這是一系列技術課程，這個技術課程我準備了大概兩年多的時間，內容都是近幾年我的一些技術沉澱，還有就是給同事講課、分享的經驗總結，之前零零碎碎的一直躺在我的硬碟裡沒有時間整理。
最近，工作有了變動，終於可以抽出點時間來，所以就抽空整理了一下，分享出來。
現在我也在看別人的部落格，學習別人的影片，可是到最後總會有一個感覺，就是：“講得太散了，沒有一條主線能把它們連線起來！”
最終導致的結果就是：我學習了很多知識點，但是我卻不知道如何把它變成一個專案。
為了避免這種情況給閱讀的小夥伴帶來困擾，接下來的兩個月我會按一個產品的整個生命週期來寫，在專案中把這些知識點都寫進去，這樣閱讀者讀起來心中便有了整體概念。
下面這個表格是我列出來的課程大綱（傳送門部分會持續更新），這些模組都寫完的話，估計得花1-2個月的時間。
| JAVA工程 | |||
| 專案 | 模組 | 傳送門 | |
| 資料視覺化分析專案 | 1 | 架構設計 | 1.1 課程架構 1.2 資料視覺化系統架構 |
| 2 | 技術選型 | 2.1 技術選型 | |
| 3 | 邏輯設計 | 3.1 邏輯設計 | |
| 4 | 庫表設計 | 4.1 庫表設計 | |
| 5 | 程式碼生成 | 5.1 程式碼生成 | |
| 6 | 開發 | 6.1 開發 | |
| 7 | 打包 | 7.1 打包 | |
| 8 | 部署 | 8.1 釋出/部署 | |
| 9 | 附：虛擬機器搭建 | 9.1 VMWare安裝CentOS 9.2 其它可能用到的內容 |
|
| 大資料與資料分析 | |||
| 專案 | 模組 | 傳送門 | |
| 資料倉儲 | 1 | 儲存 | 1.1、拉鍊表 |
| 2 | 程式 | 2.1、Java實現MapReduce程式 | |
| 流量專題 | 1 | 資料採集 | |
| 2 | ETL | ||
| 3 | 資料清洗 | ||
| 4 | 模型設計 | ||
| 5 | 資料分析 | ||
| 6 | 抽取 | ||
| 畫像專題 | 1 | 資料準備 | |
| 2 | 模型設計 | ||
| 3 | 使用者標籤 | ||
| 4 | 演算法 | ||
| 搜尋專題 | 1 | 埋點 | |
| 2 | 資料上報 | ||
| 3 | 小量資料搜尋：Elasticsearch | ||
| 4 | 海量資料搜尋：架構 | ||
| 5 | 海量資料搜尋：三級索引 | ||
| 6 | 海量資料搜尋：三級快取 | ||
| 爬蟲 | |||
| 專案 | 模組 | 傳送門 | |
| Scrapy | 1 | 安裝 | 1、Scrapy安裝 |
| 2 | 實戰 | 1、Re正則爬取 2、XPath |
|
| 3 | 多執行緒 | ||
| 4 | 儲存資料 | ||
| 機器學習 | |||
| 專案 | 模組 | 傳送門 | |
| 傳統機器學習 | 1 | LR邏輯迴歸 | 1.1、Tensorflow實現邏輯迴歸 1.2、Tensorflow實現線性迴歸 |
| 2 | K-means聚類 | 2.1、K-means | |
| 3 | 協同過濾 | ||
| 4 | LSI相似性 | 4.1、Gensim | |
| 5 | 其它 | 5.1、幾個重要概念 | |
| 深度學習 | 1 | Tensorflow介紹 | 1.1、官方網站 |
| 2 | 自然語言處理-Word2Vec | 2.1、Gensim | |
| 3 | 自然語言處理-Seq2Seq | ||
| 4 | 利用RNN生成唐詩宋詞 | ||