中小学辅导
拓展训练营
中小学教育
中小学课外辅导
幼儿早期教育
高考艺考辅导
其他职业资格
其他管理培训
您的位置： >>
北京大数据培训机构哪家好
编辑：樱桃小丸子发布时间：
大数据人才缺口已达百万！
来魔据让你成为大数据稀缺人才
职业选择多达几十种
升职加薪so easy
薪资蹭蹭涨，从此爱上同学会
魔据就是大数据，懂企业，更懂你
16年500强大型项目研发，12年IT教学经验
上市企业,16年项目开发 经验，Oracle、华为、 山软件战略合作方，开发超 过100个大型商业项目。
30人大数据课程研发团队， 大数据课程标准制定者！ 用研发实力征服高校，第 一批高校大数据专业技术 支撑。
12年IT教学经验 3年大数据教学积淀 累积毕业学员超2万
4大学习目标冲刺大数据项目经理
掌握Java高级语言技术
掌握数据结构与算法&
掌握MYSQL数据库应用及开发&
掌握SHELL脚本编程
精通主流大数据处理核心 技术&
掌握Hadoop、Python、 Storm、Spark、Hive
机器学习算法库应用
实时分析计算框架,SPARK 技术&
分布式爬虫与反爬虫技术&
实时分析项目实战&
机器学习算法项目实战
掌控大数据项目开发设计 思想&
掌握大数据处理技术手段&
解决项目开发中的问题和 技术难点
魔据教育大数据开发高薪就业班课程大纲
一阶段 基础课程（301课时）
课程内容详解
Java基础课程
java编程语言基础(35学时)
主要讲解java环境变量搭建，jvm虚拟机运行原理性能参数调整，java基本数据类型，流程控制，数组应用等。
java面向对象编程(70学时)
主要讲解java类和对象的概念，OOP面向对象编程思想，程序设计，构造方法，以及面向对象三大特性，类与类之间的关系，接口、抽象类final,static等关键字，以及多态,异常。
各种常用API（21学时）
主要讲解String以及StringBuffer等。
java集合框架(28学时)
主要讲解整个集合框架体系内容，ArrayList,LinkedList，HashMap等。
I/O流技术(14学时)
主要讲解I/O流基本知识，流操作的基本步骤，字节流，字符流，文件操作以及文件加密，解密，文件复制，文件拆分合并等相关知识，序列化和反序列化。
java线程以及锁(14学时)
主要讲解介绍java线程的基本操作和相关知识；了解锁和死锁的概念以及效果，如何建立生产消费者模型。
Socket网络编程和分布式基础原理(7学时)
主要讲解介绍java基于网络的一些操作和特性，以及各种协议。
关系型数据库MySql
Mysql数据库(35学时)
主要讲解SQL语句相关方面的知识，数据库的操作的基本流程,以及一些常见的企业开发中涉及到的业务方面的数据设计知识以及一些数据库设计工具的使用；基本SQL操作（增，删，改，查，函数，条件查询，排序，递归查询等操作），表和表之间的关系配置,以及一些常用的企业开发数据库设计技巧,如权限管理等表结构设计，视图，分区，索引。
JDBC(7学时)
主要讲解jdbc相关的知识，jdbc基本操作，预处理命令，批处理，jdbc缓存技术，以及jdbc封装思想和数据库连接池技术的开发和应用。
Web开发课程
Jsp/Servlet(35学时)
主要讲解一些简单的jsp和servlet应用， 保证学生能够使用基本的增删改查。
Linux操作系统
Linux简介(4学时)
主要了解什么是操作系统、什么是Linux；了解Linux之前，Unix的历史；了解GNU计划；Linux的发展以及Linux的各个发行版本。
Linux环境搭建(4学时)
主要讲解Linux安装流程；理解Linux部署；理解Linux基本操作命令。
Linux常用命令(12学时)
主要讲解磁盘操作命令；权限管理命令；文件查找命令；本机帮助命令；压缩解压命令；网络相关命令；系统相关命令；vi命令。
Linux基础(3学时)
主要讲解Linux系统监测相关命令；理解crontable的使用；掌握Linux软件包的使用。
Linux网络管理(2学时)
主要讲解Linux的网络配置；掌握互联网的寻址流程和原理；掌握如何经过Window远程管理Linux服务器；掌握如何构建FTP/SSH服务应用；掌握如何实现不同系统平台之间的文件共享。
Shell脚本(6学时)
主要讲解Shell脚本结构；掌握Shell变量定义；掌握Shell基本语法；掌握Shell调试。
综合应用实操(4学时)
主要知识点串线。
第二阶段 大数据基础课程（105课时）
课程内容详解
Hadoop课程
大数据的概述(7学时)
主要讲解大数据历史；大数据出现的原因；大数据解决的问题；大数据目前的发展状态；大数据未来的；我们生活中各行业的大数据应用；云计算的概念；选择hadoop的原因；hadoop在云计算中的作用；hadoop依赖的所有技术和之前课程的联系。
hadoop集群的搭建(17.5学时)
主要讲解介绍单机版和伪分布式安装，详细介绍每个方式的区别，解决什么问题以及详细的配置，并对每个配置文件做深入讲解。能够查看hadoop进程；理解hadoop启动的整个过程。
掌握hadoop集群的搭建、HA安装（ZK）；介绍并带领学生使用hadoop的命令，操作hadoop集群文件的上传、下载、删除等操作；日志错误信息、常见的错误处理方式；zookeeper的介绍与安装。
HDFS基础概念介绍(7学时)
主要讲解块的概念、块的好处、冗余备份、块的切分；元数据概念；NameNode工作原理； DataNode工作原理；Secondary NameNode；客户端含义；HDFS文件操作过程；元数据的持久化；什么是EditsLog和FSImage静像文件；EditsLog和FSImage合并--Checkpoint机制；HDFS命名空间；安全模式；心跳机制；机架感知。
HDFS API案例(7学时)
主要讲解案例包括上传本地文件到HDFS；从HDFS下载文件到本地；创建HDFS文件；创建HDFS目录；重命名HDFS文件；删除HDFS文件；删除HDFS目录；查看某个文件是否存在；数据类型，writeable接口。
YARN资源调度框架介绍(7学时)
主要讲解客户端程序与ResourceManager交互；客户端存贮封装信息；ResourceManager调用NodeManager；NodeManager划分资源池；ResourceManager调用MapReduce程序；执行运算；hadoop伪分布式安装、HA安装，加入YARN的进程，反推理论；运行MR程序，观察YARN在程序运行中的处理过程；hadoop1.0到2.0的变化（新加）。
Mapreduce介绍(7学时)
主要讲解MapReduce产生背景；MapReduce官方解释；MapReduce特点；MapReduc计算流程：inputsplit、mapper、combine、shuffle、sort、reducer；MapReduce容错性；MapReduce推测机制；MapReduce应用场合以及MR的整个流程的图解。
Mapreduce案例(28学时)
主要讲解经典的MR程序，包括（计数器、InputFormat输入格式、OutputFormat输出格式、单词计数程序Combiner优化、去重编程、平均程序、数据排序、全排序、倒排序、二次排序、单表关联、多表关联、join连接）；排序算法，归并排序，底层源码分析，分区算法；讲解job提交作业的流程；经过WebUI查看log日志。
（14课时）
Zookeeper介绍和安装(3学时)
主要讲解Zookeeper介绍；Zookeeper下载与安装；Zookeeper配置。
Zookeeper集群搭建(4学时)
主要讲解搭建Zookeeper集群；选举机制及Leader测试；Zookeeper客户端操作。
Zookeeper API客户端开发(7学时)
主要讲解Zookeeper客户端API调用；Zookeeper类、Stat类介绍；创建和删除路径Path；ACL理解；CreateMode：创建模式、VERSION版本；设置数据、获取children、Watch（观察者）。
第三阶段 分布式数据库课程（95课时）
课程内容详解
HBase简介(2学时)
主要讲解HBase概念；掌握HBase旧版本体系结构；掌握HBase工作原理；掌握HBase的组成；掌握HBase的容错性；理解HBase应用场景。
HBase环境搭建(9学时)
主要讲解HBase安装流程理论；理解HBase安装模式理论；掌握HBase安装及验证理论；理解HBase基本应用操作；了解查看HBase表内容的几种方式。
掌握HBase版本选择的依据；理解HBase本地模式安装过程；熟练HBase单机模式安装的相应命令；掌握Eclipse HBase开发环境搭建过程。
理解HBase伪分布式安装流程；掌握HBase分布式安装过程；掌握Zookeeper安装过程；初识HBase常用Shell命令；初识HBase API的调用过程。
HBase开发入门(7学时)
主要讲解HBase Shell常用基本命令；掌握HBase Shell常用表管理命令；掌握HBase Shell常用表操作命令；掌握HBase API常用表数据操作开发过程；掌握HBase API常用表管理操作开发过程；掌握新旧版本HBase API调用的差异。
HBase基础API(6学时)
主要讲解HBase基础API的内容及特点；理解HBase基础API开发流程；掌握HBase新、旧二个版本下Put与Delete；理解原子性操作概述；理解Get方法相关理论知识；掌握常规操作：单行get、Result类、get列表（ListCell、RawCell）、错误列表、获取数据方法；掌握多版本的写法。
HBase高级API(5学时)
主要讲解Scan方法相关理论知识；掌握常规操作：指定行、ResultScanner类、按RowKey范围取、多版本；掌握新、旧二种版本的写法；理解过滤器相关理论知识；掌握常规操作：行、列、列名、值、分页过滤器。
综合应用(6学时)
主要讲解表设计相关理论知识；掌握表中列族的设计； 掌握表中RowKey设计；理解翻页原理。
hive入门(7学时)
主要讲解Hive产生的原因；理解HQL解析成MapReduce原理的工作流程；理解Hive体系结构；理解Hive应用场景；初步理解Hive与传统数据仓库的异同。
掌握Hive启动过程、表内容查看几种方式；掌握基本Hive命令操作知识；初步理解Java经过JDBC调用Hive的过程。
Hive环境搭建(4学时)
主要讲解Hive安装前的准备工作；理解Hive内嵌、独立、远程三种安装模式；熟练掌握Hive远程安装过程。
Hive管理(6学时)
主要讲解HiveQL数据类型及转换机制；理解Hive文本文件数据编码格式；初步了解表存储格式；熟练掌握Hive建表操作方法
熟练Java经过JDBC调用Hive过程；了解Hive的几中服务：Hive Shell、JDBC/ODBC、Thrift服务、Web接口。
HiveQL基本语法(3学时)
主要讲解存储格式；掌握创建表的语法；掌握导入数据、删除表、修改表的操作。
HiveQL查询(10学时)
主要讲解使用正则表达式来指定列；掌握列值计算、算数运算符的使用方法；掌握函数、Limit语句的使用方法；熟练列别名、嵌套Select句式；熟练CASE-When-Then句式；When语句。
熟练Group By语句用法；熟练内连接、左外连接、右外连接、半连接的用法；理解Map连接的用法。
掌握Order By、Sort By、Distribute By、Cluster By用法；掌握Union All语法。
高级应用(7学时)
主要讲解分区的原理和用法；掌握分桶的原理和用法；掌握视图的原理和用法；掌握索引的原理和用法。
Hive函数(3学时)
主要讲解Hive函数应用原因；掌握调用函数的应用过程；掌握标准函数的应用过程；掌握聚合函数的应用过程；掌握表生成函数的应用过程。
Hive自定义函数(4学时)
主要讲解编写UDF的基本语法过程；掌握编写UDAF的基本语法过程。
综合应用(16学时)
主要考核HiveQL基本应用；考核分区、分桶、视图、索引应用；考核函数，尤其是自定义函数的应用。
第四阶段 大数据高级进阶课程（207课时）
课程内容详解
简介及安装(16学时)
主要讲解Python简介、Python开发环境搭建；Python数据类型和运算符；Python条件语句
基础语法(16学时)
主要讲解Python for循环、while循环；break与continue；字符串的使用、元组的定义及使用。
函数与面向对象(16学时)
主要讲解Python中列表、元组、字典；函数的定义及使用；lambda匿名函数及应用；变量的作用域；参数的传递、类的定义、对象创建；面向对象的封装、继承、多态。
模块与IO(16学时)
主要讲解模块概念；模块用法；导入模块；IO模块的使用；日历模块的使用；异常的概念及处理。
正则表达式(16学时)
主要讲解正则表达式概念及应用场景；search和match方法；正则表达式的修饰符；正则表达式的模式；正则表达式的应用。
爬虫之分布式爬虫(21学时)
主要讲解redis简介；安装测试；多机测试；scrapy_redis；简单应用测试；多机协作的redis。
爬虫之反爬虫(14学时)
主要讲解反爬虫介绍；问题的分类；顺从的艺术；反爬虫策略；爬虫编写注意事项。
spark基础(7学时)
主要讲解Spark 概述；Spark 生态系统；与MapReduce比较；体系结构与工作原理；安装部署及测试；spark应用场景。
RDD&(21学时)
主要讲解Spark程序模型；Spark弹性数据集；RDD与共享式内存区别；Spark算子分类及功能；Spark 核心算子介绍:aggregate、aggregateByKey、cartesian。
Spark核心算子:coalesce, repartition，fullOuterJoin
、cogroup [Pair], groupWith [Pair]、combineByKey[Pair] ，count，countByKey [Pair]、countByValue，distinct，filter，filterWith &(deprecated)、flat Map，flatMapValues，flatMapWith，fold，foldByKey。
Spark核心算子：groupBy、groupByKey [Pair]、intersection、join [Pair]、keys [Pair]、values[Pair]、leftOuterJoin [Pair]、map、mapPartitions、mapPartitionsWithIndex、mapValues [Pair]、max、min、reduce、reduceByKey [Pair]、rightOuterJoin、sample、sortBy、sortByKey、sum 、take、top、zip、zipWithIndex；RDD特性、常见操作、缓存策略；RDD Dependency、Stage。
spark工作机制(7学时)
主要讲解Spark应用执行机制；Spark调度与任务分配模块；容错机制及共享变量和累加器；Lineage机制；Checkpoint机制；Shuffle机制；集成开发工具开发spark程序；web监控图讲解。
spark编程实战(7学时)
主要讲解编写wordcount程序；TopK；中位数；倒排索引；Countonce；倾斜连接等程序并经过web监控图进行查看。
spark SQL(7学时)
主要讲解Spark SQL概述；DataFrame及DataSet；SparkSession的使用；编程方式执行Spark SQL查询；sparkSQL 数据源之mysql；sparkSQL 数据源之hive；sparkSQL 数据源之json。
sparkSQL运行原理(7学时)
主要讲解Spark SQL组件、架构；DataFrame、SparkSQL运行原理；SparkSQL电商日常数据分析。
电商数据项目(14学时)
主要讲解python爬虫抓取数据；解析json数据；hive建表，数据填充；SparkSQL日常分析；数据的可视化展现。
SparkStreaming基础(7学时)
主要讲解Spark Streaming运行原理；DStream；DStream 常用函数；容错处理；与flume和kafka的集成。
SparkStreaming案例（百度统计的流式实事监控系统）(14学时)
主要讲解nginx日志文件，flume采集；kafka的应用；SparkStreaming 实时分析；结果写入Mysql数据库。
Spark MLlib(7学时)
主要讲解机器学习基本认识；分类算法、聚类算法；回归算法、决策树和随机森林；K近邻算法；贝叶斯决策论；EM算法。
综合应用(4学时)
主要对重要知识点串线。
实时计算介绍和Flume基础(1.5学时)
主要介绍实时计算与离线计算区别；实时技术应用；实时分析三种框架比较；实时分析技术架构。
Flume安装和相关概念(2学时)
主要讲解Flume安装，event介绍； Flume Agent内部原理； 配置Flume Agent。
source相关配置及测试 (3.5学时)
主要讲解source的生命周期；source的配置；常用的几种source的介绍以及应用；Flume拦截器。
channel相关配置及测试 (1.5学时)
主要讲解channle作用；channle事务性；channle的种类；channle配置；Channel选择器。
sink相关配置及测试(1.5学时)
主要讲解sink作用；sink的生命周期；常用的几个sink介绍；Sink组。
复杂数据流的应用(4学时)
主要讲解多source--单channle（Fan in flow）； 单source--多channle（Fan out flow）；agent—agent。
Kafka介绍(2学时)
主要讲解数据的传递方式；消息中间件的优势及作用；常用的消息中间件；kafka的相关概念。
Kafka安装(5学时)
主要讲解kafka相关概念：broker、topic、生产者和消费者；kafka集群类型；kafka集群启动步骤。
Kafka生产者和消费者(7学时)
主要讲解kafka分区机制（Partition）； kafka的副本数（replication）；Kafka生产者API和Kafka消费者API。
flume与kafka整合(7学时)
主要讲解flume与kafka整合：kafka source、Kafka Sink、Kafka Channel。
第五阶段 大数据综合实战项目课程（课时）
项目内容详解
高校学生大数据分析项目(学时)
高校学生大数据分析系统是依托于高校数据管理平台的高校学生行为分析系统。经过对海量学生行为数据的计算和分析，建设高校完整的高校招生、教学、就业、学生学习、生活、心理的完整数据仓库。经过对这些数据的分析，提升学校对学生的管理和服务，教学资源合理分配，招生就业等各方面的精细化服务程度，达到学生和教学管理工作的前瞻性、精准性和持续性要求。
互联网精准营销大数据分析项目(学时)
电信预购分析系统是依托于电信用户上网行为数据进行预购分析的系统。经过对电信用户的海量上网行为数据的匹配与分析，建立用户的精准画像，及购买行为预测。经过这些数据的分析，提升对用户的掌握，合理推荐业务提高电信业务扩展。经过预购分析对外提供精准营销的预测用户，有效提高营销成功率。
精准画像对用户进行全面的分析，主要方面：用户状况，用户分群，用户偏好等。经过分析掌握用户状况对业务超包及时提醒升档，对不同时间段提供闲忙不同业务。经过分群划分相同用户，对不同群组进行差别推荐。经过偏好推荐定制服务（游戏包，阅读包等）。经过更人性化的推荐，进而提升业务发展。
预购分析：对用户购买欲望、购买偏好等进行数据建模分析。经过基础分析及模型算法分析用户预购类别（购房，购车等），预购类型（购房：大户型，小户型，房屋位置等。购车：轿车，SUV，价格区间等。）。分析用户购买欲望是否强烈，是近期购买还是先期了解等。
目标，建立良好的用户画像综合体系，准确描绘用户行为。经过数据分析对内提高公司总体业绩；对外提供优质服务。
选择的人多自然是好机构
以上就是小编简单的介绍，希望对你有所帮助，还有更多关于大数据相关的讯息，欢迎咨询，惊喜多多，收获多多。
咨询老师：金老师
咨询电话：010-
咨询微信：
白天班/晚班/周末班
白天班/晚班/周末班
白天班/晚班/周末班
白天班/晚班/周末班
白天班/晚班/周末班
白天班/晚班/周末班
白天班/晚班/周末班
猜你感兴趣
相关学校推荐
[中华网考试]版权声明大数据培训课程哪个最好?_百度知道
大数据培训课程哪个最好?
我有更好的答案
我觉得魔据还可以的，你可以去实际考察一下，听听试听课之类的，大数据这个行业本身都差不太多，你不如多考虑一下就业率、师资等情况，应该对你更有帮助一些。
采纳率：100%
为您推荐：
其他类似问题
您可能关注的内容
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。拒绝访问 | www.vfast.com.cn | 百度云加速
请打开cookies.
此网站 (www.vfast.com.cn) 的管理员禁止了您的访问。原因是您的访问包含了非浏览器特征(3e6a2e13656a43bf-ua98).
重新安装浏览器，或使用别的浏览器大数据培训班_云计算大数据培训机构-尚学堂
尚学堂集团旗下品牌：
实战化教学领导品牌&&&&全国咨询热线：400-009-1906
全国24小时免费热线400-009-1906
错过2009年Android强势崛起，与高薪失之交臂
误判2012年iOS大火，与高薪迎面不相逢
2015年云计算大潮席卷全球IT行业，云计算人才千金难求
如果再次错失尚学堂云计算班，活该你拿不到高薪
201320142015
621亿元1098亿元1404亿元
已达可达将达
作为中国官方重点扶持的战略性新兴产业，云计算产业已逐步从
概念走向落地，“大数据，虚拟化，高并发”三大热门领域得到
了广泛关注和重视，90%企业都在用云计算。
内容覆盖最广要学-就要学全！别的培训机构学习大数据只是单纯的去学习Hadoop,而在尚学堂，你不但要深入学习Hadoop，你还要学习高并发，storm,spark,openstack,nosql等高新技术
真实实战项目要学-就要会用！我们的课程设计贴近企业使用需求，采用真实企业项目案例，在架构案例中，真正学会怎么去使用这些技术。
老师真实演练要学-就要学会！我们全套课程授课方式采用真实实战演练讲解，代码手把手传授，不是照着ppt念。保证学员打下坚实基础，进入企业迅速上手工作。
学员未毕业就拿到多份月薪过万offer，我们的学员就是这么任性！
http://www.zhaopin.com
http://www.liepin.com
http://www.liepin.com
http://www.liepin.com
http://www.zhaopin.com
http://www.zhaopin.com
姓名就业单位月薪地点毕业院校
杨*北京**星科技有限公司15000北京曲阜师范大学
王*北京**信息技术有限公司11000北京安阳工学院
刘**中科****方案事业部·16000北京佳木斯大学
栗**北京**软有限公司12000北京燕山大学
霍**中**有限公司事业部13000北京洛阳理工学院
于**北京**科技有限公司14000北京河北工程职业技术学院
李*北京中**科技信息有限公司16000北京山西大同大学
王**中***解决事业部13000北京廊坊燕京职业技术学校
高**中科***有限公司13000北京周口师范学院
常**中***解决事业部16000北京山西大同大学
佟*北京**软件有限公司13000北京秦皇岛职业技术学校
吴**北京联*软件有限公司15000北京西安航空学院
张*北京**软件有限公司14000北京天津农学院
张**北京**财产保险股份有限公司12000北京江南大学
李*****业信息技术有限公司13000北京河南理工大学
张**文**辉信息技术有限公司11000北京吉林建筑大学城建学院
路**北京**科技有限公司12000北京北京建筑大学
穆**西安**软件科技有限责任公司12000北京石家庄铁道大学
陈*龙道明易14000北京非应届
连**龙道明易13000北京非应届
张**"中**际15000北京非应届
王*中**华16000北京非应届
赵*北****26000北京非应届
李**"央**限公司14000北京非应届
庞*北京东**通事业部15000北京非应届
张*猎** 18000北京非应届
冯**"北京***有限公司15000北京非应届
刘*"央**有限公司12000北京非应届
王**招**公司13000北京非应届
谢**北京联**公司 13000北京非应届
李**"北京***有限公司13000北京非应届
吴**马****融 13000北京非应届
刘*智**技有限公司14000北京非应届
朱**加****12000北京非应届
祁**博**软14000北京非应届
刘**中*** 16000北京非应届
李**北京影****科技有限公司15000北京非应届
冯**天****12000北京非应届
毕**招****有限公司13000北京非应届
李*仁****通13000北京非应届
吴**北****博 14000北京非应届
赵**中国****信息中心14000北京非应届
贾**"亚****公司14000北京非应届
谭*****嘉科技16000北京非应届
刘**"****辉科技有限公司14000北京非应届
张*金******讯有限公司14000北京非应届
刘**公司保密20000北京非应届
师**公司保密12000北京大学应届生
严**公司保密14000上海大学应届生
刘**深圳****卡世纪15000深圳非应届
荣**公司保密16000北京非应届
杨**公司保密16000上海大学应届生
郭**炎黄新********科技有限公司15000北京大学应届生
房**中******国际14000北京大学应届生
纪**东华******件14000北京非应届
孙**中融****信13000北京大学应届生
刘**京****东15000北京非应届
刘**东****信16000上海非应届
梁**寻****药网16000北京大学应届生
赵**北京索为****统技术有限公司 15000北京非应届
候**电信****天翼16000北京大学应届生
肖**深圳彩易****网络技术有限公司14000深圳大学应届生
即买送******有限责任公司15000北京大学应届生
北京******博润科技 13000北京大学应届生
赵**天****大数据
13000北京非应届
蔡**北京集****聚合17000北京非应届
范**蓝汛******科技13000北京非应届
张** 中恒****格科技 16000北京大学应届
北京华夏威***软件科技有限公司13000北京大学应届
北京融***思惟科技发展有限公司14000北京非应届
由于就业同学在公司担任要职，属于隐私，部分信息隐藏。
第一阶段linux+搜索+hadoop体系
Linux基础& shell编程& 高并发架构& hadoop体系& HDFS& mapreduce& hbase& zookeeper& hive& lucene搜索& solr/solrcloud& elasticsearch分布式搜索& CM+CDH集群管理& impala& oozie& flume& sqoop& 项目实战一
第二阶段机器学习
R语言& mahout& 项目实战二
第三阶段storm流式计算
kafka& storm& redis& 项目实战三
第四阶段spark内存计算
scala编程& spark core& spark sql& spark streaming& spark mllib& spark graphx& 项目实战四& python机器学习& spark python编程& 项目实战五& 项目实战六
第五阶段云计算平台
docker& kvm& openstack云计算& 就业指导
第一阶段：linux+搜索+hadoop体系
这章是基础课程，帮大家进入大数据领域打好Linux基础，以便更好地学习Hadoop，hbase,NoSQL，Spark，Storm，docker,kvm,openstack等众多课程。因为企业中无一例外的是使用Linux来搭建或部署项目。
1) Linux的介绍，Linux的安装：VMware Workstation虚拟软件安装过程、CentOS虚拟机安装过程
2) 了解机架服务器，采用真实机架服务器部署linux
3) Linux的常用命令：常用命令的介绍、常用命令的使用和练习
4) Linux系统进程管理基本原理及相关管理工具如ps、pkill、top、htop等的使用；
5) Linux启动流程，运行级别详解，chkconfig详解
6) VI、VIM编辑器：VI、VIM编辑器的介绍、VI、VIM扥使用和常用快捷键
7) Linux用户和组账户管理：用户的管理、组管理
8) Linux磁盘管理，lvm逻辑卷，nfs详解
9) Linux系统文件权限管理：文件权限介绍、文件权限的操作
10) Linux的RPM软件包管理：RPM包的介绍、RPM安装、卸载等操作
11) yum命令，yum源搭建
12) Linux网络：Linux网络的介绍、Linux网络的配置和维护
13) Shell编程：Shell的介绍、Shell脚本的编写
14) Linux上常见软件的安装：安装JDK、安装Tomcat、安装mysql,web项目部署
高并发处理
通过本章的学习大家将会了解大数据的源头，数据从何而来，继而更好的了解大数据。并且通过学习何果处理大型网站高并发问题反向更深入的学习了Linux，同时站在了更高的角度去触探了架构。
1) 第四层负载均衡
&&&&a) Lvs负载均衡
&&&&&&&&i. 负载算法，NAT模式，直接路由模式（DR），隧道模式（TUN）
&&&&b) F5负载均衡器介绍
2) 第七层负载均衡
&&&&a) Nginx &&&&b) Apache
3) Tomcat、jvm优化提高并发量
4) 缓存优化
&&&&a) Java缓存框架
&&&&&&&&i. Oscache，ehcache
&&&&b) 缓存数据库
&&&&&&&&i. Redis，Memcached
5) Lvs+nginx+tomcat+redis|memcache构建二层负载均衡千万并发处理
6) Haproxy
7) Fastdfs小文件独立存储管理
8) Redis缓存系统
&&&&a) Redis基本使用 &&&&b) Redis sentinel高可用 &&&&c) Redis好友推荐算法
Lucene课程
在大数据里面文本数据的搜索是很重要的一块，特别是里面的分词技术，是后面机器学习里面文本挖掘的基石，我们需要深入学习java领域里面的搜索核心技术lucene，同时也可以了解到百度 google这样的搜索系统是怎么架构实现的。
1) Lucene介绍
2) Lucene 倒排索引原理
3) 建索引 IndexWriter
4) 搜索 IndexSearcher
6) Sort和 过滤 （filter）
7) 索引优化和高亮
接着前面lucene技术搜索，如果把lucene技术比如为发动机，那solr就是一两成型的汽车了。学习完solr可以帮助你在企业里面快速的架构搜索系统。首先Solr是基于Lucene做的，Lucene是一套信息检索工具包，但并不包含搜索引擎系统，它包含了索引结构、读写索引工具、相关性工具、排序等功能，因此在使用Lucene时你仍需要关注搜索引擎系统，例如数据获取、解析、分词等方面的东西。而Solr的目标是打造一款企业级的搜索引擎系统，因此它更接近于我们认识到的搜索引擎系统，它是一个搜索引擎服务，通过各种API可以让你的应用使用搜索服务，而不需要将搜索逻辑耦合在应用中。而且Solr可以根据配置文件定义数据解析的方式，更像是一个搜索框架，它也支持主从、热换库等操作。还添加了飘红、facet等搜索引擎常见功能的支持。
1) 什么是solr
2) 为什么工程中要使用solr
3) Solr的原理
4) 如何在tomcat中运行solr
5) 如何利用solr进行索引与搜索
6) solr的各种查询
7) solr的Filter
8) solr的排序
9) solr的高亮
10) solr的某个域统计
11) solr的范围统计
12) solrcloud集群搭建
离线计算大纲
一、初识hadoop 听过大数据，必听过hadoop，此部分带领大家了解hadoop的用途，在大数据中的用途，以及快速搭建一个hadoop的实验环境，在本过程中不仅将用到前面的Linux知识，而且会对hadoop的架构有深入的理解，并为你以后架构大数据项目打下坚实基础。
1) Hadoop生态环境介绍
2) Hadoop云计算中的位置和关系
3) 国内外Hadoop应用案例介绍
4) Hadoop 概念、版本、历史
5) Hadoop 核心组成介绍及hdfs、mapreduce 体系结构
6) Hadoop 的集群结构
7) Hadoop 伪分布的详细安装步骤
8) 通过命令行和浏览器观察hadoop
二、 HDFS体系结构和shell以及java操作 详细剖析HDFS，从知晓原理到开发网盘的项目让大家打好学习大数据的基础，大数据之于分布式，分布式学习从学习分布式文件系统（HDFS）开始。
1) HDFS底层工作原理
2) HDFS datanode,namenode详解
3) Hdfs shell
4) Hdfs java api
三、 详细讲解Mapreduce Mapreduce可以说是任何一家大数据公司都会用到的计算框架，也是每个大数据工程师应该熟练掌握的，此处的学习除了老师详细的讲解理论外，会通过大量的案例让大家彻底掌握。
1) Mapreduce四个阶段介绍
2) Writable
3) InputSplit和OutputSplit
4) Maptask
5) Shuffle：Sort，Partitioner，Group,Combiner
6) Reducer
四、 Mapreduce案例案例
1) 二次排序
2) 倒排序索引
3) 最优路径
4) 电信数据挖掘之-----移动轨迹预测分析（中国棱镜计划）
5) 社交好友推荐算法
6) 互联网精准广告推送 算法
7) 阿里巴巴天池大数据竞赛 《天猫推荐算法》案例
8) Mapreduce实战pagerank算法
五、 Hadoop2.x集群搭建 前面带领大家开发了大量的MapReduce程序，此部分将带来大家让开发的程序运行在分布式集群中，并且运行在健壮高可用的集群中。
1) Hadoop2.x集群结构体系介绍
2) Hadoop2.x集群搭建
3) NameNode的高可用性（HA）
4) HDFS Federation
5) ResourceManager 的高可用性（HA）
6) Hadoop集群常见问题和解决方法
7) Hadoop集群管理
分布式数据库
大数据中使用Hbase的案例多的举不胜举，也可凸显大家学习的必要性。即使工作多年的大数据工程师Hbase的优化也是需要好好学习的重点。
1) HBase定义
2) HBase与RDBMS的对比
3) 数据模型
4) 系统架构
5) HBase上的MapReduce
6) 表的设计
7) 集群的搭建过程讲解
8) 集群的监控
9) 集群的管理
10) HBase Shell以及演示
11) Hbase 树形表设计
12) Hbase 一对多 和 多对多 表设计
13) Hbase 微博 案例
14) Hbase 订单案例
15) Hbase表级优化
16) Hbase 写数据优化
17) Hbase 读数据优化
数据仓库Hive
Hive是使用sql进行计算的hadoop框架，工作中最常用到的部分，也是面试的重点，此部分大家将从方方面面来学习Hive的应用，任何细节都将给大家涉及到。
1) 数据仓库基础知识
2) Hive定义
3) Hive体系结构简介
4) Hive集群
5) 客户端简介
6) HiveQL定义
7) HiveQL与SQL的比较
8) 数据类型
9) 外部表和分区表
10) ddl与CLI客户端演示
11) dml与CLI客户端演示
12) select与CLI客户端演示
13) Operators 和 functions与CLI客户端演示
14) Hive server2 与jdbc
15) 用户自定义函数（UDF 和 UDAF）的开发与演示
16) Hive 优化
数据迁移工具Sqoop
sqoop适用于关系型数据库和HDFS分布式数据系统之间进行数据转换，在企业中，是构建数据仓库的一大工具。
1) 介绍 和 配置Sqoop
2) Sqoop shell使用
3) Sqoop-import
&&&&a) DBMS-hdfs &&&&b) DBMS-hive &&&&c) DBMS-hbase
4) Sqoop-export
Flume分布式
Flume最早是Cloudera提供的日志收集系统，目前是Apache下的一个孵化项目，Flume支持在日志系统中定制各类数据发送方，用于收集数据。大家学习完此节后不但可以掌握Flume的使用，而且可以进行对于Flume的开发。
1) flume简介-基础知识
2) flume安装与测试
3) flume部署方式
4) flume source相关配置及测试
5) flume sink相关配置及测试
6) flume selector 相关配置与案例分析
7) flume Sink Processors相关配置和案例分析
8) flume Interceptors相关配置和案例分析
9) flume AVRO Client开发
10) flume 和kafka 的整合
Zookeeper在分布式集群（Hadoop生态圈）中的地位越来越突出，对分布式应用的开发也提供了极大便利，这也是这里我们带领大家深入学习 Zookeeper的原因。本课程主要内容包括Zookeeper深入、客户端开发（Java编程，案例开发）、日常运维、Web界面监控。大家这里学好Zookeeper，对后面学习其他技术至关重要。
1) Zookeeper java api开发
2) Zookeeper rmi高可用分布式集群开发
3) Zookeeper redis高可用监控实现
4) Netty 异步io通信框架
5) Zookeeper实现netty分布式架构的高可用
某大型电商日志分析和订单管理 在实战中学习，技术点非常多，怎么样实际运用这些点是我们在自学过程中体验不到的。电商日志分析包括：pv、uv，跳出率，二跳率、广告转化率、搜索引擎优化等，订单模块有：产品推荐，商家排名，历史订单查询，订单报表统计等。
项目技术架构体系：
a) Web项目和云计算项目的整合
b) Flume通过avro实时收集web项目中的日志
c) 数据的ETL
d) Hive 批量 sql执行
e) Hive 自定义函数
f) Hive和hbase整合。
g) Hbase 数据支持 sql查询分析
h) Mapreduce数据挖掘
i) Hbase dao处理
j) Sqoop 在项目中的使用。
k) Mapreduce 定时调用和监控
第二阶段：机器学习
R本身是一款十分优秀的数据分析和数据可视化软件，同时作为第一代机器学习的工具，其中包括大量用于机器学习的添加包。此部分带领大家学习R语言更是带领大家进入机器学习的领域，机器学习算法为主线的同时，通过案例学习将会让大家对内容脉络掌握的更加清晰。
1) R语言介绍，基本函数，数据类型
2) 线性回归
3) 朴素贝叶斯聚类
4) 决策树分类
5) k均值聚类&&&&a) 离群点检测
6) 关联规则探索
7) 神经网络
Mahout提供一些可扩展的机器学习领域经典算法的实现，很多公司会使用Mahout方便快捷地创建智能应用程序。Mahout包含许多实现，包括聚类、分类、推荐过滤、频繁子项挖掘。Mahout通过使用 Apache Hadoop，可以有效地扩展到云中。被业界奉为第二代机器学习工具。此部分过后大家不仅会学习到mahout的组件而且会有项目让大家真正把它应用到工作中。
1) 介绍为什么使用它,它的前景
&&&&a) 简单介绍Mahout &&&&b) 简单介绍机器学习 &&&&c) 实例演示Mahout单机推荐程序
2) 配置安装（hadoop2.x版本的）编译安装步骤说明
&&&&a) 命令行中测试运行协同过滤概念
&&&&a) 讲解基于用户的协同过滤 &&&&b) 讲解基于物品的协同过滤
&&&&a) 分类概念 &&&&b) 分类的应用及Mahout分类优势 &&&&c) 分类和聚类、推荐的区别 &&&&d) 分类工作原理
&&&&e) 分类中概念术语 &&&&f) 分类项目工作流 &&&&g) 如何定义预测变量 &&&&h) 线性分类器的介绍，及贝叶斯分类器
&&&&i) 决策树分类器的介绍，及随机森林分类器 &&&&j) 如何使用贝叶斯分类器和随机森林分类器的代码展示
&&&&a) 聚类概念 &&&&b) 聚类步骤流程 &&&&c) 聚类中的距离测度 &&&&d) 讲解K-means聚类 &&&&e) K-means聚类算法展示
&&&&f) 聚类其他算法 &&&&g) 介绍TF-IDF &&&&h) 归一化 &&&&i) 微博聚类案例
微博营销数据挖掘项目 使用数据来自微博平台，项目目标通过机器学习所学知识挖掘目标客户群体，找到代言人进行微博营销广告投放。
项目技术架构体系：
a) 分布式平台 Hadoop，MapReduce
b) 数据采集 Flume
c) 数据清洗 ETL
d) 数据库 Hbase，Redis
e) 机器学习 Mahout
第三阶段：storm流式计算
系统课程大纲
1) redis特点、与其他数据库的比较
2) 如何安装redis
3) 如何使用命令行客户端
4) redis的字符串类型
5) redis的散列类型
6) redis的列表类型
7) redis的集合类型
8) 如何使用java访问redis【a.python访问redis,scala访问redis】
9) redis的事务(transaction)
10) redis的管道(pipeline)
11) redis持久化(AOF+RDB)
12) redis优化
13) redis的主从复制
14) redis的sentinel高可用
15) twemproxy,codis实战
16) redis3.x集群安装配置
Kafka是当下流行的队列，可以说是从数据采集到大数据计算承上启下的重要环节，大家在此部分将会详细学习它的架构，kafka在大家大数据的项目中几乎都会涉及到。
1) kafka是什么
2) kafka体系结构
3) kafka配置详解
4) kafka的安装
5) kafka的存储策略
6) kafka分区特点
7) kafka的发布与订阅
8) zookeeper协调管理
9) java编程操作kafka
10) scala编程操作kafka
11) flume 和kafka 的整合
12) Kafka 和storm 的整合
实时数据处理
本部分学习过后，大家将全面掌握Storm内部机制和原理，通过大量项目实战，让大家拥有完整项目开发思路和架构设计，掌握从数据采集到实时计算到数据存储再到前台展示，所有工作一个人搞定！譬如可以一个人搞定淘宝双11大屏幕项目！不光从项目的开发的层次去实现，并可以从架构的层次站在架构师的角度去完成一个项目。
项目技术架构体系：
1) Storm的基本概念
2) Storm的应用场景
3) Storm和Hadoop的对比
4) Storm集群的安装的linux环境准备
5) zookeeper集群搭建
6) Storm集群搭建
7) Storm配置文件配置项讲解
8) 集群搭建常见问题解决
9) Storm常用组件和编程API：Topology、 Spout、Bolt
10) Storm分组策略(stream groupings)
11) 使用Strom开发一个WordCount例子
12) Storm程序本地模式debug、Storm程序远程debug
13) Storm事物处理
14) Storm消息可靠性及容错原理
15) Storm结合消息队列Kafka：消息队列基本概念(Producer、Consumer、Topic、Broker等)、消息队列Kafka使用场景、Storm结合Kafka编程API
16) Storm Trident概念
17) Trident state 原理
18) Trident开发实例
19) Storm DRPC(分布式远程调用)介绍
20) Storm DRPC实战讲解
21) Storm和Hadoop 2.x的整合：Storm on Yarn
Storm开发实战： Kafka+Storm+Hbase+redis项目实战，以及多个案例
中国移动基站保障平台 一个市级移动公司，每天的产生海量话务数据（一线城市更高），通过大数实时分析，监控每个基站的掉话率，基站通话总数，基站掉话总数，基站告警，3g/4g上网流量实时监控。对以上维度进行实时分析以达到对基站工作情况的监控。
项目技术架构体系：
Storm+hbase+kafka+flume+echarts
a) flume实时采集日志
b) kafka缓冲队列
c) storm实时处理
d) Hbase dao存储处理结果
e) 前端Web实时展示报表
第四阶段：spark内存计算
Python课程
Python语言的部分大家在学习后可以完全掌握Python的精髓，并通过这部分的学习给大家打好一个基础，在其他计算框架中多语言的使用上都会涉及到Python这门流行的语言。同时课程里会通过机器学习的案例让大家学习Python的同时去更好的理解机器学习。
1) 介绍Python以及特点
2) Python的安装
3) Python基本操作（注释、逻辑、字符串使用等）
4) Python数据结构（元组、列表、字典）
5) 使用Python进行批量重命名小例子
6) Python常见内建函数
7) 更多Python函数及使用常见技巧
9) Python函数的参数讲解
10) Python模块的导入
11) Python中的类与继承
12) 网络爬虫案例
13) 数据库连接，以及pip安装模块
14) Mongodb基础入门
15) 讲解如何连接mongodb
16) Python的机器学习案例
在此部分内，将更注重scala的各种语言规则与简单直接的应用，而不在于其是如何具体实现，通过学习本课程能具备初步的Scala语言实际编程能力。本部分课程也可以视为大家下面学习Spark课程的铺垫，供大家扫盲熟悉Scala，提前进行热身运动。
1) scala解释器、变量、常用数据类型等
2) scala的条件表达式、输入输出、循环等控制结构
3) scala的函数、默认参数、变长参数等
4) scala的数组、变长数组、多维数组等
5) scala的映射、元组等操作
6) scala的类，包括bean属性、辅助构造器、主构造器等
7) scala的对象、单例对象、伴生对象、扩展类、apply方法等
8) scala的包、引入、继承等概念
9) scala的特质
10) scala的操作符
11) scala的高阶函数
12) scala的集合
13) scala数据库连接
大数据处理
本部分内容全面涵盖了Spark生态系统的概述及其编程模型，深入内核的研究，Spark on Yarn,Spark Streaming流式计算原理与实践，Spark SQL,Spark的多语言编程以及SparkR的原理和运行。不仅面向项目开发人员，甚至对于研究Spark的学员，此部分都是非常有学习指引意义的课程。
1) Spark介绍
2) Spark应用场景
3) Spark和Hadoop MR、Storm的比较和优势
5) Transformation
7) Spark计算PageRank
8) Lineage
9) Spark模型简介
10) Spark缓存策略和容错处理
11) 宽依赖与窄依赖
12) Spark配置讲解
13) Spark集群搭建
14) 集群搭建常见问题解决
15) Spark原理核心组件和常用RDD
16) 数据本地性
17) 任务调度
18) DAGScheduler
19) TaskScheduler
20) Spark源码解读
21) 性能调优
22) Spark和Hadoop2.x整合：Spark on Yarn原理
Spark Streaming
1) Spark Streaming：数据源和DStream
2) 无状态transformation与有状态transformation
3) Streaming Window的操作
4) sparksql 编程实战
5) spark的多语言操作
6) spark最新版本的新特性
Spark MLlib
前面课程大家已经掌握第一代机器学习工具R，而后又学习了第二代机器学习工具Mahout，这里大家将会学习第三代机器学习工具MLlib，大家不仅将会了解MLlib的组件及其调用，而且会通过Spark的项目深入了解MLlib的现实使用。通过此部分大家也可以看出课程不仅着眼于现在，更是着眼于大家的未来在行业中的发展。
&&&&a) Spark MLlib组件介绍 &&&&b) 基本数据类型
2) 回归算法
&&&&c) 广义线性模型 &&&&d) 逻辑回归
3) 分类算法
&&&&e) 朴素贝叶斯 &&&&f) 决策树 &&&&g) 随机森林
4) 第四章 推荐系统
5) 第五章 聚类
&&&&h) Kmeans &&&&i) Sparse kmeans &&&&j) Kmeans++ &&&&k) Kmeans II
&&&&l) Streaming kmeans &&&&m) Gaussian Mixture Model
Spark GraphX
e) PageRank
智慧城市大数据分析项目 城市中每时每刻都会产生海量数据，应用数据挖掘、机器学习和可视化技术，分析出的数据可以改进城市规划，缓解交通拥堵，抓捕罪犯。项目会使用真实的数据。 涉及到所学知识如下：
项目技术架构体系：
a) 实时流处理 Kafka，Spark Streaming
b) 分布式运算 Hadoop，Spark
c) 数据库 Hbase，Redis
d) 机器学习 Spark Mllib
e) 前台web展示数据 Struts2，echart
手机软件推荐系统项目 使用数据来自某互联网平台手机助手，项目目标通过机器学习所学知识挖掘平台手机用户喜好，给用户准确推荐手机软件，类似360手机助手、华为手机助手、百度手机助手推荐功能。
项目技术架构体系：
a) 分布式平台 Hadoop，Spark
b) 数据清洗 Hive
c) 数据分析 R RStudio
d) 推荐服务 Dubbox
e) 规则过滤 Drools
f) 机器学习 MLlib
网络流量异常检测项目 项目目标通过机器学习所学知识检测出异常，包括检测欺诈，网络攻击，服务器传感器故障灯（本项目用户现在热门的电商网站的流量分析检测，比如京东，天猫，淘宝等）。项目功能应用于各大互联网平台中，各大互联网平台均需要网络安全予以重视和预防以及检测。
项目技术架构体系：
a) 数据存储 Hadoop
b) 数据准备 Spark
c) 数据分析 R RStudio
d) 机器学习 MLlib
e) 数据评价及调参
第五阶段：云计算平台
Docker 课程
Docker 是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的容器中，然后发布到任何流行的 Linux 机器上，也可以实现虚拟化。容器是完全使用沙箱机制，相互之间不会有任何接口（类似 iPhone 的 app）。几乎没有性能开销,可以很容易地在机器和数据中心中运行。最重要的是,他们不依赖于任何语言、框架包括系统。
1) 基本介绍
2) vm docker 对比
3) docker基本架构介绍
4) unfs cgroup namespace
5) 进程虚拟化 轻量级虚拟化
6) docker 安装
7) docker 镜像制作
8) docker 常用命令
9) docker 镜像迁移
10) docker pipework【i.openvswitch】
11) docker weave
云计算平台，比如openstack，cloudstack 底层采用的技术都是虚拟化方案，现在以kvm市场占有率最高，我们要深入的去学习这些原生的虚拟化，才能深入了解和架构openstack这样的云计算的平台，也才更有能力去开发自己的云计算平台。
1) 虚拟化介绍，虚拟化适用场景等等
2) Qemu Libvirt & KVM
3) 安装KVM, Qemu, Libvirt
4) QEMU-KVM: 安装第一个能上网的虚拟机
5) Kvm虚拟机 nat,网桥基本原理
6) kvm虚拟机克隆
7) kvm虚拟机vnc配置
8) kvm虚拟机扩展磁盘空间
9) Kvm快照
10) Kvm 迁移
11) Java,python,c语言编程控制kvm
12) 构建自己的虚拟云平台
云平台OpenStack
在实战中学习，课程绝不纸上谈兵，通过搭建和调试一个真实的openstack平台，深入浅出， 详细讲解openstack的各个组成模块：keystone, glance, nova, cinder, neutron, horizen。课程中遇到的各种实际问题，不仅演示了如何解决，更是要教会大家学会去找到解决问题的方法。难点问题全面讲解。在云计算的各种技术当中，网络部分是最难，也是最复杂多样的。课程中针对虚拟网络进行了详细的讲解，包括基本原理，以及实际环境搭建，问题的跟踪和解决。讲师拥有丰富的移动集团工作经验，负责云平台的各方面工作，讲课内容完全贴近企业需求。
1) openstack介绍和模块基本原理分析
2) openstack多节点安装部署【a.采用centos6.x系统】
3) Keystone基本原理
7) Neutron
8) Openstack api 二次开发
尚学堂订阅号
尚学堂服务号
北京海淀区校区（总部）：北京市海淀区西三旗桥东建材城西路85号神州科技园B座尚学堂
北京京南校区：北京亦庄经济开发区科创十四街6号院1号楼 赛蒂国际工业园
咨询电话：400-009-1906 / 010-
面授课程：
上海尚学堂松江校区地址：上海市松江区荣乐东路2369弄45号绿地伯顿大厦2层
咨询电话：021-
面授课程：
广州校区地址：广州市天河区元岗横路31号慧通产业广场B区B1栋6楼尚学堂（地铁3号线或6号线到“天河客运站”D出口，右拐直走约800米）
咨询电话：020- /
面授课程：
深圳校区地址：深圳市宝安区航城街道航城大道航城创新创业园A4栋210（固戍地铁站C出口）
咨询电话：5 /
面授课程：
长沙学区地址：长沙市岳麓区麓源路湖南电子商务基地5楼(公交车站：六沟垅)
咨询电话：1
面授课程：
四川学区地址：成都市高新区锦晖西一街99号布鲁明顿大厦2栋1003室
咨询电话：028- /
面授课程：
武汉学区地址：湖北省武汉市江夏区江夏大道26号 宏信悦谷创业园4楼
咨询电话：027-
面授课程：
郑州学区地址：金水区东风路经三路北100米注协大厦10楼
咨询电话：6
面授课程：
山西学区地址：山西省晋中市榆次区大学城大学生活广场万科商业A1座702
咨询电话：&/&
面授课程：
呼和浩特学区地址：内蒙古呼和浩特市赛罕区鄂尔多斯大街学府花园文体馆
咨询电话：400-009-1906
面授课程：