开源工程师培训

主要学习office办公自动化，HTML+css3，JavaScript，C语言程序设计，Linux服务器配置与应用，MySQL数据库管理的应用等。

国内目前在做代码开源的网校系统，应该只有一个edusoho。从技术上来说，开源的网校系统自然是比较好的，它的搭建门槛低，对于初期的在线教育玩家比较友好，而且因为用户量大，它的系统漏洞会被很快修复，所以在产品的需求反馈上也比较及时。因为我们是做消费工程师培训的，对二次开发的要求比较高，所以我们用的也是edusoho的开源网校系统。这是开源的另一个优点，能更好地研发具有针对性的教学工具，辅助教学。所以你如果也要选择开源的网校系统，那估计只有edusoho能满足你的要求了，从使用上来说，edusoho也的确符合它开源的水准。

到赤峰市开源IT软件工程师学校，可以将您培养成软件工程师的具体课程安排如下：开源IT学校第一阶段课程内容序号 课程名称 主要内容 参考资料 课时① 编成基础 计算机硬件，软件简介，可视化编成 20课时② Java基础 面向对象编程，JAVA开发环境，JAVA语法，异常处理，集合框架，数据结构，I/O输入输出流,JDBC，线程，jdk新特性。 Java就业培训教程.pdf 80课时③ XHTML HTML完全手册.chm 20课时④ Javascript+css 客户端脚本语言 jscript中文参考手册. 20课时 开发工具 MYECLIPSE插件，TOMCAT,ANT, Websphere, resin ⑤ JSP动态网站 servlet ,JSP运行原理，JSP语法，HTTP协议，JSP内置对象，COOKIE，JDBC。案例：（购物车，聊天室程序，通讯录，留言板）。 80课时⑥ JSTL标签库 JSTL标签库，自定义标签库。 20课时⑦ B/S软件架构 JSP+Servlet+JavaBean+JDBC(MVC架构) 20课时⑧ 数据库原理 数据库系统简介，数据库原理 数据库操作,sql语句,范式,关系，约束，存储过程，触发器，事务。 20课时⑨ 软件工程( 组件化) 软件需求分析，软件数据建模，软件架构设计，软件开发规范，原形+迭代开发模式，软件架构分析。 20课时10 项目实践 常用组件详细讲解，上传文件组件，分页组件，主键生成组件，权限处理，考试管理系统，小型论坛，网上书店管理，等电子商务系统。 20课时软件工程概论 简介, 开发模式,CMMI 12课时项目管理 项目计划(项目的整体时间，人员安排，阶段性工作内容)，任务跟踪。 需求分析 需求管理与配置管理:需求调研，分析,系统范围配置标识，版本控制，配置审核(VSS,CVS),实际项目需求数据建模PowerDesigner 业务建模rose2007(类的关系)。拓展：svn 40课时软件测试概论 1.测试基础（概述，角色，测试所需条件)2.测试目的以及原则3.测试分类4.测试方法5.静态白盒测试，静态黑盒测试,动态白盒测试，动态黑盒测试6.测试计划，测试用例7.需求评审8.原型评审，设计评审9.实际项目需求评审10. bug管理工具 28课时 Flex(语法，控件应用，远程方法访问)AJAX。拓展：dwr深层研究 40课时原型开发 原型设计规范 软件设计 数据库设计概要设计架构设计详细设计设计评审面向对象设计 20课时XML 扩展的标记语言,XML, XSLT,DTD,SAX,DOM,JDOM等解析 20课时STRUTS2 过滤器，Struts1，Struts2高级部分（标签库，验证框架，拦截器，源码分析，连接池，国际化，插件安装），AOP基础，JNDI。拓展：JSF, Tapestry，velocity 40课时Spring IOC,JDBC,MVC,AOP,事务。 hibernate 数据持久化。拓展：, ibatis，搜索功能lucene webservice Soap协议，分布式。拓展：JMS Oracle数据库 大型数据库开发。拓展：DB2 20课时软件测试 单元测试 集成测试 系统测试 验收测试 60课时毕业答辩 演讲能力，面试技巧，面试题，答辩 20课时以上是学成软件工程师的课程体系。

1.大数据工程师工作中会做什么？集群运维：安装、测试、运维各种大数据组件数据开发：细分一点的话会有ETL工程师、数据仓库工程师等数据系统开发：偏重Web系统开发，比如报表系统、推荐系统等这里面有很多内容其实是十分重合的，下面大致聊一下每一块内容大致需要学什么，以及侧重点。2.集群运维数据工程师，基本上是离不开集群搭建，比如hadoop、Spark、Kafka，不要指望有专门的运维帮你搞定，新组件的引入一般都要自己来动手的。因此这就要求数据工程师了解各种大数据的组件。由于要自己的安装各种开源的组件，就要求数据工程师要具备的能力： Linux 。要对Linux比较熟悉，能各种自己折腾着玩。由于现在的大数据生态系统基本上是 JVM系的，因此在语言上，就不要犹豫了，JVM系的Java和Scala基本上跑不掉，Java基本上要学的很深，Scala就看情况了。3. ETLETL在大数据领域主要体现在各种数据流的处理。这一块一方面体现在对一些组件的了解上，比如Sqoop、Flume、Kafka、Spark、MapReduce;另一方面就是编程语言的需要，Java、Shell和Sql是基本功。4.系统开发我们大部分的价值最后都会由系统来体现，比如报表系统和推荐系统。因此就要求有一定的系统开发能力，最常用的就是 Java Web这一套了，当然Python也是挺方便的。需要注意的是，一般数据开发跑不掉的就是各种提数据的需求，很多是临时和定制的需求，这种情况下， Sql就跑不掉了，老老实实学一下Sql很必要。如何入门？前面提到了一些数据工程师会用到的技能树，下面给一个入门的建议，完全个人意见。1.了解行业情况刚开始一定要了解清楚自己和行业的情况，很多人根本就分不清招聘信息中的大数据和数据挖掘的区别就说自己要转行，其实是很不负责的。不要总是赶热点，反正我就是经常被鄙视做什么大数据开发太Low，做数据就要做数据挖掘，不然永远都是水货。2.选择学习途径如果真是清楚自己明确地想转数据开发了，要考虑一下自己的时间和精力，能拿出来多少时间，而且在学习的时候最好有人能多指点下，不然太容易走弯路了。在选择具体的学习途径时，要慎重一点，有几个选择：自学报班找人指点别的不说了，报班是可以考虑的，不要全指望报个辅导班就能带你上天，但是可以靠他帮你梳理思路。如果有专业从事这一行的人多帮帮的话，是最好的。不一定是技术好，主要是可沟通性强。3.学习路线学习路线，下面是一个大致的建议：第一阶段先具备一定的Linux和Java的基础，不一定要特别深，先能玩起来，Linux的话能自己执行各种操作，Java能写点小程序。这些事为搭建Hadoop环境做准备。学习Hadoop，学会搭建单机版的Hadoop，然后是分布式的Hadoop，写一些MR的程序。接着学学Hadoop生态系统的其它大数据组件，比如Spark、Hive、Hbase，尝试去搭建然后跑一些官网的Demo。Linux、Java、各种组件都有一些基础后，要有一些项目方面的实践，这时候找一些成功案例，比如搜搜各种视频教程中如何搞一个推荐系统，把自己学到的用起来。第二阶段到这里是一个基本的阶段了，大致对数据开发有一些了解了。接着要有一些有意思内容可以选学。数据仓库体系：如何搞数据分层，数据仓库体系该如何建设，可以有一些大致的了解。用户画像和特征工程：这一部分越早了解越好。一些系统的实现思路：比如调度系统、元数据系统、推荐系统这些系统如何实现。第三阶段下面要有一些细分的领域需要深入进行，看工作和兴趣来选择一些来深入进行分布式理论：比如Gossip、DHT、Paxo这些构成了各种分布式系统的底层协议和算法，还是要学一下的。数据挖掘算法：算法是要学的，但是不一定纯理论，在分布式环境中实现算法，本身就是一个大的挑战。各种系统的源码学习：比如Hadoop、Spark、Kafka的源码，想深入搞大数据，源码跑不掉。