大數據培訓_大數據開發培訓_大數據培訓機構

千鋒好程序員京東物流共研課程教學亮點

大廠技術專家
垂直賦能

優秀學員大廠
內推通道

大廠實地沉浸式
項目實訓

拓展大廠實戰
項目案例

大廠大數據技能認證證書
及項目實習證明

大廠定制開班/
畢業典禮

了解京東物流共建課詳情

為什么學習大數據+數據智能？

大數據浪潮席卷全球，應用領域寬廣，產業規?？涨?br />就業口徑寬廣，價值堪比黃金石油，“錢途”無量

崗位起薪高

大數據人才荒待遇高規格

崗位月均薪高

人才缺口大

未來國內基礎性數據分析人才

缺口大

市場規模大

國內大數據市場產值

規范大

應用范圍廣

金融、電商、醫療、新零售、物聯網...

行業幾乎都會應用數據分析

了解千鋒好程序員京東物流大數據課程

*此處行業數據來源于中國商業聯合會、工信部《“十四五”大數據產業發展規劃》，薪資數據來源職友集，數據樣本選取截止日期為2022年6月2日，僅作為信息展示，不作為效果承諾

更多大數據行業前景

京東物流共研課程優勢

千鋒與京東物流合作共建大數據培訓課程體系，企業熱門技術全方位涵蓋
融入真實項目案例和工程實踐創新

課程

京東物流合作共建課程

與名企聯合共建，共研前瞻課程
企業級大數據核心技術深度賦能
專注培養實戰型大數據架構師

技術

掌握大廠一線剛需

1226項企業核心技能
企業前沿技術每季度迭代
掌握數據采、傳、存、算、用技術

項目

拓展京東物流實戰項目案例

大廠實際業務場景與產業案例
京東物流PB級項目1:1引進課堂
大廠沉浸式學習，實地項目授課

師資

大數據技術專家親授

千鋒總監級導師與京東物流專家聯袂授課
共同把控技術教研
鼎力支持技術創新與課程研發

更多共研課程優勢

大數據人才共建班課程解讀

千鋒好程序員大數據+數據智能，與京東物流大廠合作共建大數據技術領域的實戰型前瞻深度課程
對大廠熱門技術及項目進行系統、深度的研發和建設，形成獨特的教研壁壘

第一階段離線數倉（7周）

掌握能力

掌握企業級基建環境部署、Hive和Spark數據開發、數據倉庫搭建、數據抽取、數據清洗、數據轉換、數據加載、數據應用和京東離線ETL。

勝任職位

離線數據工程師、數據倉庫工程師、ETL工程師、數據采集工程師、數據支持工程師、BI商業分析師、數據可視化工程師、Hadoop工程師、Spark工程師

技術點

Java、MySQL、Maven、Git、OpenResty、Linux、Shell、HDFS、YARN、Zookeeper、MapReduce、Scala、Python、SparkCore、Hive、SparkSQL、Presto、Sqoop、DataX、Flume、CDH、數倉架構、維度建模、SuperSet、Azkaban、Airflow等。掌握企業級基建環境部署、Hive和Spark數據開發、數據倉庫搭建、數據抽取、數據清洗、數據轉換、數據加載、數據應用和京東離線ETL。

項目

數據服務、大數據可視化、企業級Hadoop基建項目部署、分布式網絡爬蟲、基于Spark的大數據分析項目、ETL項目之Hive和SparkSQL、BI商業分析等。

第二階段實時倉庫（5周）

掌握能力

掌握流數據接入、基于Flink實時數據開發、流批一體數據倉庫開發、數據湖開發、實時ETL、實時監控系統和京東實時數據開發

勝任職位

實時工程師、Flink工程師、實時數據倉庫工程師、實時ETL工程師、Spark工程師

技術點

Kafka、Structured Streaming、Hudi、Canal、Flink、ClickHouse、HBase、Phoenix、Elasticsearch、Redis

項目

實時監控系統、基于Flink的實時數據開發、實時數據湖、大數據搜索系統

第三階段實踐項目（4周）

掌握能力

掌握企業項目開發流程、用戶畫像開發、企業級推薦系統開發、數據治理、基于生產環境項目部署和京東項目性能調優

勝任職位

數據服務工程師、離線數據倉庫開發工程師、BI商業分析師、實時數據倉庫工程師、實時監控系統工程師、ETL工程師、數據可視化工程師、數據治理工程師、高級數據開發工程師、推薦工程、數據平臺工程師、數據架構師

技術點

數據采集與監控平臺、準實時數據倉庫、用戶畫像、推薦系統、基于Flink的實時數據倉庫、元數據管理與數據治理。

獲取完整版課程大綱

京東物流PB級項目1:1引進課堂

京東物流大數據項目案例，多領域、全類目、企業級
大型實戰項目貫穿課程始終，一切為了學員實戰能力

01

京東物流離線數倉
之ETL

02

京東物流實時
數據開發

03

大數據采集
與指標監控

04

離線數據
倉庫

05

準實時高性能
數倉建設

06

用戶畫像
企業工程項目

項目介紹

隨著互聯網的發展，數據源頭越來越多且是分散的，除了業務庫，APP 埋點，web 網站 log，LOT 設備等會產生各種各樣的海量數據，這些數據在進入數據倉庫之前（或之后），需要進行統一（字段定義、主題歸屬、項目劃分等），數據集成在一起。離線數倉的ETL，涵蓋數據的抽取轉換與加載。

項目目標

在數據倉庫中構建模型，從數據源中抽取數據，然后對這些數據進行轉化，最終加載到目標數據庫或者數據倉庫中去，實現離線數倉ETL的過程。

項目介紹

企業信息化發展，數據源豐富，數據量比以往結構化的數據大了幾個量級，對 ETL 過程、存儲都提出了更高的要求?；ヂ摼W的在線特性也對實時性提出了要求，如用戶反欺詐、用戶審核等隨著用戶的暴漲。實時數據開發，主要是對由用戶行為、業務行為等產生的巨大量數據進行實時處理，并應用到生產中。

項目目標

基于分層的模型 ods/dwd/dws/，業務數據和日志數據,事實數據存儲在 kafka 中，維度數據存儲在 Hbase/Tair 中，dm 層的數據最終導出到 mq/olap/rds/kv 中。ad-hoc 查詢基于 Flink 來做。實時數倉的存儲需考慮支持數據重放，方便支持任務重跑。選擇一個具有重放功能的、能夠保存歷史數據并支持多消費者的消息隊列，根據需求設置歷史數據保存的時長，通過實時數據開發，建成實時數倉、實時指標等，支撐企業鏈路的實時化。