课程简介：

完整的大数据知识体系，将包含 6 个模块。

模块一 Hadoop 大数据原理与架构

为什么讲大数据都要从 Hadoop 开始？大数据的问题和挑战不同以往，它的处理方法与技巧也颇有不同。理解大数据面对的问题以及处理技巧，是构建大数据知识体系的源头。理解大数据，从理解 Hadoop 开始。

模块二 大数据生态体系主要产品原理与架构

大数据领域不只有 Hadoop，还有数据仓库 Hive、NoSQL 系统 HBase、计算引擎 Spark、流计算引擎 Storm、Flink，以及分布式一致性解决方案 ZooKeeper 等，它们构成了一个完整的大数据生态体系，解决各种场景下的不同问题。

模块三 大数据开发实践

本模块以大数据开发者的视角重新审视大数据的各个方面，结合作者在阿里巴巴、Intel 从事大数据开发的实践经历，从“局内人”的视角为你揭秘大数据开发的内里乾坤。

模块四 大数据平台与系统集成

大数据从哪里来？算出来的结果又到哪里去？如何将大数据技术集成到当前系统中去？需不需要自己开发？有没有商业的解决方案？这可能是使用大数据时最迫切需要解决的问题。

模块五 大数据分析与运营

数据分析是大数据应用的一个重要场景，互联网企业运营常用的数据分析指标有哪些？如何呈现？数据分析结果异常了，企业关键绩效指标下滑了，该如何去追踪定位其原因？这些应用场景和问题答案都可以在本模块中找到。

模块六 大数据算法

大数据最激动人心的应用还是大数据机器学习，但大数据机器学习算法是不是真的有那么难？数学不好还能不能学好、用好大数据算法呢？这个模块告诉你，其实大数据算法并不难，原理一样很简单。

课程目录：

从0开始学大数据 /
├──01-开篇词 (1讲)
| ├──00丨开篇词丨为什么说每个软件工程师都应该懂大数据技术？.html 1.55M
| ├──00丨开篇词丨为什么说每个软件工程师都应该懂大数据技术？.mp3 2.95M
| └──00丨开篇词丨为什么说每个软件工程师都应该懂大数据技术？.pdf 2.19M
├──02-预习模块 (3讲)
| ├──01丨预习01丨大数据技术发展史：大数据的前世今生.html 1.26M
| ├──01丨预习01丨大数据技术发展史：大数据的前世今生.mp3 5.06M
| ├──01丨预习01丨大数据技术发展史：大数据的前世今生.pdf 1.54M
| ├──02丨预习02丨大数据应用发展史：从搜索引擎到人工智能.html 1.95M
| ├──02丨预习02丨大数据应用发展史：从搜索引擎到人工智能.mp3 5.33M
| ├──02丨预习02丨大数据应用发展史：从搜索引擎到人工智能.pdf 2.40M
| ├──03丨预习03丨大数据应用领域：数据驱动一切.html 1.96M
| ├──03丨预习03丨大数据应用领域：数据驱动一切.mp3 5.34M
| └──03丨预习03丨大数据应用领域：数据驱动一切.pdf 2.05M
├──03-模块一 Hadoop大数据原理与架构 (7讲)-更多精彩课程请加AG110360
| ├──04丨移动计算比移动数据更划算.html 2.04M
| ├──04丨移动计算比移动数据更划算.mp3 4.96M
| ├──04丨移动计算比移动数据更划算.pdf 2.03M
| ├──05丨从RAID看垂直伸缩到水平伸缩的演化.html 2.09M
| ├──05丨从RAID看垂直伸缩到水平伸缩的演化.mp3 4.65M
| ├──05丨从RAID看垂直伸缩到水平伸缩的演化.pdf 2.41M
| ├──06丨新技术层出不穷，HDFS依然是存储的王者.html 1.59M
| ├──06丨新技术层出不穷，HDFS依然是存储的王者.mp3 6.27M
| ├──06丨新技术层出不穷，HDFS依然是存储的王者.pdf 2.11M
| ├──07丨为什么说MapReduce既是编程模型又是计算框架？.html 1.77M
| ├──07丨为什么说MapReduce既是编程模型又是计算框架？.mp3 4.65M
| ├──07丨为什么说MapReduce既是编程模型又是计算框架？.pdf 2.31M
| ├──08丨MapReduce如何让数据完成一次旅行？.html 2.23M
| ├──08丨MapReduce如何让数据完成一次旅行？.mp3 5.26M
| ├──08丨MapReduce如何让数据完成一次旅行？.pdf 2.35M
| ├──09丨为什么我们管Yarn叫作资源调度框架？.html 1.71M
| ├──09丨为什么我们管Yarn叫作资源调度框架？.mp3 5.57M
| ├──09丨为什么我们管Yarn叫作资源调度框架？.pdf 1.78M
| ├──10丨模块答疑：我们能从Hadoop学到什么？.html 4.31M
| ├──10丨模块答疑：我们能从Hadoop学到什么？.mp3 6.37M
| └──10丨模块答疑：我们能从Hadoop学到什么？.pdf 7.99M
├──04-模块二 大数据生态体系主要产品原理与架构 (7讲)
| ├──11丨Hive是如何让MapReduce实现SQL操作的？.html 2.21M
| ├──11丨Hive是如何让MapReduce实现SQL操作的？.mp3 5.50M
| ├──11丨Hive是如何让MapReduce实现SQL操作的？.pdf 2.43M
| ├──12丨我们并没有觉得MapReduce速度慢，直到Spark出现.html 1.54M
| ├──12丨我们并没有觉得MapReduce速度慢，直到Spark出现.mp3 5.30M
| ├──12丨我们并没有觉得MapReduce速度慢，直到Spark出现.pdf 1.79M
| ├──13丨同样的本质，为何Spark可以更高效？.html 2.83M
| ├──13丨同样的本质，为何Spark可以更高效？.mp3 5.55M
| ├──13丨同样的本质，为何Spark可以更高效？.pdf 3.06M
| ├──14丨BigTable的开源实现：HBase.html 2.25M
| ├──14丨BigTable的开源实现：HBase.mp3 4.72M
| ├──14丨BigTable的开源实现：HBase.pdf 2.18M
| ├──15丨流式计算的代表：Storm、Flink、SparkStreaming.html 1.74M
| ├──15丨流式计算的代表：Storm、Flink、SparkStreaming.mp3 5.82M
| ├──15丨流式计算的代表：Storm、Flink、SparkStreaming.pdf 1.98M
| ├──16丨ZooKeeper是如何保证数据一致性的？.html 2.54M
| ├──16丨ZooKeeper是如何保证数据一致性的？.mp3 3.90M
| ├──16丨ZooKeeper是如何保证数据一致性的？.pdf 2.91M
| ├──17丨模块答疑：这么多技术，到底都能用在什么场景里？.html 2.75M
| ├──17丨模块答疑：这么多技术，到底都能用在什么场景里？.mp3 4.90M
| └──17丨模块答疑：这么多技术，到底都能用在什么场景里？.pdf 4.38M
├──05-模块三 大数据开发实践 (8讲)
| ├──18丨如何自己开发一个大数据SQL引擎？.html 1.99M
| ├──18丨如何自己开发一个大数据SQL引擎？.mp3 5.22M
| ├──18丨如何自己开发一个大数据SQL引擎？.pdf 2.31M
| ├──19丨Spark的性能优化案例分析（上）.html 1.32M
| ├──19丨Spark的性能优化案例分析（上）.mp3 5.48M
| ├──19丨Spark的性能优化案例分析（上）.pdf 1.74M
| ├──20丨Spark的性能优化案例分析（下）.html 2.28M
| ├──20丨Spark的性能优化案例分析（下）.mp3 5.47M
| ├──20丨Spark的性能优化案例分析（下）.pdf 2.90M
| ├──21丨从阿里内部产品看海量数据处理系统的设计（上）：Doris的立项.html 2.93M
| ├──21丨从阿里内部产品看海量数据处理系统的设计（上）：Doris的立项.mp3 4.04M
| ├──21丨从阿里内部产品看海量数据处理系统的设计（上）：Doris的立项.pdf 3.68M
| ├──22丨从阿里内部产品看海量数据处理系统的设计（下）：架构与创新.html 3.62M
| ├──22丨从阿里内部产品看海量数据处理系统的设计（下）：架构与创新.mp3 4.97M
| ├──22丨从阿里内部产品看海量数据处理系统的设计（下）：架构与创新.pdf 5.18M
| ├──23丨大数据基准测试可以带来什么好处？.html 1.87M
| ├──23丨大数据基准测试可以带来什么好处？.mp3 5.13M
| ├──23丨大数据基准测试可以带来什么好处？.pdf 2.23M
| ├──24丨从大数据性能测试工具Dew看如何快速开发大数据系统.html 1.20M
| ├──24丨从大数据性能测试工具Dew看如何快速开发大数据系统.mp3 4.62M
| ├──24丨从大数据性能测试工具Dew看如何快速开发大数据系统.pdf 1.55M
| ├──25丨模块答疑：我能从大厂的大数据开发实践中学到什么？.html 4.60M
| ├──25丨模块答疑：我能从大厂的大数据开发实践中学到什么？.mp3 4.51M
| └──25丨模块答疑：我能从大厂的大数据开发实践中学到什么？.pdf 7.93M
├──06-模块四 大数据平台与系统集成 (6讲)
| ├──26丨互联网产品+大数据产品=大数据平台.html 1.21M
| ├──26丨互联网产品+大数据产品=大数据平台.mp3 4.95M
| ├──26丨互联网产品+大数据产品=大数据平台.pdf 1.39M
| ├──27丨大数据从哪里来？.html 1.84M
| ├──27丨大数据从哪里来？.mp3 5.53M
| ├──27丨大数据从哪里来？.pdf 2.10M
| ├──28丨知名大厂如何搭建大数据平台？.html 2.72M
| ├──28丨知名大厂如何搭建大数据平台？.mp3 3.40M
| ├──28丨知名大厂如何搭建大数据平台？.pdf 3.18M
| ├──29丨盘点可供中小企业参考的商业大数据平台.html 1.79M
| ├──29丨盘点可供中小企业参考的商业大数据平台.mp3 4.94M
| ├──29丨盘点可供中小企业参考的商业大数据平台.pdf 1.87M
| ├──30丨当大数据遇上物联网.html 1.63M
| ├──30丨当大数据遇上物联网.mp3 4.15M
| ├──30丨当大数据遇上物联网.pdf 1.85M
| ├──31丨模块答疑：为什么大数据平台至关重要？.html 4.76M
| ├──31丨模块答疑：为什么大数据平台至关重要？.mp3 3.98M
| └──31丨模块答疑：为什么大数据平台至关重要？.pdf 7.36M
├──07-模块五 大数据分析与运营 (5讲)
| ├──32丨互联网运营数据指标与可视化监控.html 3.53M
| ├──32丨互联网运营数据指标与可视化监控.mp3 4.61M
| ├──32丨互联网运营数据指标与可视化监控.pdf 3.54M
| ├──33丨一个电商网站订单下降的数据分析案例.html 1.71M
| ├──33丨一个电商网站订单下降的数据分析案例.mp3 4.44M
| ├──33丨一个电商网站订单下降的数据分析案例.pdf 1.94M
| ├──34丨A-B测试与灰度发布必知必会.html 1.57M
| ├──34丨A-B测试与灰度发布必知必会.mp3 3.96M
| ├──34丨A-B测试与灰度发布必知必会.pdf 2.00M
| ├──35丨如何利用大数据成为“增长黑客”？.html 1.22M
| ├──35丨如何利用大数据成为“增长黑客”？.mp3 5.12M
| ├──35丨如何利用大数据成为“增长黑客”？.pdf 1.38M
| ├──36丨模块答疑：为什么说数据驱动运营？.html 2.73M
| ├──36丨模块答疑：为什么说数据驱动运营？.mp3 5.47M
| └──36丨模块答疑：为什么说数据驱动运营？.pdf 4.62M
├──08-模块六 大数据算法 (6讲)-更多精彩课程请加AG110360
| ├──37丨如何对数据进行分类和预测？.html 2.52M
| ├──37丨如何对数据进行分类和预测？.mp3 5.97M
| ├──37丨如何对数据进行分类和预测？.pdf 3.80M
| ├──38丨如何发掘数据之间的关系？.html 2.51M
| ├──38丨如何发掘数据之间的关系？.mp3 5.57M
| ├──38丨如何发掘数据之间的关系？.pdf 3.14M
| ├──39丨如何预测用户的喜好？.html 1.97M
| ├──39丨如何预测用户的喜好？.mp3 3.98M
| ├──39丨如何预测用户的喜好？.pdf 2.37M
| ├──40丨机器学习的数学原理是什么？.html 1.61M
| ├──40丨机器学习的数学原理是什么？.mp3 4.61M
| ├──40丨机器学习的数学原理是什么？.pdf 1.61M
| ├──41丨从感知机到神经网络算法.html 3.80M
| ├──41丨从感知机到神经网络算法.mp3 4.67M
| ├──41丨从感知机到神经网络算法.pdf 4.04M
| ├──42丨模块答疑：软件工程师如何进入人工智能领域？.html 1.85M
| ├──42丨模块答疑：软件工程师如何进入人工智能领域？.mp3 4.62M
| └──42丨模块答疑：软件工程师如何进入人工智能领域？.pdf 2.30M
├──09-智慧写给你的寄语 (1讲)
| ├──所有的不确定都是机会——智慧写给你的新年寄语.html 1.52M
| ├──所有的不确定都是机会——智慧写给你的新年寄语.mp3 1.47M
| └──所有的不确定都是机会——智慧写给你的新年寄语.pdf 2.11M
└──10-结束语 (1讲)
| ├──结束语丨未来的你，有无限可能.html 1.72M
| ├──结束语丨未来的你，有无限可能.mp3 1.57M
| └──结束语丨未来的你，有无限可能.pdf 2.01M