《狂野大數據》是傳智教育旗下博學谷品牌推出的，針對有IT行業經驗人員的大數據技術體系在職提升課
課程包含完整的大數據體系中常用的組件和技術，內容豐富有深度。場景式教學、真·實戰項目以及貼合企業實際需求的內容編排，確保教學質量和學員的吸收效果。同時固定周期直播+視頻回看的授課方式，滿足了學習時間的靈活性。指定城市月薪不達15K或18K全額退還學費的保障，讓您的學習無后顧之憂。
學完收獲 :
熟練使用DS、Oozie、AirFlow等任務調度工具，完成大數據任務調度
熟悉Linux基本操作，完成分布式虛擬機搭建任務
了解數據倉庫開發從需求溝通、標簽定義、編碼開發、整個流程
能夠利用Python語言完成Spark編程任務
能夠利用Java完成MapReduce編程，Flink任務編程
熟練掌握Hadoop生態體系
掌握MapReduce原理及優化技巧
熟悉掌握Spark生態技術棧
能夠利用SparkCore完成基礎數據處理
能夠使用SparkSQL完成大數據數據處理及統計分析
能夠利用HiveSQL完成基礎數據倉庫構建
能夠利用Spark On Hive完成企業級離線數據處理及統計工作
熟練Mysql數據庫
能夠完成Spark/Hadoop/HBase/Kafka/Flink等組件的搭建
能夠基于Flink進行實時分析和離線分析
掌握Flink核心4大基石
能夠基于FlinkSQL完成常見大數據統計分析任務
能夠使用Hbase完成大數據異構數據存儲
能夠掌握Kafka消息隊列基礎使用
能夠掌握Kafka和Flume對接完成實時數據采集工作
熟練使用FineBi等BI工具完成數據展示任務
學完后具備如下能力： 1. 能夠熟練使用Linux系統；2. 能夠使用Linux命令來管理操作磁盤、權限、網絡等；3. 能夠通過基于SHELL腳本編寫程序；4. 能夠通過腳本控制程序自動化執行；5. 掌握分布式服務協調系統原理并應用；6. 掌握大數據常用操作系統管理、運維能力。
學完后具備如下能力： 1，掌握集群的環境準備、搭建能力；2，掌握HDFS的使用；3，掌握基于HDFS編程；4，理解MapReduce原理和應用場景；5，掌握Yarn的原理和組件。
學完后具備如下能力： 1，掌握Hive的使用；2，掌握Hive的架構；3，掌握OLAP的設計特點；4，能夠運用HQL開發ETL；5，能夠使用各種策略進行Hive調優。
學完后具備如下能力： 1，掌握從需求、設計、研發、測試到落地上線的完整項目流程。2，掌握大數據量場景下優化配置。3，掌握拉鏈表的具體應用，新增、更新數據的抽取和分析。4，掌握hive函數的具體應用等。5，掌握基于CM的大數據環境部署和管理。6，掌握數據倉庫的核心概念和應用。7，掌握最常用的離線大數據技術：oozie、Sqoop、hive等。8，掌握FineBI可視化。
學完后具備如下能力： 1，掌握Python語言基礎數據結構； 2，掌握Python語言高階語法特性； 3，掌握Spark的RDD、DAG、CheckPoint等設計思想； 4，掌握SparkSQL結構化數據處理，Spark On Hive整合； 5，掌握SparkStreaming偏移量管理及Checkpoint； 6，掌握Structured Streaming整合多數據源完成實時數據處理。
學完后具備如下能力： 1.掌握快速搭建保險行業大數據平臺能力； 2.掌握SparkSQL輕松應對復雜的迭代計算； 3.掌握基于Spark分析12億報單表和8千萬客戶等數據； 4.掌握保單匯總各類業務指標計算； 5.熟悉基于SpringCloud搭建Web平臺。
學完后具備如下能力： 1，掌握Redis原理及架構； 2，掌握Hbase原理及架構； 3，掌握使用HBase存儲清洗、轉換后的海量數據； 4，掌握使用HBase結合Phoneix進行優化查詢； 5，掌握Kafka原理及架構。
學完后具備如下能力： 1.掌握基于Flink進行海量數據集的實時和離線數據處理、分析； 2.掌握基于Flink的多流并行處理技術； 3.掌握Flink中的事件時間窗口計算。
學完后具備如下能力： 1.掌握基于Flink全棧進行快速OLAP分析； 2.掌握實時高性能海量數據分析與存儲； 3.掌握針對HBase調優實現HBase存儲優化； 4.掌握數據報表分析； 5.掌握業務數據實時大屏場景實現； 6.項目上線部署、運維監控。
學完后具備如下能力：
本階段為大數據的核心項目實戰課程，該階段課程將之前所學習的所有階段課程集成在一起，將技術真正地應用在實際的業務場景中。該項目課程為新零售行業的真實大數據項目轉換而來，項目中大量使用到目前離線數倉的主流技術。例如：采用ClouderaManager快速搭建大數據平臺，采用sqoop進行數據導入導出、采用Hive作為離線數倉引擎、采用Oozie作為離線作業調度、使用FineBI工具作為可視化BI工具等。項目經過精心設計，從項目的需求、技術架構、業務架構、部署平臺、ETL設計、作業調度等整套完整pipeline。
技術亮點：
課程涵蓋真實保險行業相關業務和實時業務，從項目核心架構和業務流程、Hive數倉建模 、Sqoop數據同步開發 DolphinScheduler任務調度、使用lag，sum等窗口函數 、使用UDAF函數計算有效保單數字段、計算現金價值、計算和準備金、分區表的使用 、指標匯總計算 、Shuffle優化。以企業主流的Spark生態圈為核心技術（Spark、Spark SQL、Structured Streaming）、Spring Cloud數據微服務開發、存儲和計算性能調優、還原企業搭建大數據平臺的完整過程。
技術亮點：
近年來，國家大力推廣新能源汽車產業，汽車附加產業。隨著車輛設備終端技術的發展，收集車輛數據高度精確且極其高效。大型車企累計大量數據，在傳統模式數據存儲和計算方式下，無法滿足原始車輛數據高效存儲、快速計算、智能推薦等需求，此系統應運而生。車聯網大數據系統通過TBOX車輛終端收集車輛上報原始數據，通過嵌入式代碼解析為TSP數據、DCS數據、充電數據、HU數據，原始數據經過ETL轉換存儲到數倉中，存儲到NoSQL數據庫系統中與分布式文件系統上。在計算與服務層，提供實時計算服務與離線計算服務，最終通過API接口提供數據查看，以報表和大屏展示分析結果數據。
技術亮點：
還原大型在線教育的大數據平臺，建立企業數據倉庫，統一企業數據中心，把分散的業務數據集中存儲和處理。項目從需求調研、設計、版本控制、研發、測試到落地上線，涵蓋了項目的完整工序，項目中挖掘分析海量用戶行為數據，定制多維數據集合，形成數據集市，供各個場景主題使用。
技術亮點：
本階段為大數據體系中實時數據處理方向的項目實戰階段。近些年來，眾多企業開始進行數字化轉型，越來越多的業務直接依賴于大數據技術的支撐。企業對大數據技術的時效性要求也越來越高，很多企業都開始啟動實時大數據項目，以大量的高性能、低延遲、高容錯的實時組件來完善實時大數據項目的架構。該項目中覆蓋了大型實時項目的完整流程。從海量實時數據的采集、到實時數據的計算、到落地存儲、到監控預警、到實時展示等。并且能夠從項目中學習到大量的技術解決方案實現，幫助學生完成更高層級的就業。
技術亮點：
本項目是基于大型物流公司業務研發的智慧物流大數據平臺，公司業務網點覆蓋國內各地，大規模的客戶群體，日訂單達1000W，平臺對千億級數據進行整合、分析、處理，保障業務的順利進行。
技術亮點：
通過大數據技術架構，解決工業物聯網石油制造行業的數據存儲和分析、可視化、個性化推薦問題。一站制造項目主要基于hive數倉分層來存儲各個業務指標數據，基于sparksql做數據分析。核心業務涉及運營商、呼叫中心、工單、油站、倉儲物料。
技術亮點：
智數電商主要是對來自全品類B2B2C電商系統的數據進行分析，數據倉庫分為離線數倉和實時數倉，技術框架依托于大數據CDH發型版構建。智數電商在業務上貼近企業實際需求，指標計算完成后采用開源BI工具Apache superset對指標數據進行可視化展示。
技術亮點：
已經是人們生活中重要的通信、咨詢、娛樂工具，本項目基于手機測速軟件采集的數據，對用戶的網速、上行下行流量、網絡制式、信號強度等信息進行宏觀分析，根據數據分析結果，計算出附近通訊廠商包括移動、聯通、電信的信號強度。
技術亮點：
以某知名電商用戶畫像系統為基礎二次開發，形成本項目。包含了幾乎所有的常見標簽類型的計算思路，也具有數個機器學習類型的標簽，標簽種類充足。采用 Spark 進行數據開發，使用 Spring 系統作為業務系統開發，包含了從部署到標簽計算的全流程。
技術亮點：
DMP全稱數據管理系統，為廣告系統提供數據服務，其中涉及標簽處理、用戶識別、圖計算等技術點，可以幫助學員強化大數據開發能力。
技術亮點：
天知票務反爬系統，是一款大數據防爬工具，該項目采用Lua+Spark+Redis+Hadoop框架搭建，包含狀態監控、反爬指標配置、運營指標監控展示等主要功能，能夠限制爬蟲訪問，從而解決各大訂票網站惡意占座、系統資源虛耗、系統波動等問題。
技術亮點：
