CDA日常的主要工作是什么？
1、负责项目的需求调研、数据分析、商业分析和数据挖掘模型等，通过对用户的行为进行分析了解用户的需求；
2、参与业务部门临时数据分析需求的调研、分析及实现；
3、参与数据挖掘模型的构建、维护、部署和评估；
4、整理编写商业数据分析报告，及时发现和分析其中隐含的变化和问题，为业务发展提供决策支持。
专享课程，提升快人一步
大数据分析师（大数据工程师、算法工程师）
理论基础：统计学、概率论、数据库、数据挖掘、Java基础、Linux基础
软件要求：SQL、Hadoop、HDFS、MapReduce、Mahout、Hive、Spark（必要）& RHadoop、Hbase、Zookeeper、Pig等（可选）
分析方法要求：
熟练掌握Hadoop集群搭建
熟悉nosql数据库的原理及特征，并会运用在相关的场景
熟练运用Mahout、Spark提供的进行大数据挖掘算法，包括聚类（Kmeans算法、Canopy算法）、分类（贝叶斯算法、随机森林算法）、主题推荐（基于物品的推荐、基于用户的推荐）等算法的原理和使用范围
业务分析能力：
熟悉Hadoop+Hive+Spark进行大数据分析的架构设计，并能针对不同的业务提出大数据架构的解决思路
掌握Hadoop+Hive+Spark+Tableau平台上Spark MLlib，SparkSQL的功能与应用场景，根据不同的数据业务需求选择合适的组件进行分析与处理。并对基于Spark框架提出的模型进行对比分析与完善
结果展现能力：
报告能体现大数据分析的优势，能清楚地阐述数据采集、大数据处理过程及终结果的解读，同时提出模型的优化和改进之处，以利于提高大数据分析的商业价值
完善的配套服务，提高自我
课程内容丰富，传授专业知识
面向对象与面向过程；类的设计；对象的实例化；对象的内存分析；类中成员的访问；类是一种自定义的类型；this关键字；包(package)的创建与使用；构造方法；private关键字与属性封装；单例设计模式；继承基本的概念；继承中的特点；继承中的构造方法；方法的重写；final关键字；super关键字的使用；Object类；对象的转型；instanceof关键字；抽象类与抽象方法；接口
咨询详情YARN的组件YARN的架构；YARN的调度方式；YARN工作原理；MapReduce模型；MapReduce中shuffle机制；MapReduce中的partitioner；MapReduce中的自定义输入输出；MapReduce中的join操作；MapReduce中的压缩；MapReduce优化
咨询详情Spark简介；Spark运行模式；SparkShell；RDD的概念详解；Transformation算子；Action算子；DAG有向无环图；RDD任务的切分；Lineage(血统)；Checkpoint检查点机制；Spark集群启动流程和任务提交流程；自定义排序；自定义分区Accumulator累加器；Broadcast广播变量；Shuffle原理剖析与源码分析；SparkSubmit执行流程；集群启动流程详解；SparkContext执行流程；Task提交流程详解；Stage划分过程详解
咨询详情Flink部署模式；Flink Streaming DataStream API介绍；Flink Streaming DataSource、Transformations、Sink详解；Flink的connector；Flink的自定义输入输出；Flink中两阶段提交；Flink中的操作链；Flink DataSet的DataSource、Transformations、Sink详解；Flink Table API和SQL应用；Blink Table的操作；Sql与hive的整合；Flink的序列化；Flink的广播变量；Flink的累加器；Flink的分布式缓存；
咨询详情
