課程內容：
（一）基礎理論部分
1.數據分析基礎
（1）數據分析過程概述
（2）概率論與數據統計
（3）抽樣估計與假設檢驗
（4）方差分(fen)析與回歸分(fen)析
2.java基礎
（1）JDK的安裝配置，Java基本知識、數據類型以及基本語法
（2）Eclipse的編程入門
（3）面向對象的思想基本介紹，類、對象、接口、封裝、繼承
（4）Java的集合類——數組、Set、List、Map、Queue
（5）異常處理——Checked Exception、Unchecked Exception，如何通過異常信息捕獲錯誤
（6）Java的垃圾回收機制以及多線程簡介
（7）Java的文件操作、包的概念及如何打包
（8）數據庫基礎知識及SQL語法
（9）基于servlet技術的B/S應用(yong)開(kai)發及代碼實現案例詳解
3.linux基礎
（1）linux的介紹
（2）Linux入門：選擇合適的Linux發行版、如何安裝Linux
（3）linux操作系統命令及使用命令編輯文件
（4）Linux下(xia)SSH命令使用方法詳解
（二）hadoop理論課程
1.hadoop安裝配置及運行機制解析
本節是(shi)大數據分(fen)(fen)析(xi)的(de)(de)(de)環(huan)境(jing)搭建(jian)課程(cheng)，屬于操作型課程(cheng)，主(zhu)要(yao)講述如何(he)在(zai)linux單機上面(mian)安(an)裝(zhuang)hadoop的(de)(de)(de)偽分(fen)(fen)布模(mo)式，在(zai)linux集(ji)群(qun)上面(mian)安(an)裝(zhuang)hadoop集(ji)群(qun)。對(dui)于不熟悉linux的(de)(de)(de)同學(xue)，課程(cheng)中會(hui)簡單的(de)(de)(de)講解(jie)常用的(de)(de)(de)linux命(ming)令。這兩種是(shi)必須要(yao)掌握的(de)(de)(de)。通過講師手(shou)把手(shou)、面(mian)對(dui)面(mian)的(de)(de)(de)交流，教會(hui)學(xue)員自己(ji)搭建(jian)一(yi)個真實的(de)(de)(de)hadoop環(huan)境(jing)，在(zai)此環(huan)境(jing)下運行hadoop自帶的(de)(de)(de)小(xiao)程(cheng)序(xu)。主(zhu)要(yao)內(nei)容(rong)包(bao)括：
（1）從google的三篇大數據論文說起
（2）Hadoop 概念、版本、歷史
（3）Hadoop 偽分布及集群的詳細安裝步驟
（4）三個hadoop自帶的小例子帶你進入hadoop的世界
（5）使用如何通過命令行和瀏覽器觀察hadoop的運行過程
（6）介紹hadoop的安全模式
（7）如何查(cha)看日志信息
2.Hadoop分布式文件系統深入剖析
本節將對(dui)hadoop架(jia)構(gou)的分(fen)布式(shi)文件系統(tong)HADFS進行(xing)深入的分(fen)析(xi)，hdfs是所有hadoop系統(tong)的基礎，它是hadoop的核心內容之一。主要的內容包括：
（1）深度分析google的Google GFS 文件系統，一個面向大規模數據密集型應用的、可伸縮的分布式文件系統。
（2）HDFS的概念及設計
（3）Hdfs體系結構及運行機制詳述
（4）NameNode、DataNode、SecondaryNameNode的作用及運行機制
（5）block 的劃分原理、存儲方式和配置文件
（6）hdfs的備份機制和文件管理機制
（7）HDFS文件系統的常用命令
（8）使用命令及JAVA語句操作hdfs中的文件
（9）rpc機制簡介及HADFS中的rpc通信
3.MapReduce理論及實戰
（1）深度分析google的MapReduce編程模型
（2）hadoop中的MapReduce工作原理
（3）通過演示單詞計數程序，詳細講述mapreduce運行過程中類的調用過程
（4）詳細講述如何覆蓋 Mapper 功能、如何覆蓋 Reducer 功能。
（5）MapReduce job的生命周期中job提交、task分發和task執行
（6）MapReduce中block 的調度及作業分配機制
（7）講解hadoop的計數器、排序、分組等算法
（8）通過一個小的應用，詳細介紹如何在eclipse中編寫MapReduce程序，打包成可在hadoop上運行的jar，并在集群上運行
（9）詳細講解運行結(jie)果的分析
4.hadoop生態環境介紹
（1）Hbase簡介，包括HBase的基礎概念 、數據模型、存儲模型及hbase的偽分布和集群的安裝
（2）ZooKeeper簡介，包括ZooKeeper的安裝、運行及示例
（3）Pig簡介，包括Pig的安裝、運行及示例
（4）Hive簡介，包括Hive的安裝、運行及示例
（5）sqoop簡介，包括Sqoop介紹、命令、原理及流程
（6）nosql簡介，包括nosql的概念、種類及發展趨(qu)勢
（三）大數據分析思想、工具及實戰案例
1.大數據分析思想介紹
（1）大數據分析的前世今生
（2）幾種典型的大數據架構分析
（3）大數據分析過程描述
（4）大(da)數據時代的(de)數據分(fen)析思(si)想的(de)變革
2.Mahout，大數據分析的急先鋒
Mahout 是 Apache SoftwareFoundation（ASF）旗下的一個開源項目，它通過和hadoop配合，實現在推薦、分類等領域中的大數據分析。
（1）Mahout的下載、安裝與部署
（2）UCI經典數據集介紹
（3）使用經典數據集測試和運行Mahout實現的算法
（4）主要算(suan)法(fa)(fa)包括：kmeans算(suan)法(fa)(fa)、canopy算(suan)法(fa)(fa)、dirichlet 算(suan)法(fa)(fa)和meanshift算(suan)法(fa)(fa)
3.RHadoop，R語言從小數據分析到大數據分析的化麗轉身
（1）R語言簡介
（2）安裝并運行RHadoop
（3）RHadoop的邏輯結構
（4）Rhadoop實戰案例—word cout
（5）與hadoop word count 函(han)數比較分析
4.大數據分析項目案例 |
