《狂野大数据》是传智教育旗下博学谷品牌推出的，针对有IT行业经验人员的大数据技术体系在职提升课
课程包含完整的大数据体系中常用的组件和技术，内容丰富有深度。场景式教学、真·实战项目以及贴合企业实际需求的内容编排，确保教学质量和学员的吸收效果。同时固定周期直播+视频回看的授课方式，满足了学习时间的灵活性。指定城市月薪不达15K或18K全额退还学费的保障，让您的学习无后顾之忧。
学完收获 :
熟练使用DS、Oozie、AirFlow等任务调度工具，完成大数据任务调度
熟悉Linux基本操作，完成分布式虚拟机搭建任务
了解数据仓库开发从需求沟通、标签定义、编码开发、整个流程
能够利用Python语言完成Spark编程任务
能够利用Java完成MapReduce编程，Flink任务编程
熟练掌握Hadoop生态体系
掌握MapReduce原理及优化技巧
熟悉掌握Spark生态技术栈
能够利用SparkCore完成基础数据处理
能够使用SparkSQL完成大数据数据处理及统计分析
能够利用HiveSQL完成基础数据仓库构建
能够利用Spark On Hive完成企业级离线数据处理及统计工作
熟练Mysql数据库
能够完成Spark/Hadoop/HBase/Kafka/Flink等组件的搭建
能够基于Flink进行实时分析和离线分析
掌握Flink核心4大基石
能够基于FlinkSQL完成常见大数据统计分析任务
能够使用Hbase完成大数据异构数据存储
能够掌握Kafka消息队列基础使用
能够掌握Kafka和Flume对接完成实时数据采集工作
熟练使用FineBi等BI工具完成数据展示任务
学完后具备如下能力： 1. 能够熟练使用Linux系统；2. 能够使用Linux命令来管理操作磁盘、权限、网络等；3. 能够通过基于SHELL脚本编写程序；4. 能够通过脚本控制程序自动化执行；5. 掌握分布式服务协调系统原理并应用；6. 掌握大数据常用操作系统管理、运维能力。
学完后具备如下能力： 1，掌握集群的环境准备、搭建能力；2，掌握HDFS的使用；3，掌握基于HDFS编程；4，理解MapReduce原理和应用场景；5，掌握Yarn的原理和组件。
学完后具备如下能力： 1，掌握Hive的使用；2，掌握Hive的架构；3，掌握OLAP的设计特点；4，能够运用HQL开发ETL；5，能够使用各种策略进行Hive调优。
学完后具备如下能力： 1，掌握从需求、设计、研发、测试到落地上线的完整项目流程。2，掌握大数据量场景下优化配置。3，掌握拉链表的具体应用，新增、更新数据的抽取和分析。4，掌握hive函数的具体应用等。5，掌握基于CM的大数据环境部署和管理。6，掌握数据仓库的核心概念和应用。7，掌握最常用的离线大数据技术：oozie、Sqoop、hive等。8，掌握FineBI可视化。
学完后具备如下能力： 1，掌握Python语言基础数据结构； 2，掌握Python语言高阶语法特性； 3，掌握Spark的RDD、DAG、CheckPoint等设计思想； 4，掌握SparkSQL结构化数据处理，Spark On Hive整合； 5，掌握SparkStreaming偏移量管理及Checkpoint； 6，掌握Structured Streaming整合多数据源完成实时数据处理。
学完后具备如下能力： 1.掌握快速搭建保险行业大数据平台能力； 2.掌握SparkSQL轻松应对复杂的迭代计算； 3.掌握基于Spark分析12亿报单表和8千万客户等数据； 4.掌握保单汇总各类业务指标计算； 5.熟悉基于SpringCloud搭建Web平台。
学完后具备如下能力： 1，掌握Redis原理及架构； 2，掌握Hbase原理及架构； 3，掌握使用HBase存储清洗、转换后的海量数据； 4，掌握使用HBase结合Phoneix进行优化查询； 5，掌握Kafka原理及架构。
学完后具备如下能力： 1.掌握基于Flink进行海量数据集的实时和离线数据处理、分析； 2.掌握基于Flink的多流并行处理技术； 3.掌握Flink中的事件时间窗口计算。
学完后具备如下能力： 1.掌握基于Flink全栈进行快速OLAP分析； 2.掌握实时高性能海量数据分析与存储； 3.掌握针对HBase调优实现HBase存储优化； 4.掌握数据报表分析； 5.掌握业务数据实时大屏场景实现； 6.项目上线部署、运维监控。
学完后具备如下能力：
本阶段为大数据的核心项目实战课程，该阶段课程将之前所学习的所有阶段课程集成在一起，将技术真正地应用在实际的业务场景中。该项目课程为新零售行业的真实大数据项目转换而来，项目中大量使用到目前离线数仓的主流技术。例如：采用ClouderaManager快速搭建大数据平台，采用sqoop进行数据导入导出、采用Hive作为离线数仓引擎、采用Oozie作为离线作业调度、使用FineBI工具作为可视化BI工具等。项目经过精心设计，从项目的需求、技术架构、业务架构、部署平台、ETL设计、作业调度等整套完整pipeline。
技术亮点：
课程涵盖真实保险行业相关业务和实时业务，从项目核心架构和业务流程、Hive数仓建模 、Sqoop数据同步开发 DolphinScheduler任务调度、使用lag，sum等窗口函数 、使用UDAF函数计算有效保单数字段、计算现金价值、计算和准备金、分区表的使用 、指标汇总计算 、Shuffle优化。以企业主流的Spark生态圈为核心技术（Spark、Spark SQL、Structured Streaming）、Spring Cloud数据微服务开发、存储和计算性能调优、还原企业搭建大数据平台的完整过程。
技术亮点：
近年来，国家大力推广新能源汽车产业，汽车附加产业。随着车辆设备终端技术的发展，收集车辆数据高度精确且极其高效。大型车企累计大量数据，在传统模式数据存储和计算方式下，无法满足原始车辆数据高效存储、快速计算、智能推荐等需求，此系统应运而生。车联网大数据系统通过TBOX车辆终端收集车辆上报原始数据，通过嵌入式代码解析为TSP数据、DCS数据、充电数据、HU数据，原始数据经过ETL转换存储到数仓中，存储到NoSQL数据库系统中与分布式文件系统上。在计算与服务层，提供实时计算服务与离线计算服务，最终通过API接口提供数据查看，以报表和大屏展示分析结果数据。
技术亮点：
还原大型在线教育的大数据平台，建立企业数据仓库，统一企业数据中心，把分散的业务数据集中存储和处理。项目从需求调研、设计、版本控制、研发、测试到落地上线，涵盖了项目的完整工序，项目中挖掘分析海量用户行为数据，定制多维数据集合，形成数据集市，供各个场景主题使用。
技术亮点：
本阶段为大数据体系中实时数据处理方向的项目实战阶段。近些年来，众多企业开始进行数字化转型，越来越多的业务直接依赖于大数据技术的支撑。企业对大数据技术的时效性要求也越来越高，很多企业都开始启动实时大数据项目，以大量的高性能、低延迟、高容错的实时组件来完善实时大数据项目的架构。该项目中覆盖了大型实时项目的完整流程。从海量实时数据的采集、到实时数据的计算、到落地存储、到监控预警、到实时展示等。并且能够从项目中学习到大量的技术解决方案实现，帮助学生完成更高层级的就业。
技术亮点：
本项目是基于大型物流公司业务研发的智慧物流大数据平台，公司业务网点覆盖国内各地，大规模的客户群体，日订单达1000W，平台对千亿级数据进行整合、分析、处理，保障业务的顺利进行。
技术亮点：
通过大数据技术架构，解决工业物联网石油制造行业的数据存储和分析、可视化、个性化推荐问题。一站制造项目主要基于hive数仓分层来存储各个业务指标数据，基于sparksql做数据分析。核心业务涉及运营商、呼叫中心、工单、油站、仓储物料。
技术亮点：
智数电商主要是对来自全品类B2B2C电商系统的数据进行分析，数据仓库分为离线数仓和实时数仓，技术框架依托于大数据CDH发型版构建。智数电商在业务上贴近企业实际需求，指标计算完成后采用开源BI工具Apache superset对指标数据进行可视化展示。
技术亮点：
已经是人们生活中重要的通信、咨询、娱乐工具，本项目基于手机测速软件采集的数据，对用户的网速、上行下行流量、网络制式、信号强度等信息进行宏观分析，根据数据分析结果，计算出附近通讯厂商包括移动、联通、电信的信号强度。
技术亮点：
以某知名电商用户画像系统为基础二次开发，形成本项目。包含了几乎所有的常见标签类型的计算思路，也具有数个机器学习类型的标签，标签种类充足。采用 Spark 进行数据开发，使用 Spring 系统作为业务系统开发，包含了从部署到标签计算的全流程。
技术亮点：
DMP全称数据管理系统，为广告系统提供数据服务，其中涉及标签处理、用户识别、图计算等技术点，可以帮助学员强化大数据开发能力。
技术亮点：
天知票务反爬系统，是一款大数据防爬工具，该项目采用Lua+Spark+Redis+Hadoop框架搭建，包含状态监控、反爬指标配置、运营指标监控展示等主要功能，能够限制爬虫访问，从而解决各大订票网站恶意占座、系统资源虚耗、系统波动等问题。
技术亮点：
