qǐng)求、 Jsoup網(wǎng)頁(yè)解析、黑客行為之后臺(tái)登錄
		大數(shù)據(jù)娛樂(lè)頭條-Java并發(fā)、多線程、阻塞隊(duì)列、 網(wǎng)易娛樂(lè)爬蟲(chóng)開(kāi)發(fā)實(shí)戰(zhàn)
		大數(shù)據(jù)娛樂(lè)頭條-Redis基礎(chǔ)、Redis集群、Redis常用API、購(gòu)物車、 排行榜、Redis持久化
		大數(shù)據(jù)娛樂(lè)頭條-分布式爬蟲(chóng)、代理IP、爬蟲(chóng)攻防技術(shù)、分布式爬蟲(chóng)開(kāi)發(fā)實(shí)戰(zhàn)
	分布式搜索	大數(shù)據(jù)娛樂(lè)頭條-lucene基礎(chǔ)、搜索系統(tǒng)原理、Lucene創(chuàng)建索引、 Lucene查詢索引、Lucene分頁(yè)、Lucene高亮
		大數(shù)據(jù)娛樂(lè)頭條-solr基礎(chǔ)、solr在Linux部署、solr管理界面、 solr創(chuàng)建索引、solr查詢索引、solr高亮、solrj客戶端管理
		大數(shù)據(jù)娛樂(lè)頭條-SSM搜索服務(wù)、搜索引擎界面、搜索分頁(yè)、搜索高亮、 搜索熱詞聯(lián)想
		大數(shù)據(jù)娛樂(lè)頭條-zookeeper集群、zookeeper原理、dubbox、 搜索服務(wù)開(kāi)發(fā)
		大數(shù)據(jù)娛樂(lè)頭條-Kafka基礎(chǔ)、Kafka集群、生產(chǎn)分發(fā)策略、消息不丟失、 存儲(chǔ)機(jī)制、消費(fèi)者負(fù)責(zé)均衡、Kafka配置文件詳解
		大數(shù)據(jù)娛樂(lè)頭條-爬蟲(chóng)集成Kafka、爬蟲(chóng)創(chuàng)建索引、 FreeMarker熱門搜索結(jié)果靜態(tài)化
		大數(shù)據(jù)娛樂(lè)頭條-綜合部署、nginx負(fù)載均衡、solrcloud集群、 solrcloud原理分析
	搜索性能優(yōu)化	大數(shù)據(jù)娛樂(lè)頭條-nginx+lua基礎(chǔ)、點(diǎn)擊流日志收集系統(tǒng)部署
		大數(shù)據(jù)娛樂(lè)頭條-Storm基礎(chǔ)、Storm架構(gòu)、Storm編程模型、 Storm實(shí)時(shí)看板、Storm消息不丟失
		大數(shù)據(jù)娛樂(lè)頭條-Storm熱詞統(tǒng)計(jì)，提供實(shí)時(shí)熱詞靜態(tài)化
		大數(shù)據(jù)娛樂(lè)頭條-Storm爬蟲(chóng)日志監(jiān)控項(xiàng)目實(shí)戰(zhàn)
		大數(shù)據(jù)娛樂(lè)頭條-Storm日志分析項(xiàng)目實(shí)戰(zhàn)
	JVM與數(shù)據(jù)庫(kù)優(yōu)化	JVM虛擬機(jī)基礎(chǔ)與性能調(diào)優(yōu)
		數(shù)據(jù)庫(kù)分析與優(yōu)化
第五階段： 大數(shù)據(jù)Hadoop實(shí)戰(zhàn)	大數(shù)據(jù)環(huán)境準(zhǔn)備	linux基礎(chǔ)、linux的shell編程、大數(shù)據(jù)環(huán)境準(zhǔn)備、zookeeper、網(wǎng)絡(luò)編程概述	核心能力培養(yǎng)： 掌握離線數(shù)據(jù)收集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)計(jì)算、任務(wù)調(diào)度、數(shù)據(jù)導(dǎo)入導(dǎo)出、數(shù)據(jù)報(bào)表開(kāi)發(fā)技術(shù)； 掌握用戶日志分析系統(tǒng)（業(yè)務(wù)分析、編碼實(shí)現(xiàn)、調(diào)度配置、數(shù)據(jù)導(dǎo)出、數(shù)據(jù)可視化）； 掌握數(shù)據(jù)倉(cāng)庫(kù)管理、元數(shù)據(jù)管理、數(shù)據(jù)稽查等常見(jiàn)處理技術(shù)掌握Hadoop高可用配置及管理。 具備能力及市場(chǎng)價(jià)值： 能夠勝任離線相關(guān)工作，包括ETL工程師、任務(wù)調(diào)度工程師、Hive工程師、數(shù)據(jù)倉(cāng)庫(kù)工程師等。 市場(chǎng)價(jià)值： 12000-14000元。
	Hadoop集群部署	Hadoop的發(fā)展簡(jiǎn)史、Hadoop的版本介紹、 三個(gè)公司對(duì)Hadoop版本的支持了解、 Hadoop1.x版本與2.x版本的架構(gòu)比較、 Apache版本Hadoop三種環(huán)境構(gòu)建、 CDH版本的Hadoop重新編譯
	HDFS&MapReduce	HDFS的來(lái)源、HDFS設(shè)計(jì)目標(biāo)、Hadoop的架構(gòu)圖、文件副本機(jī)制、 block塊存儲(chǔ)、HDFS的元數(shù)據(jù)信息、FSimage以及edits、 ScondaryNN的作用、HDFS的文件寫入過(guò)程、HDFS的文件讀取過(guò)程、 HDFS的API操作、HadoopMapReduce設(shè)計(jì)構(gòu)思、 MapReduce框架結(jié)構(gòu)、MapReduce編程規(guī)范及示例編寫、 MapReduce程序運(yùn)行模式
	MapReduce優(yōu)化	MapReduce的分區(qū)、ReduceTask的數(shù)量設(shè)置、 MapReduce排序以及序列化、MapReduce計(jì)數(shù)器、MapReducecombiner、MapReduce上網(wǎng)流量統(tǒng)計(jì)、 MapTask運(yùn)行機(jī)制詳解、Map任務(wù)的并行度、ReduceTask工作機(jī)制、reduceTask的并行度、MapReduceshuffle過(guò)程、shuffle階段數(shù)據(jù)的壓縮機(jī)制
	自定義及資源調(diào)度	MapReduce實(shí)現(xiàn)join、社交粉絲數(shù)據(jù)分析、mapreduce案例:倒排索引建立、 自定義inputFormat合并小文件、自定義outputFormat、 自定義GroupingComparator求取topN、mapreduce參數(shù)優(yōu)化、 Yarn資源調(diào)度
	Hive數(shù)據(jù)倉(cāng)庫(kù)	數(shù)據(jù)倉(cāng)庫(kù)特征、數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)、Hive的概念、Hive架構(gòu)、Hive部署及使用、 HiveDDL、HiveDML、Hive命令行、Hive參數(shù)配置、Hive內(nèi)置函數(shù)、 HiveUDF開(kāi)發(fā)、Hive的數(shù)據(jù)壓縮、Hive的文件格式、Hive調(diào)優(yōu)、 Hive語(yǔ)句綜合練習(xí)
	網(wǎng)站流量日志分析	網(wǎng)站流量日志采集、數(shù)據(jù)分析系統(tǒng)介紹、系統(tǒng)開(kāi)發(fā)架構(gòu)、Flume實(shí)現(xiàn)數(shù)據(jù)采集、 數(shù)據(jù)預(yù)處理、數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)、ETL、統(tǒng)計(jì)分析、Sqoop結(jié)果導(dǎo)出、 工作流調(diào)度azkaban、數(shù)據(jù)可視化
	Impala&Hue	impala的介紹、impala安裝準(zhǔn)備、制作本地yum源、impala的安裝、 impala基本使用、impala的java開(kāi)發(fā)、Hue的介紹、Hue的安裝、 hue與HDFS集成、hue與yarn集成、配置hue與hive集成、 配置hue與impala的集成、配置hue與mysql的集成
	大數(shù)據(jù)新技術(shù)	Oozie介紹、Oozie架構(gòu)、Oozie的執(zhí)行流程、Oozie組件、Oozie的安裝、 hue整合Oozie、hadoopHA、hadoopFederation、CDH整體架構(gòu)、 CDH環(huán)境安裝、Kylin、kettle、kudu
第六階段： 大數(shù)據(jù)Spark實(shí)戰(zhàn)	Scala語(yǔ)言基礎(chǔ)	Scala基礎(chǔ)語(yǔ)法、Scala高級(jí)特性、Scala的Akka編程實(shí)戰(zhàn)	核心能力培養(yǎng)： 掌握Spark基礎(chǔ)、SparkRDD、SparkSQL、SparkStreaming開(kāi)發(fā)技術(shù)； 掌握互聯(lián)網(wǎng)電商用戶畫像建模、開(kāi)發(fā)、可視化（業(yè)務(wù)知識(shí)、技術(shù)開(kāi)發(fā)、架構(gòu)）； 掌握數(shù)據(jù)數(shù)據(jù)存儲(chǔ)及存儲(chǔ)（Hbase+Phoenix）。 具備能力及市場(chǎng)價(jià)值： 能夠勝任Spark相關(guān)工作，包括ETL工程師、Spark工程師、Hbase工程師、用戶畫像系統(tǒng)工程師、大數(shù)據(jù)反欺詐工程師。 目前企業(yè)急缺Spark相關(guān)人才。 市場(chǎng)價(jià)值： 15000+元。
	Spark基礎(chǔ)	Spark概述、Spark集群安裝部署、Spark運(yùn)行架構(gòu)、Spark編程模型
	SparkRDD	RDD概述、RDD特征、RDD算子操作、RDD依賴、RDD緩存、 Spark任務(wù)調(diào)度、checkpoint、RDD編程實(shí)戰(zhàn)
	SparkSQL	SparkSQL概述、DataFrame、DataFrame常用操作、DataSet介紹、 SparkSQL整合JDBC、SparkonYarn
	SparkStreaming	概述、與Storm的對(duì)比、SparkStreaming原理、DStream操作實(shí)戰(zhàn)、 開(kāi)窗函數(shù)、整合Flume、整合Kafka
	項(xiàng)目實(shí)戰(zhàn)階段	互聯(lián)網(wǎng)電商用戶畫像建模、開(kāi)發(fā)、數(shù)據(jù)導(dǎo)入、 數(shù)據(jù)存儲(chǔ)（Hbase+Phoenix）、可視化
	項(xiàng)目實(shí)戰(zhàn)階段	大數(shù)據(jù)反欺詐系統(tǒng)、航空領(lǐng)域反爬蟲(chóng)項(xiàng)目實(shí)戰(zhàn)、系統(tǒng)架構(gòu)、防爬規(guī)則、 Nginx+lua+kafak整合、高頻IP檢測(cè)、SparkStreaming規(guī)則引擎開(kāi)發(fā)、 數(shù)據(jù)可視化
	新技術(shù)	flink的簡(jiǎn)介、最值函數(shù)aggregate和minBy、maxBy、 去重distict和關(guān)聯(lián)join函數(shù)、union合并和rebalance負(fù)載均衡、 3種分區(qū)方式（hash、range、sort）、source數(shù)據(jù)源、flink的sink操作、 本地執(zhí)行和集群執(zhí)行、廣播變量的操作、分布式緩存的使用、 無(wú)重疊數(shù)據(jù)處理、 窗口劃分、windowTime、同步hbase、flink的source源、 基于mysql的sink操作、flink的容錯(cuò)、flink對(duì)接kafka數(shù)據(jù)、案例實(shí)戰(zhàn)
第七階段： 大數(shù)據(jù)機(jī)器學(xué)習(xí)實(shí)戰(zhàn)	機(jī)器學(xué)習(xí)概念入門	1.基本概念：屬性、屬性的度量、屬性類型、數(shù)據(jù)集類型、數(shù)據(jù)集的特性、訓(xùn)練集、測(cè)試集、特征值、監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)等概念 2.數(shù)據(jù)的預(yù)處理：聚集、抽樣、維度規(guī)約、特征子集選擇、特征創(chuàng)建、離散化和二元化、變量變換 3.模型的評(píng)估：模型的過(guò)分?jǐn)M合(過(guò)擬合)，欠擬合，評(píng)估分類器的性能(交叉驗(yàn)證和自助法)，模型評(píng)估方法、損失函數(shù)和風(fēng)險(xiǎn)函數(shù)、參數(shù)優(yōu)化等，模型復(fù)雜度(奧卡姆剃刀)4.機(jī)器學(xué)習(xí)處理的一般流程分析	核心能力培養(yǎng)： 掌握機(jī)器學(xué)習(xí)算法理論基礎(chǔ)； 熟悉Python語(yǔ)言基礎(chǔ)及數(shù)據(jù)科學(xué)庫(kù)； 熟悉機(jī)器學(xué)習(xí)應(yīng)用場(chǎng)景； 掌握Spark機(jī)器學(xué)習(xí)框架、能使用scikit-learn機(jī)器學(xué)習(xí)庫(kù)結(jié)合Python完成全棧機(jī)器學(xué)習(xí)建模； 熟悉深度基本概念、流程、常見(jiàn)算法、能夠使用算法解決簡(jiǎn)單的業(yè)務(wù)問(wèn)題（圖像識(shí)別等）； 掌握用戶標(biāo)簽預(yù)測(cè)全流程； 掌握互聯(lián)網(wǎng)行業(yè)推薦業(yè)務(wù)開(kāi)發(fā)； 掌握點(diǎn)擊率預(yù)估使用場(chǎng)景及項(xiàng)目全流程開(kāi)發(fā)。 具備能力及市場(chǎng)價(jià)值： 能夠勝任機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等相關(guān)工作，包括推薦算法工程師、數(shù)據(jù)挖掘工程師、機(jī)器學(xué)習(xí)工程師，填補(bǔ)人工智能領(lǐng)域人才急劇增長(zhǎng)缺口。 市場(chǎng)價(jià)值： 18000-30000元。
	機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)	初等數(shù)學(xué)基礎(chǔ)、函數(shù)求導(dǎo)以及鏈?zhǔn)角髮?dǎo)法則、方向?qū)?shù)、梯度、泰勒級(jí)數(shù)、 拉格朗日乘子法、線性代數(shù)與矩陣、特征值與特征向量、概率分析、 極大似然估計(jì)、梯度下降法代碼實(shí)踐、牛頓法代碼實(shí)戰(zhàn)、 矩陣分解實(shí)戰(zhàn)(SVD,PCA,QR)
	機(jī)器學(xué)習(xí)語(yǔ)言基礎(chǔ)之Python語(yǔ)言	基礎(chǔ)數(shù)據(jù)類型、list/tuple/dict/set、列表推導(dǎo)式、生成器推導(dǎo)式、 lambda函數(shù)、控制語(yǔ)句、文件讀寫、異常處理分析、面向?qū)ο缶幊獭? GUI編程、Python基礎(chǔ)項(xiàng)目實(shí)踐
	Python數(shù)據(jù)分析庫(kù)實(shí)戰(zhàn)	Numpy矩陣運(yùn)算庫(kù)基礎(chǔ)及實(shí)戰(zhàn)、Scipy數(shù)值運(yùn)算庫(kù)基礎(chǔ)及實(shí)戰(zhàn)、 Matplotlib繪圖庫(kù)基礎(chǔ)及實(shí)戰(zhàn)、Seaborn繪圖庫(kù)基礎(chǔ)及實(shí)戰(zhàn)、 Pandas數(shù)據(jù)分析庫(kù)基礎(chǔ)及實(shí)戰(zhàn)
	Spark機(jī)器學(xué)習(xí)庫(kù)實(shí)戰(zhàn)	SparkML和SparkMLLIB區(qū)別、Spark機(jī)器學(xué)習(xí)基礎(chǔ)、Pipeline管道、 特征抽取(TF-IDF、Word2Vec、CountVectorizer）、特征轉(zhuǎn)換(Tokenizer、 PCA、N-gram、DCT、one-hot、MinMaxScaler、Normalizer、SqlTransformer、VectorAssembler)、特征選擇(VectorSlicer、RFormula、 ChiSqSelector)
	機(jī)器學(xué)習(xí)算法之用戶標(biāo)簽預(yù)測(cè)項(xiàng)目實(shí)戰(zhàn)	用戶畫像標(biāo)簽預(yù)測(cè)實(shí)戰(zhàn)、KNN、KMeans、決策樹(shù)算法模型(ID3、C4.5、 Cart樹(shù))、集成學(xué)習(xí)算法(Bagging、隨機(jī)森林、Adaboost算法、GBDT算法、 XGBOOST算法、LightGBM算法模型)、人才流失模型項(xiàng)目實(shí)戰(zhàn)
	機(jī)器學(xué)習(xí)算法之推薦系統(tǒng)實(shí)戰(zhàn)	基于記憶的CF實(shí)戰(zhàn)(Surprise庫(kù)實(shí)戰(zhàn))、基于模型的CF實(shí)戰(zhàn)(SparkALS實(shí)戰(zhàn))、 基于Native-Bayes分類算法實(shí)戰(zhàn)、基于內(nèi)容推薦(jieba分詞、提取詞向量、 文本分類、特征聚類)、關(guān)聯(lián)挖掘算法實(shí)戰(zhàn)(基于Spark的FP-Growth算法實(shí)戰(zhàn))、推薦項(xiàng)目實(shí)戰(zhàn)
	機(jī)器學(xué)習(xí)算法之CTR點(diǎn)擊率預(yù)估實(shí)戰(zhàn)	特征工程實(shí)戰(zhàn)、CTR點(diǎn)擊率預(yù)估應(yīng)用場(chǎng)景分析、 邏輯斯特回歸算法理論基礎(chǔ)推導(dǎo)及項(xiàng)目實(shí)戰(zhàn)、推薦系統(tǒng)指標(biāo)分析、 推薦系統(tǒng)架構(gòu)分析、基于Wideanddeep模型理論及實(shí)戰(zhàn)(學(xué)會(huì)讀學(xué)術(shù)Paper)
	機(jī)器學(xué)習(xí)算法之深度學(xué)習(xí)基礎(chǔ)及圖片分類實(shí)戰(zhàn)	神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)基礎(chǔ)、MP神經(jīng)元模型、感知機(jī)模型、BPNN模型實(shí)戰(zhàn)、 CNN模型實(shí)戰(zhàn)圖像識(shí)別、Tensorflow基礎(chǔ)、電影評(píng)論文本分析、 RNN文本情感分析實(shí)戰(zhàn)
	機(jī)器學(xué)習(xí)面試必備	機(jī)器學(xué)習(xí)算法串講、機(jī)器學(xué)習(xí)面試題目詳解，剖析結(jié)合人工智能實(shí)際場(chǎng)景、 機(jī)器學(xué)習(xí)或人工智能類崗位核心技能需求、所需知識(shí)和技能、主流機(jī)器學(xué)習(xí)工具和框架的使用方法、開(kāi)放式問(wèn)題和系統(tǒng)設(shè)計(jì)問(wèn)題， 融匯貫通整個(gè)課程知識(shí)點(diǎn)、大數(shù)據(jù)和機(jī)器學(xué)習(xí)部分項(xiàng)目銜接