上海大数据工程师就业实训班-上海交大教育集团IT研究院-【学费，地址，点评，电话查询】-好学校

课程详情
开班信息
校区地址
学校相册
学员点评（5）
学校问答
读书保障

手机预订再优惠5元

微信关注好学校
报读课程额外再返现5元

预约免费试听

微信扫码有优惠

随时随地与老师微信互动

上海大数据工程师就业实训班

【课程大纲】

第一阶段: 数据思维与企业级 SQL 基础

课程内容	课程大纲
企业级数据库与数据认知	（1）Oracle 数据库的特点与应用场景（2）数据库、数据表、字段、主键、外键、约束等基础概念（3）业务系统中的数据组织方式与典型表结构示例（4）客户端工具的连接与基本操作，理解企业日常如何使用数据库
SQL 基础语法与单表查询	（1）SQL 语言分类：DDL、DML、DCL、DQL （2）SELECT 语句基本结构与编写规范（3）WHERE 条件过滤与常见运算符（比较、逻辑、模糊匹配等）（4）ORDER BY 排序与分页查询（5）常用函数：字符串函数、日期时间函数、数值函数等
数据库对象与数据管理	（1）视图 VIEW 的概念、创建与使用场景（2）索引 INDEX 的作用与基本创建方式（3）同义词、序列等常用数据库对象简介（4）数据完整性与约束管理（唯一性约束、外键约束等）（5）事务概念、提交与回滚，常见数据安全与误操作恢复思路
综合实战：企业业务数据分析	（1）给定订单、客户、商品等多张业务表，完成需求分析与字段梳理（2）编写多表关联 SQL，计算核心业务指标（如客单价、转化率等）（3）完成一份「业务分析 SQL 脚本 + 结果说明」的综合小项目（4）课堂讲评与代码优化，提升 SQL 规范与执行效率意识

第二阶段: PL/SQL 工程化开发与数据库编程

课程内容	课程大纲
PL/SQL 编程基础与程序结构	（1）PL/SQL 与标准 SQL 的关系及应用场景（2）PL/SQL 程序块结构：声明部分、执行部分、异常处理部分（3）变量与常量定义、数据类型、记录类型（4）赋值语句、输入输出语句及基本书写规范
流程控制与异常处理机制	（1）分支控制：IF / ELSIF / CASE 语句（2）循环结构：LOOP、WHILE、FOR 循环（3）内置异常与用户自定义异常（4）异常捕获与处理策略，常见错误场景及规避方法
综合实战：数据库业务逻辑模块开发	（1）根据真实业务案例（如订单、库存、会员积分等）分析业务规则（2）设计并创建相关表结构与约束（3）使用 PL/SQL 编写存储过程、函数、触发器，实现完整业务流程（4）结合游标与异常处理，完成批量任务脚本（5）输出「数据库逻辑模块 + 说明文档」，形成阶段性项目成果

第三阶段: Linux 运维与大数据工程环境

课程内容	课程大纲
Linux 基础与环境认知	（1）Linux 系统在大数据平台中的角色与优势（2）常见 Linux 发行版与服务器常用部署方式（3）命令行环境与图形界面的区别，远程登录工具简介（XShell 等）
文件系统与常用命令	（1）Linux 目录结构与常见系统目录含义（2）文件与目录的查看、新建、复制、移动、删除等常用操作命令（3）查看文件内容（cat、more、less、head、tail 等）（4）查找与定位文件（find、grep 等）
用户、权限与基础运维	（1）用户与用户组的基本概念（2）文件权限位（rwx）含义与 chmod/chown 等权限管理（3）常见进程查看与简单控制（ps、top、kill 等）（4）磁盘空间、系统资源的基础查看命令
Shell 脚本入门与开发实践	（1）Shell 脚本的基本结构与执行方式（2）变量、简单判断与循环语句的编写（3）将常用的一组命令封装为脚本，提高日常操作效率（4）结合后续大数据学习场景，编写用于日志清理、目录初始化等的小脚本示例

第四阶段: Hadoop 生态与分布式数据平台

课程内容	课程大纲
Hadoop 大数据生态概览	（1）Hadoop 在大数据体系中的定位与发展背景（2）Hadoop 三大核心组件：HDFS、Yarn、MapReduce （3）Hadoop 与传统单机处理方式的对比与优势（4）典型企业级大数据平台架构示意与组件说明
分布式文件系统 HDFS	（1）HDFS 的基本概念：块（Block）、副本（Replica）、NameNode、DataNode 等（2）数据写入与读取流程，理解“数据切分 + 多副本”的安全机制（3）HDFS 常用命令：上传、下载、浏览、删除、权限管理等（4）HDFS 适合与不适合存储的数据类型与业务场景
Yarn 资源管理与作业调度	（1）Yarn 的角色与整体架构：ResourceManager、NodeManager 等（2）应用程序在 Yarn 上的运行流程（3）队列与资源分配的基本概念（4）常见作业状态查看与简单问题排查思路
MapReduce 计算模型认知	（1）MapReduce 的编程模型：Map 阶段与 Reduce 阶段的职责（2）Shuffle 过程的意义与基本机制（3）理解“大任务拆小、分而治之”的分布式计算思想（4）典型统计类任务在 MapReduce 框架下的执行过程示例
Hadoop 集群使用与实践	（1）从客户端提交任务到集群执行的完整流程认知（2）结合日志/业务数据，完成简单的离线统计作业演示（3）HDFS + Yarn + MapReduce 的协同工作方式梳理（4）为后续 Hive、Spark 等组件在 Hadoop 之上的运行做好知识铺垫

第五阶段: Hive 数仓建模与离线分析实战

课程内容	课程大纲
Hive 基础与数仓概念认知	（1）Hive 在 Hadoop 生态中的角色，与传统数据库的区别和联系（2）Hive 架构：Driver、Metastore、执行引擎等核心组件（3）数据仓库与事务型数据库的区别，OLTP vs OLAP （4）数仓分层理念：ODS、DWD、DWS、ADS 等基本概念
Hive 表设计与数据导入	（1）Hive 常用数据类型与行格式、存储格式（TextFile、ORC、Parquet 等）（2）内部表、外部表、分区表、分桶表等表类型与适用场景（3）建表（CREATE TABLE）与表结构变更（ALTER TABLE）语法（4）从本地文件、HDFS、其他系统导入数据的多种方式（5）结合业务案例，完成分区策略与表结构设计
Hive SQL 查询与多维分析	（1）HiveQL 基础查询语法与函数使用（2）GROUP BY 分组统计、多维聚合与过滤（HAVING）（3）多表 Join：等值连接、左/右/全连接、半连接与反连接等（4）窗口函数在 Hive 中的使用场景（如涉及：排名、环比、同比等）（5）典型离线分析场景：用户行为分析、订单分析、渠道效果分析等
分区、分桶与性能优化	（1）分区表在大数据场景中的优势与合理设计方法（2）静态分区与动态分区的差异与使用方法（3）分桶表的概念及在抽样、Join 优化等场景中的应用（4）合理使用 WHERE 条件、分区裁剪、列裁剪等优化查询（5）常见 Hive 作业性能问题分析思路和排查方向
Hive 数仓建模与主题分析实战	（1）选择一个典型业务主题（如电商订单、运营指标、日志分析等）进行需求拆解（2）根据业务需求设计数仓分层表结构与字段说明（3）基于 Hive 编写完整的 ETL 脚本：数据清洗、维度建模、宽表构建等（4）产出主题分析的结果表，配合 SQL 统计核心业务指标（5）输出「Hive 数仓建模方案 + 主题分析 SQL」，形成可对外展示的项目成果

第六阶段: 数据集成 ETL 与 BI 可视化决策

课程内容	课程大纲
ETL 与数据集成基础认知	（1）ETL 概念：抽取 Extract、转换 Transform、加载 Load 的完整流程（2）源系统、ODS、数仓、中间层、报表层之间的关系（3）典型数据集成架构：从业务库到数仓、从数仓到分析系统（4）全量同步、增量同步、定时同步的基础概念与适用场景
Kettle 图形化 ETL 实战	（1）Kettle 工具介绍与环境安装（2）常用组件与图形化操作界面讲解（转换、作业、步骤、 hops 等）（3）多种数据源配置：关系型数据库、文本文件、Excel、CSV 等（4）数据抽取、清洗、转换、聚合、加载的流程设计（5）利用 Kettle 将业务数据库数据导入到数仓或 Hive/HDFS
Sqoop 数据同步与迁移	（1）Sqoop 工具的定位与常见使用场景（2）从关系型数据库导入数据到 HDFS/Hive/HBase 的基础命令（3）从 HDFS/Hive 导出数据到关系型数据库的操作流程（4）全量导入与增量导入（基于时间戳 / 自增ID）策略设计（5）Kettle + Sqoop 配合使用，实现多源数据集成与同步
FineReport 报表平台基础	（1）FineReport 的特点与在企业中的定位（2）搭建 FineReport 环境，完成与数据库/数据仓库的连接配置（3）数据集 DataSet 的创建与参数设置（4）报表模板的基本结构与常用控件介绍
报表设计与数据可视化实践	（1）常规明细报表、汇总报表的设计与制作（2）图表组件：折线图、柱状图、饼图、仪表盘等的配置与美化（3）多维交互分析报表：下钻、联动、筛选等交互设计（4）报表发布、权限控制与多终端（PC/移动端）展示（5）结合数仓输出表，完成运营/销售/管理驾驶舱等典型业务报表
综合实战：从数据仓库到决策报表	（1）基于前期搭建的 Hive 数仓/主题数据，梳理业务方数据需求（2）使用 Kettle / Sqoop 搭建数据抽取与加载流程，形成稳定 ETL 作业（3）在 FineReport 中设计一套可交付的业务报表或数据看板（4）输出《数据集成方案 + 报表说明文档》，形成可对外展示的成果

第七阶段: 大数据综合项目实战与就业加速营

课程内容	课程大纲
项目需求分析与方案设计	（1）讲解典型企业大数据项目背景（如电商运营、用户行为分析、风控监控等）（2）梳理业务目标、数据来源、指标口径与约束条件（3）输出《需求文档》《数据口径定义》《技术方案草案》（4）划分项目角色与任务（数据采集、数仓建模、ETL、报表等），模拟企业项目分工
项目打磨与结项汇报	（1）梳理项目背景、目标、技术架构与实现过程（2）规范整理项目文档：架构图、流程图、表结构说明、指标口径说明等（3）进行项目路演演练：讲清“问题-方案-结果-价值”四要素（4）老师与同学评审反馈，针对性优化技术点与表达方式
就业指导与简历项目包装	（1）大数据工程师 / 数据分析师 / 数仓工程师等岗位 JD 拆解（2）根据个人背景与课程经历，制定差异化求职定位与路线（3）简历结构优化：经历排序、要点提炼、量化成果与项目亮点表达（4）将综合项目写入简历：从“课程作业”升级为“可对 HR / 技术面讲清的项目”
面试专项训练与就业测试	（1）大数据岗位高频面试题梳理：SQL、数据库、Hive、ETL、报表相关知识点（2）模拟 HR 面试：职业规划、离职原因、项目角色与团队协作等（3）模拟技术面试：现场写 SQL / 设计表结构 / 讲解项目架构等实战演练（4）阶段性就业测试：笔试 + 面试综合测评，定位当前水平与改进方向

【项目优势】

配置大数据实训所需的集群环境和算力资源，为每位学员配备独立或共享的大数据开发与测试环境，真实还原企业级数据平台；

线下学习结合企业真实业务项目，学员在实战中完成数据采集、清洗、建模与报表开发，直接对接真实业务问题，有助于理解技术在工作中的应用，这种项目经验对提升问题解决能力至关重要；

紧跟行业与技术发展趋势，课程内容覆盖当前主流的大数据技术栈与岗位技能要求，确保学员知识体系不过时，在求职阶段具备明显的技术匹配度与竞争优势；

我们的课程特别设计了一系列实操环节，确保学员不仅理论学习，更能亲自动手实践，深刻理解技术的来源与应用原理。通过这样的深度体验，学员将大幅提升技术的实际运用能力，增强自身竞争力。

【适合人群】

硬性要求：24年及以前毕业的全日制本科生，专业不限，小于32周岁（符合以下情况可酌情放宽要求）

专业优势：计算机、软件工程、信息管理、数学、统计学、电子信息等相关专业的本科及硕士人群，希望以大数据技术作为未来核心职业方向，提前构建工程化实践能力。

行业优势：已从事数据运营、风控、用户增长、业务分析、产品运营等岗位，希望系统提升大数据分析与数据建模能力，向大数据工程师、数据分析师或 BI 分析岗位转型的人群。

兴趣优势：希望进入大数据 / 数据分析领域的转行人士，对数据敏感、具备一定学习投入度。

【师资介绍】

吕老师

江西赣州人，毕业于南昌大学

2018-2019年，Java开发工程师

2019年-2021年，大数据开发工程师

2021至今从事大数据讲师

数据库讲师熟练掌握Java编程语言，有多年的编程开发和大数据开发经验，多年大数据教学经验

吴老师

阿里云大数据ACP认证

星环认证大数据工程师

监管大数据仓库数据建设技术与服务：中证数据负责存量与增量数据入库、接口开发与维护、Dataworks节点开发、接口巡检与维护、数据预处理等工作。

New_Energy数据开发：正泰集团研发中心负责后端组大数据开发，参与技术选型与平台构建、数据处理与服务、需求分析及调研、技术迭代与优化等工作。

刘老师

2014年毕业于许昌学院计算机专业

2014从事java开发工程师

2017-2021从事大数据开发工程师

2021至今从事大数据讲师- 精通Oracle，MySQL数据库开发

熟悉java语言和Python大数据开发

【就业优势】

随着数字经济的快速发展，企业在业务运营、用户增长、风控管理等各个环节，对数据的依赖程度与日俱增。海量数据的产生与积累，使得大数据平台搭建、数据分析与数据治理成为企业核心竞争力之一，也带来了与之匹配的大量大数据工程师、数据分析师和数据仓库人才需求。我们与众多知名企业有战略合作关系，能够提供充足的就业推荐资源。相信同学们会在大数据行业博得一席之地，顺应技术的发展，成为未来人才市场上的中流砥柱。

【机构简介】

上海交大教育集团IT研究院是一家以IT信息化服务为优势的企业服务商，专注于IT互联网和人工智能培训产品研发和相关领域的咨询;总部设在上海。业务职能主要聚焦在IT技术领域内的学术研究、行业研究、活动交流和人才培养等方面;重点开展IT技术领域基础与核心技术研发、关键与共性技术应用、成果转化与人才培养等工作。