所處階段

       01_變量
       02_標(biāo)識(shí)符和關(guān)鍵字
       03_輸入和輸出
       04_數(shù)據(jù)類型轉(zhuǎn)換
       05_PEP8編碼規(guī)范
       06_比較/關(guān)系運(yùn)算符
       07_if語句語法格式
       08_三目運(yùn)算符
       09_while語句語法格式
       10_while 循環(huán)嵌套
       11_break 和 continue
       12_while 循環(huán)案例
       13_for循環(huán)

       01_字符串定義語法格式
       02_字符串遍歷(while)
       03_下標(biāo)和切片
       04_字符串常見操作
       05_列表語法格式
       06_列表的遍歷(for)
       07_列表常見操作
       08_列表嵌套
       09_列表推導(dǎo)式
       10_元組語法格式
       11_單元素元組
       12_元組操作
       13_字典語法格式
       14_字典常見操作
       15_字典的遍歷

       01_函數(shù)概念和作用、函數(shù)定義、調(diào)用
       02_不定長參數(shù)函數(shù)
       03_函數(shù)的返回值
       04_函數(shù)的說明文檔
       05_函數(shù)的嵌套調(diào)用
       06_可變和不可變類型
       07_局部變量
       08_全局變量
       09_組包和拆包、引用

       01_文件的打開與關(guān)閉、文件的讀寫
       02_文件/目錄操作及案例
       03_os模塊文件與目錄相關(guān)操作

       01_面向?qū)ο蠼榻B
       02_類的定義和對(duì)象的創(chuàng)建
       03_添加和獲取對(duì)象屬性
       04_self 參數(shù)
       05_init方法
       06_私有方法和私有屬性
       07_繼承
       08_子類方法重寫
       09_類屬性和實(shí)例屬性
       11_類方法、實(shí)例方法、靜態(tài)方法

       01_異常概念
       02_異常捕獲
       03_異常的傳遞
       04_自定義異常

       01_模塊介紹
       02_模塊的導(dǎo)入
       03_包的概念
       04_包的導(dǎo)入
       05_模塊中的 __all__
       06_模塊中 __name__ 的作用

       01_IP地址的介紹
       02_端口和端口號(hào)的介紹
       03_TCP的介紹
       04_socket的介紹
       05_TCP網(wǎng)絡(luò)應(yīng)用的開發(fā)流程
       06_基于TCP通信程序開發(fā)

       01_多任務(wù)介紹
       02_進(jìn)程的使用
       03_線程的使用
       04_線程同步與互斥鎖、死鎖介紹

       01_閉包
       02_裝飾器
       03_深淺拷貝
       04_正則

       1.miniweb

       01_視圖的概念與使用
       02_Mysql窗口函數(shù)
       03_Mysql變量
       04_Mysql實(shí)戰(zhàn)項(xiàng)目

       01_Pandas數(shù)據(jù)組合_concat連接
       02_Pandas數(shù)據(jù)組合_merge數(shù)據(jù)
       03_Pandas數(shù)據(jù)組合_join
       04_缺失值處理介紹
       05_缺失值處理_缺失值數(shù)量統(tǒng)計(jì)
       06_缺失值處理_缺失值可視化
       07_缺失值處理_刪除缺失值
       08_缺失值處理_填充缺失值
       09_melt整理數(shù)據(jù)
       10_stack整理數(shù)據(jù)
       11_wide_to_long整理數(shù)據(jù)
       12_unstack和小結(jié)
       13_Pandas數(shù)據(jù)類型簡(jiǎn)介
       14_數(shù)據(jù)類型轉(zhuǎn)換
       15_分類數(shù)據(jù)category
       16_Series和DataFrame的apply方法
       17_apply使用案例
       18_向量化函數(shù)和lambda表達(dá)式

       01_單變量分組聚合
       02_通過調(diào)用agg進(jìn)行聚合
       03_分組后transform
       04_transform練習(xí)
       05_filter&DataFrameGroupBy對(duì)象
       06_透視表概述&會(huì)員存量增量分析
       07_會(huì)員增量等級(jí)分布
       08_增量等級(jí)占比分析&整體等級(jí)分布
       09_線上線下增量分析&地區(qū)店均會(huì)員數(shù)量
       10_會(huì)銷比計(jì)算
       11_連帶率計(jì)算
       12_復(fù)購率計(jì)算
       13_日期時(shí)間類型介紹
       14_提取日期分組案例
       15_股票數(shù)據(jù)處理
       16_datarange函數(shù)
       17_綜合案例

       01_Python數(shù)據(jù)可視化介紹
       02_matplotlib繪圖
       03_matplotlib繪制統(tǒng)計(jì)圖
       04_Pandas繪圖_柱狀圖
       05_Pandas繪圖_折線圖直方圖餅圖
       06_Pandas雙變量可視化
       07_Seaborn繪圖簡(jiǎn)介&單變量可視化
       08_Seaborn雙變量可視化
       09_Seaborn多變量可視化和樣式
       10_pyechars案例

       01_AppStore項(xiàng)目_數(shù)據(jù)處理
       02_AppStore項(xiàng)目_單變量分析
       03_AppStore項(xiàng)目_可視化和結(jié)論
       04_AppStore項(xiàng)目_可視化和結(jié)論代碼實(shí)現(xiàn)
       05_優(yōu)衣庫項(xiàng)目_案例介紹及簡(jiǎn)單數(shù)據(jù)探索
       06_優(yōu)衣庫項(xiàng)目_業(yè)務(wù)問題解讀
       07_優(yōu)衣庫案例_代碼實(shí)現(xiàn)
       08_RFM概念介紹
       09_RFM項(xiàng)目_數(shù)據(jù)加載和數(shù)據(jù)處理
       10_RFM項(xiàng)目_RFM計(jì)算
       11_RFM項(xiàng)目_RFM可視化
       12_RFM項(xiàng)目_業(yè)務(wù)解讀和小結(jié)

       01_人工智能概述
       02_機(jī)器學(xué)習(xí)開發(fā)流程和用到的數(shù)據(jù)介紹
       03_特征工程介紹和小結(jié)
       04_機(jī)器學(xué)習(xí)算法分類
       05_機(jī)器學(xué)習(xí)模型評(píng)估
       06_數(shù)據(jù)分析與機(jī)器學(xué)習(xí)

       01_K近鄰算法基本原理
       02_K近鄰算法進(jìn)行分類預(yù)測(cè)
       03_sklearn實(shí)現(xiàn)knn
       04_訓(xùn)練集測(cè)試集劃分
       05_分類算法的評(píng)估
       06_歸一化和標(biāo)準(zhǔn)化
       07_超參數(shù)搜索
       08_預(yù)測(cè)facebook簽到位置案例
       09_K近鄰算法總結(jié)

       01_線性回歸簡(jiǎn)介
       02_線性回歸API使用初步
       03_導(dǎo)數(shù)回顧
       04_線性回歸的損失函數(shù)和優(yōu)化方法
       05_梯度下降推導(dǎo)
       06_波士頓房價(jià)預(yù)測(cè)案例
       07_欠擬合和過擬合
       08_模型的保存和加載
       09_線性回歸應(yīng)用-回歸分析

       01_邏輯回歸簡(jiǎn)介
       02_邏輯回歸API應(yīng)用案例
       03_分類算法評(píng)價(jià)方法
       04_邏輯回歸應(yīng)用_分類分析

       01_聚類算法的概念
       02_聚類算法API的使用
       03_聚類算法實(shí)現(xiàn)原理
       04_聚類算法的評(píng)估
       05_聚類算法案例

       01_決策樹算法簡(jiǎn)介
       02_ 決策樹分類原理
       03_特征工程-特征提取
       04_ 決策樹算法api
       05_ 決策樹案例

       01 集成學(xué)習(xí)算法簡(jiǎn)介
       02 Bagging和隨機(jī)森林
       03 隨機(jī)森林案例
       04 Boosting介紹
       05 GBDT介紹

       01_常用指標(biāo)計(jì)算
       02_數(shù)據(jù)推斷
       03_基于Kmeans的用戶分群
       04_LTV用戶生命周期
       05_購物籃分析
       06_用戶標(biāo)簽

       01_用戶行為分析
       02_用戶價(jià)值分析
       03_用戶復(fù)購分析
       04_庫存分析
       05_銷售預(yù)測(cè)
       06_AB測(cè)試

       01_選品分析
       02_報(bào)表設(shè)計(jì)
       03_用戶評(píng)論文本挖掘
       04_競(jìng)品監(jiān)控
       05_廣告渠道效果分析

       01_游戲相關(guān)業(yè)務(wù)指標(biāo)介紹
       02_游戲用戶付費(fèi)分析
       03_道具使用分析

       01_信貸和風(fēng)控介紹
       02_常見零售產(chǎn)品和風(fēng)險(xiǎn)介紹
       03_風(fēng)控相關(guān)業(yè)務(wù)術(shù)語介紹
       04_業(yè)務(wù)數(shù)據(jù)分析案例

       01_互聯(lián)網(wǎng)金融風(fēng)控體系介紹
       02_風(fēng)控建模流程概述
       03_風(fēng)控建模流程_項(xiàng)目準(zhǔn)備
       04_風(fēng)控建模流程_特征工程
       05_風(fēng)控建模流程_模型構(gòu)建
       06_風(fēng)控建模流程_上線運(yùn)營
       07_業(yè)務(wù)規(guī)則挖掘案例

       01_數(shù)據(jù)準(zhǔn)備
       02_靜態(tài)信息特征和時(shí)間截面特征處理
       03_特征衍生
       04_特征變換
       05_特征變換_卡方分箱代碼實(shí)現(xiàn)
       06_特征變換_WOE代碼實(shí)現(xiàn)
       07_特征變換_類別變量編碼方式總結(jié)
       08_常用缺失值處理方法
       09_時(shí)間序列未來信息
       10_用戶信息關(guān)聯(lián)&小結(jié)

       01_建模流程_實(shí)驗(yàn)設(shè)計(jì)
       02_建模流程_樣本設(shè)計(jì)
       03_建模流程_模型訓(xùn)練與評(píng)估
       04_評(píng)分映射
       05_邏輯回歸評(píng)分卡
       06_lightGBM特征篩選
       07_輸出模型報(bào)告
       08_評(píng)分映射
       09_集成學(xué)習(xí)評(píng)分卡_xgboost
       10_集成學(xué)習(xí)評(píng)分卡_lightGBM
       11集成學(xué)習(xí)評(píng)分卡模型創(chuàng)建
       13_建模流程梳理

       01_Linux命令使用
       02_Linux命令選項(xiàng)的使用
       03_遠(yuǎn)程登錄和遠(yuǎn)程拷貝
       04_Linux權(quán)限管理
       05_vi編輯器使用

       01_變量
       02_表達(dá)式
       03_常見符號(hào)
       04_流程控制

       1.Java語言概述
       2.Java開發(fā)環(huán)境搭建
       3.IDEA的安裝和配置
       4.HelloWorld案例
       5.注釋，關(guān)鍵字，常量，變量，數(shù)據(jù)類型轉(zhuǎn)換.
       6.for循環(huán).while循環(huán)，循環(huán)嵌套，控制跳轉(zhuǎn)語句，break和continue
       7.數(shù)組的概述和創(chuàng)建，數(shù)組的常見操作.
       8.方法的概述和定義，方法重載，方法形參類型，方法練習(xí)

       1.面向?qū)ο蠼榻B
       2.類和對(duì)象講解
       3.對(duì)象的內(nèi)存圖
       4.成員變量和局部變量的區(qū)別
       5.private關(guān)鍵字，封裝，this關(guān)鍵字，構(gòu)造方法，繼承，super關(guān)鍵字
       6.方法重寫，多態(tài) ，final ，.static ，抽象類 ，接口 ，包（package）

       1.API解釋
       2.Object類講解
       3.String類講，StringBuilder類講解，冒泡排序
       4.Arrays工具類包裝類
       5.自動(dòng)拆裝箱,Date類講解
       6.SimpleDateFormat類講解

       1.Lambda表達(dá)式
       2.集合類,Collection,ArrayList   
       3.列表迭代器,增強(qiáng)for,數(shù)據(jù)結(jié)構(gòu)
       4.Set集合之HashSet,Map集合之HashMap
       5.File類,字節(jié)流,序列化流,字符流

       1.Junit單元測(cè)試
       2.反射介紹 ,Class類相關(guān)方法介紹 ,反射案例:代理設(shè)計(jì)模式
       3.注解解釋.,常用注解介紹
       4.Maven基礎(chǔ), 依賴, Maven生命周期 ,Maven倉庫 ,Maven配置文件
       5.數(shù)據(jù)庫驅(qū)動(dòng),Connection接口,JDBC步驟

       1.大數(shù)據(jù)的特點(diǎn)
       2.分布式存儲(chǔ)概念
       3.分布式計(jì)算的概念
       4.服務(wù)器種類介紹、機(jī)架、交換機(jī)
       5.網(wǎng)絡(luò)拓?fù)?、Raid、IDC數(shù)據(jù)中心
       6.Linux shell編程、awk、sed、cut、ssh、scp、expect、yum、nestat、top 、iostat等高級(jí)命令使用

       1.Zookeeper的應(yīng)用場(chǎng)景
       2.架構(gòu)和原理
       3.存儲(chǔ)模型
       4.選舉機(jī)制
       5.客戶端操作

       1.HDFS設(shè)計(jì)的特點(diǎn)
       2.Master-Slave架構(gòu)
       3.Block塊存儲(chǔ)、RF拷貝因子、機(jī)架感知
       4.Block拷貝策略、讀寫流程
       5.HDFS Federation、HDFS Snapshots、NameNode HA架構(gòu)和原理
       6.HDFS管理員常用操作、HDFS權(quán)限控制

       1.MapReduce架構(gòu)和原理
       2.Split機(jī)制
       3.MapReduce并行度
       4.Combiner機(jī)制
       5.Partition機(jī)制、自定義Partition
       6.MapReduce序列化、自定義排序、數(shù)據(jù)壓縮

       1.Yarn原理和架構(gòu)
       2.Yarn高可用
       3.Container資源的封裝（CPU、內(nèi)存和IO）
       4.資源調(diào)度策略（FIFO、Fair和Capacity）

       1.HQL操作
       2.數(shù)據(jù)類型
       3.分區(qū)、分桶、臨時(shí)表
       4.explain執(zhí)行計(jì)劃詳解

       1.Hive原理和架構(gòu)
       2.Meta Store服務(wù)
       3.HiveServer內(nèi)置函數(shù)
       4.自定義UDF和UDAF
       5.數(shù)據(jù)壓縮、存儲(chǔ)格式、自動(dòng)化腳本、常見性能優(yōu)化

       1.Hive滴滴出行案例實(shí)戰(zhàn)

       1.Hive亞馬遜電商案例實(shí)戰(zhàn)

       1.大數(shù)據(jù)部署運(yùn)維：Cloudera Manager
       2.分析決策需求：數(shù)據(jù)倉庫
       3.數(shù)據(jù)采集：sqoop
       4.數(shù)據(jù)分析：hive
       5.歷史數(shù)據(jù)快照：拉鏈表
       6.數(shù)據(jù)更新后的統(tǒng)計(jì)分析：拉鏈表
       7.數(shù)據(jù)調(diào)度：oozie+shell
       8.OLAP系統(tǒng)存儲(chǔ)：mysql
       9：數(shù)據(jù)展現(xiàn)：帆軟BI

       1.掌握離線數(shù)倉的分層與建模，從需求、設(shè)計(jì)、研發(fā)、測(cè)試到落地上線的完整項(xiàng)目流程
       2.大量教育大數(shù)據(jù)的真實(shí)業(yè)務(wù)邏輯，共涉及20多個(gè)主題，100多個(gè)指標(biāo)，提升學(xué)員在教育行業(yè)中的核心競(jìng)爭(zhēng)力
       3.包括海量數(shù)據(jù)場(chǎng)景下如何優(yōu)化配置
       4.拉鏈表的具體應(yīng)用
       5.新增數(shù)據(jù)和更新數(shù)據(jù)的抽取和分析
       6.hive函數(shù)的具體應(yīng)用
       7.ClouderaManager可視化、自動(dòng)部署和配置、Git、CodeReview功能

       1.Redis原理及架構(gòu)
       2.Redis Cluster原理及架構(gòu)
       3.Redis常用操作

       1.HBase原理及架構(gòu)
       2.預(yù)分區(qū)、LSM結(jié)構(gòu)
       3.Bloom Filter,co-processor,結(jié)合Phoneix進(jìn)行優(yōu)化查詢

       1.Kafka原理及架構(gòu)分析
       2.分布式實(shí)時(shí)計(jì)算架構(gòu)和思想

       1.陌陌社交場(chǎng)景實(shí)戰(zhàn)
       2.社交大數(shù)據(jù)架構(gòu)剖析
       3.數(shù)據(jù)采集
       4.數(shù)據(jù)ETL
       5.數(shù)據(jù)分析

       1.Scala函數(shù)式編程基礎(chǔ)
       2.集合、Iterator、構(gòu)造器、伴生對(duì)象、Akka編程
       3.Scala語言重點(diǎn)API編程

       1.Spark架構(gòu)和原理（運(yùn)行機(jī)制、Driver和Executor、spark任務(wù)提交流程）
       2.RDD開發(fā)和原理（Partition、Task、RDD的依賴關(guān)系、RDD的容錯(cuò)機(jī)制、RDD的存儲(chǔ)級(jí)別、RDD的緩存機(jī)制）廣播變量
       3.DAG原理（DAG思想、DAG的生成、DAG的處理過程）

       1.Spark SQL架構(gòu)和原理
       2.DataFrame、DataSet DSL和SQL開發(fā)
       3.Spark多數(shù)據(jù)源整合（txt、CSV、Json、parquet、JDBC、Hive）
       4.Spark SQL執(zhí)行計(jì)劃原理
       5.Spark SQL性能調(diào)優(yōu)

       1.Structured Streaming開發(fā)（input、output、window、watermark、過期數(shù)據(jù)操作、去重等）
       2.Structured Streaming多數(shù)據(jù)源整合（socket、Kafka）
       3.Flume+kafka+Structured Streaming案例實(shí)戰(zhàn)

       1.教育大數(shù)據(jù)場(chǎng)景案例實(shí)戰(zhàn)

       1. 基于HDP快速搭建大數(shù)據(jù)平臺(tái)
       2. 基于Hive+Spark SQL搭建離線數(shù)據(jù)倉庫
       3. 基于Structured Streaming構(gòu)建高吞吐實(shí)時(shí)處理
       4. 基于ECharts實(shí)現(xiàn)可視化

       1.使用主流的Hive+Spark構(gòu)建離線數(shù)倉
       2.使用Structure Streaming構(gòu)建實(shí)時(shí)異常告警系統(tǒng)
       3.基于完整的工業(yè)業(yè)務(wù)背景實(shí)現(xiàn)的離線和實(shí)時(shí)大數(shù)據(jù)業(yè)務(wù)豐富地地圖展示可視化開發(fā)
       4.學(xué)會(huì)使用Spark SQL處理復(fù)雜業(yè)務(wù)完整的離線采集 + 實(shí)時(shí)采集方案
       5.掌握如何使用調(diào)度平臺(tái)調(diào)度T+1批處理任務(wù)Spark離線任務(wù)和實(shí)時(shí)任務(wù)整合，統(tǒng)一由YARN做資源管理

       1.面試題必備SQL實(shí)戰(zhàn)
       2.SQL優(yōu)化加強(qiáng)

       1.Hive基礎(chǔ)
       2.Hive拉鏈表
       3.Hive數(shù)據(jù)倉庫構(gòu)建示例
       4.Hive面試題

       1.Spark基礎(chǔ)
       2.Spark拉鏈表
       3.Spark數(shù)據(jù)倉庫構(gòu)建示例
       4.Spark面試題

       1.Kafka基礎(chǔ)
       2.Hbase基礎(chǔ)
       3.Kafka&Hbase面試題

       1.數(shù)據(jù)分析流程
       2.大數(shù)據(jù)架構(gòu)剖析
       3.多行業(yè)大數(shù)據(jù)架構(gòu)設(shè)計(jì)
       4.大數(shù)據(jù)存儲(chǔ)，調(diào)度等解決方案

       1.Flink基礎(chǔ)

       1.Flink DataStream的使用、
       2.Kafka + Flink

       1.Flink SQL開發(fā)
       2.Hive + Flink SQL

       1.Watermark
       2.Checkpoint
       3.任務(wù)調(diào)度與負(fù)載均衡
       4.狀態(tài)管理

       1.Flink性能監(jiān)控
       2.Flink調(diào)優(yōu)
       3.Flink SQL執(zhí)行計(jì)劃

       1.Flume+Kafka+Flink+Hbase+Sqoop+Canal+MySQL實(shí)戰(zhàn)

       1.離線數(shù)據(jù)分析：flink batch、hive
       2.實(shí)時(shí)在線分析：flink、hbase
       3.消息隊(duì)列：kafka
       4.駕駛行程分析：flink、hbase
       5.實(shí)時(shí)在線故障分析:mongodb
       6.車型指標(biāo)分析：hive、shell
       7.實(shí)時(shí)指標(biāo)查詢：phoenix
       8.后臺(tái)數(shù)據(jù)服務(wù)接口：springboot、swagger-ui、echarts
       9.多數(shù)據(jù)源加載:flink jdbc
       10.車輛告警規(guī)則分析：flink、zeppelin
       11.離線任務(wù)調(diào)度：azkaban
       12.報(bào)表：superset
       13.頁面展示：echarts、javascript

       1.海量數(shù)據(jù)處理，系統(tǒng)15分鐘內(nèi)收集的新能源車輛的數(shù)據(jù)超過千萬條
       2.基于Hive、HBase、HDFS數(shù)據(jù)存儲(chǔ)
       3.基于Kafka數(shù)據(jù)傳輸
       4.基于Flink全棧數(shù)據(jù)處理
       5.基于Nginx做反向代理、LSV和Keepalived負(fù)載均衡和高可用