所处阶段

       01_变量
       02_标识符和关键字
       03_输入和输出
       04_数据类型转换
       05_PEP8编码规范
       06_比较/关系运算符
       07_if语句语法格式
       08_三目运算符
       09_while语句语法格式
       10_while 循环嵌套
       11_break 和 continue
       12_while 循环案例
       13_for循环

       01_字符串定义语法格式
       02_字符串遍历(while)
       03_下标和切片
       04_字符串常见操作
       05_列表语法格式
       06_列表的遍历(for)
       07_列表常见操作
       08_列表嵌套
       09_列表推导式
       10_元组语法格式
       11_单元素元组
       12_元组操作
       13_字典语法格式
       14_字典常见操作
       15_字典的遍历

       01_函数概念和作用、函数定义、调用
       02_不定长参数函数
       03_函数的返回值
       04_函数的说明文档
       05_函数的嵌套调用
       06_可变和不可变类型
       07_局部变量
       08_全局变量
       09_组包和拆包、引用

       01_文件的打开与关闭、文件的读写
       02_文件/目录操作及案例
       03_os模块文件与目录相关操作

       01_面向对象介绍
       02_类的定义和对象的创建
       03_添加和获取对象属性
       04_self 参数
       05_init方法
       06_私有方法和私有属性
       07_继承
       08_子类方法重写
       09_类属性和实例属性
       11_类方法、实例方法、静态方法

       01_异常概念
       02_异常捕获
       03_异常的传递
       04_自定义异常

       01_模块介绍
       02_模块的导入
       03_包的概念
       04_包的导入
       05_模块中的 __all__
       06_模块中 __name__ 的作用

       01_IP地址的介绍
       02_端口和端口号的介绍
       03_TCP的介绍
       04_socket的介绍
       05_TCP网络应用的开发流程
       06_基于TCP通信程序开发

       01_多任务介绍
       02_进程的使用
       03_线程的使用
       04_线程同步与互斥锁、死锁介绍

       01_闭包
       02_装饰器
       03_深浅拷贝
       04_正则

       1.miniweb

       01_视图的概念与使用
       02_Mysql窗口函数
       03_Mysql变量
       04_Mysql实战项目

       01_Pandas数据组合_concat连接
       02_Pandas数据组合_merge数据
       03_Pandas数据组合_join
       04_缺失值处理介绍
       05_缺失值处理_缺失值数量统计
       06_缺失值处理_缺失值可视化
       07_缺失值处理_删除缺失值
       08_缺失值处理_填充缺失值
       09_melt整理数据
       10_stack整理数据
       11_wide_to_long整理数据
       12_unstack和小结
       13_Pandas数据类型简介
       14_数据类型转换
       15_分类数据category
       16_Series和DataFrame的apply方法
       17_apply使用案例
       18_向量化函数和lambda表达式

       01_单变量分组聚合
       02_通过调用agg进行聚合
       03_分组后transform
       04_transform练习
       05_filter&DataFrameGroupBy对象
       06_透视表概述&会员存量增量分析
       07_会员增量等级分布
       08_增量等级占比分析&整体等级分布
       09_线上线下增量分析&地区店均会员数量
       10_会销比计算
       11_连带率计算
       12_复购率计算
       13_日期时间类型介绍
       14_提取日期分组案例
       15_股票数据处理
       16_datarange函数
       17_综合案例

       01_Python数据可视化介绍
       02_matplotlib绘图
       03_matplotlib绘制统计图
       04_Pandas绘图_柱状图
       05_Pandas绘图_折线图直方图饼图
       06_Pandas双变量可视化
       07_Seaborn绘图简介&单变量可视化
       08_Seaborn双变量可视化
       09_Seaborn多变量可视化和样式
       10_pyechars案例

       01_AppStore项目_数据处理
       02_AppStore项目_单变量分析
       03_AppStore项目_可视化和结论
       04_AppStore项目_可视化和结论代码实现
       05_优衣库项目_案例介绍及简单数据探索
       06_优衣库项目_业务问题解读
       07_优衣库案例_代码实现
       08_RFM概念介绍
       09_RFM项目_数据加载和数据处理
       10_RFM项目_RFM计算
       11_RFM项目_RFM可视化
       12_RFM项目_业务解读和小结

       01_人工智能概述
       02_机器学习开发流程和用到的数据介绍
       03_特征工程介绍和小结
       04_机器学习算法分类
       05_机器学习模型评估
       06_数据分析与机器学习

       01_K近邻算法基本原理
       02_K近邻算法进行分类预测
       03_sklearn实现knn
       04_训练集测试集划分
       05_分类算法的评估
       06_归一化和标准化
       07_超参数搜索
       08_预测facebook签到位置案例
       09_K近邻算法总结

       01_线性回归简介
       02_线性回归API使用初步
       03_导数回顾
       04_线性回归的损失函数和优化方法
       05_梯度下降推导
       06_波士顿房价预测案例
       07_欠拟合和过拟合
       08_模型的保存和加载
       09_线性回归应用-回归分析

       01_逻辑回归简介
       02_逻辑回归API应用案例
       03_分类算法评价方法
       04_逻辑回归应用_分类分析

       01_聚类算法的概念
       02_聚类算法API的使用
       03_聚类算法实现原理
       04_聚类算法的评估
       05_聚类算法案例

       01_决策树算法简介
       02_ 决策树分类原理
       03_特征工程-特征提取
       04_ 决策树算法api
       05_ 决策树案例

       01 集成学习算法简介
       02 Bagging和随机森林
       03 随机森林案例
       04 Boosting介绍
       05 GBDT介绍

       01_常用指标计算
       02_数据推断
       03_基于Kmeans的用户分群
       04_LTV用户生命周期
       05_购物篮分析
       06_用户标签

       01_用户行为分析
       02_用户价值分析
       03_用户复购分析
       04_库存分析
       05_销售预测
       06_AB测试

       01_选品分析
       02_报表设计
       03_用户评论文本挖掘
       04_竞品监控
       05_广告渠道效果分析

       01_游戏相关业务指标介绍
       02_游戏用户付费分析
       03_道具使用分析

       01_信贷和风控介绍
       02_常见零售产品和风险介绍
       03_风控相关业务术语介绍
       04_业务数据分析案例

       01_互联网金融风控体系介绍
       02_风控建模流程概述
       03_风控建模流程_项目准备
       04_风控建模流程_特征工程
       05_风控建模流程_模型构建
       06_风控建模流程_上线运营
       07_业务规则挖掘案例

       01_数据准备
       02_静态信息特征和时间截面特征处理
       03_特征衍生
       04_特征变换
       05_特征变换_卡方分箱代码实现
       06_特征变换_WOE代码实现
       07_特征变换_类别变量编码方式总结
       08_常用缺失值处理方法
       09_时间序列未来信息
       10_用户信息关联&小结

       01_建模流程_实验设计
       02_建模流程_样本设计
       03_建模流程_模型训练与评估
       04_评分映射
       05_逻辑回归评分卡
       06_lightGBM特征筛选
       07_输出模型报告
       08_评分映射
       09_集成学习评分卡_xgboost
       10_集成学习评分卡_lightGBM
       11集成学习评分卡模型创建
       13_建模流程梳理

       01_Linux命令使用
       02_Linux命令选项的使用
       03_远程登录和远程拷贝
       04_Linux权限管理
       05_vi编辑器使用

       01_变量
       02_表达式
       03_常见符号
       04_流程控制

       1.Java语言概述
       2.Java开发环境搭建
       3.IDEA的安装和配置
       4.HelloWorld案例
       5.注释，关键字，常量，变量，数据类型转换.
       6.for循环.while循环，循环嵌套，控制跳转语句，break和continue
       7.数组的概述和创建，数组的常见操作.
       8.方法的概述和定义，方法重载，方法形参类型，方法练习

       1.面向对象介绍
       2.类和对象讲解
       3.对象的内存图
       4.成员变量和局部变量的区别
       5.private关键字，封装，this关键字，构造方法，继承，super关键字
       6.方法重写，多态 ，final ，.static ，抽象类 ，接口 ，包（package）

       1.API解释
       2.Object类讲解
       3.String类讲，StringBuilder类讲解，冒泡排序
       4.Arrays工具类包装类
       5.自动拆装箱,Date类讲解
       6.SimpleDateFormat类讲解

       1.Lambda表达式
       2.集合类,Collection,ArrayList   
       3.列表迭代器,增强for,数据结构
       4.Set集合之HashSet,Map集合之HashMap
       5.File类,字节流,序列化流,字符流

       1.Junit单元测试
       2.反射介绍 ,Class类相关方法介绍 ,反射案例:代理设计模式
       3.注解解释.,常用注解介绍
       4.Maven基础, 依赖, Maven生命周期 ,Maven仓库 ,Maven配置文件
       5.数据库驱动,Connection接口,JDBC步骤

       1.大数据的特点
       2.分布式存储概念
       3.分布式计算的概念
       4.服务器种类介绍、机架、交换机
       5.网络拓扑、Raid、IDC数据中心
       6.Linux shell编程、awk、sed、cut、ssh、scp、expect、yum、nestat、top 、iostat等高级命令使用

       1.Zookeeper的应用场景
       2.架构和原理
       3.存储模型
       4.选举机制
       5.客户端操作

       1.HDFS设计的特点
       2.Master-Slave架构
       3.Block块存储、RF拷贝因子、机架感知
       4.Block拷贝策略、读写流程
       5.HDFS Federation、HDFS Snapshots、NameNode HA架构和原理
       6.HDFS管理员常用操作、HDFS权限控制

       1.MapReduce架构和原理
       2.Split机制
       3.MapReduce并行度
       4.Combiner机制
       5.Partition机制、自定义Partition
       6.MapReduce序列化、自定义排序、数据压缩

       1.Yarn原理和架构
       2.Yarn高可用
       3.Container资源的封装（CPU、内存和IO）
       4.资源调度策略（FIFO、Fair和Capacity）

       1.HQL操作
       2.数据类型
       3.分区、分桶、临时表
       4.explain执行计划详解

       1.Hive原理和架构
       2.Meta Store服务
       3.HiveServer内置函数
       4.自定义UDF和UDAF
       5.数据压缩、存储格式、自动化脚本、常见性能优化

       1.Hive滴滴出行案例实战

       1.Hive亚马逊电商案例实战

       1.大数据部署运维：Cloudera Manager
       2.分析决策需求：数据仓库
       3.数据采集：sqoop
       4.数据分析：hive
       5.历史数据快照：拉链表
       6.数据更新后的统计分析：拉链表
       7.数据调度：oozie+shell
       8.OLAP系统存储：mysql
       9：数据展现：帆软BI

       1.掌握离线数仓的分层与建模，从需求、设计、研发、测试到落地上线的完整项目流程
       2.大量教育大数据的真实业务逻辑，共涉及20多个主题，100多个指标，提升学员在教育行业中的核心竞争力
       3.包括海量数据场景下如何优化配置
       4.拉链表的具体应用
       5.新增数据和更新数据的抽取和分析
       6.hive函数的具体应用
       7.ClouderaManager可视化、自动部署和配置、Git、CodeReview功能

       1.Redis原理及架构
       2.Redis Cluster原理及架构
       3.Redis常用操作

       1.HBase原理及架构
       2.预分区、LSM结构
       3.Bloom Filter,co-processor,结合Phoneix进行优化查询

       1.Kafka原理及架构分析
       2.分布式实时计算架构和思想

       1.陌陌社交场景实战
       2.社交大数据架构剖析
       3.数据采集
       4.数据ETL
       5.数据分析

       1.Scala函数式编程基础
       2.集合、Iterator、构造器、伴生对象、Akka编程
       3.Scala语言重点API编程

       1.Spark架构和原理（运行机制、Driver和Executor、spark任务提交流程）
       2.RDD开发和原理（Partition、Task、RDD的依赖关系、RDD的容错机制、RDD的存储级别、RDD的缓存机制）广播变量
       3.DAG原理（DAG思想、DAG的生成、DAG的处理过程）

       1.Spark SQL架构和原理
       2.DataFrame、DataSet DSL和SQL开发
       3.Spark多数据源整合（txt、CSV、Json、parquet、JDBC、Hive）
       4.Spark SQL执行计划原理
       5.Spark SQL性能调优

       1.Structured Streaming开发（input、output、window、watermark、过期数据操作、去重等）
       2.Structured Streaming多数据源整合（socket、Kafka）
       3.Flume+kafka+Structured Streaming案例实战

       1.教育大数据场景案例实战

       1. 基于HDP快速搭建大数据平台
       2. 基于Hive+Spark SQL搭建离线数据仓库
       3. 基于Structured Streaming构建高吞吐实时处理
       4. 基于ECharts实现可视化

       1.使用主流的Hive+Spark构建离线数仓
       2.使用Structure Streaming构建实时异常告警系统
       3.基于完整的工业业务背景实现的离线和实时大数据业务丰富地地图展示可视化开发
       4.学会使用Spark SQL处理复杂业务完整的离线采集 + 实时采集方案
       5.掌握如何使用调度平台调度T+1批处理任务Spark离线任务和实时任务整合，统一由YARN做资源管理

       1.面试题必备SQL实战
       2.SQL优化加强

       1.Hive基础
       2.Hive拉链表
       3.Hive数据仓库构建示例
       4.Hive面试题

       1.Spark基础
       2.Spark拉链表
       3.Spark数据仓库构建示例
       4.Spark面试题

       1.Kafka基础
       2.Hbase基础
       3.Kafka&Hbase面试题

       1.数据分析流程
       2.大数据架构剖析
       3.多行业大数据架构设计
       4.大数据存储，调度等解决方案

       1.Flink基础

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

       1.Flink SQL开发
       2.Hive + Flink SQL

       1.Watermark
       2.Checkpoint
       3.任务调度与负载均衡
       4.状态管理

       1.Flink性能监控
       2.Flink调优
       3.Flink SQL执行计划

       1.Flume+Kafka+Flink+Hbase+Sqoop+Canal+MySQL实战

       1.离线数据分析：flink batch、hive
       2.实时在线分析：flink、hbase
       3.消息队列：kafka
       4.驾驶行程分析：flink、hbase
       5.实时在线故障分析:mongodb
       6.车型指标分析：hive、shell
       7.实时指标查询：phoenix
       8.后台数据服务接口：springboot、swagger-ui、echarts
       9.多数据源加载:flink jdbc
       10.车辆告警规则分析：flink、zeppelin
       11.离线任务调度：azkaban
       12.报表：superset
       13.页面展示：echarts、javascript

       1.海量数据处理，系统15分钟内收集的新能源车辆的数据超过千万条
       2.基于Hive、HBase、HDFS数据存储
       3.基于Kafka数据传输
       4.基于Flink全栈数据处理
       5.基于Nginx做反向代理、LSV和Keepalived负载均衡和高可用