本階段不需要程式設計，很多人聽過大資料，聽過人工智慧，聽過資料探勘。但是幾乎都有疑問：什麼是大資料？什麼是人工智慧？大資料和人工智慧能做什麼？等等。這一階段主要是答疑解惑，讓大家明白這些概念，至少在和高階人士茶餘飯後談論大資料和人工智慧的時候可以不需要“一臉懵逼”。 如果已經對大資料和人工智慧瞭解很透徹，可以跳過直接進入第一階段。

第一階段：linux 系統

這章是基礎課程，幫大家進入大資料領域打好 Linux 基礎，以便更好地學習 Hadoop， NOSQL， Oracle， MYSQL， Spark， Storm 等眾多課程。因為企業中 無一例外的是使用 Linux 來搭建或部署專案。

如果你想要學好大資料最好加入一個好的學習環境，可以來這個Q群251956502 這樣大家學習的話就比較方便，還能夠共同交流和分享資料

第二階段：大型網站高併發處理

透過本章的學大家將會了解大資料的源頭，資料從何而來，繼而更好的瞭解大資料。並且透過學習如果處理大型網站高併發問題反向更深入的學習了 Linux 同時站在了更高的角度去觸探了架構。

第三階段：Hadoop 分散式檔案系統：HDFS

本階段是進入“大資料”的一個入口，需要掌握HDFS 的基本原理，知道為什麼它可 以儲存海量資料，知道“百度網盤”本身是什麼？能否自己也能實現一個網盤。讓大家一開 始就進入大資料實戰狀態。

第四階段：Hadoop 分散式計算框架：Mapreduce

該階段側重對MR 的原理實現，案例應用為主線，附以原始碼分析讓學生來更清晰的理解何為分散式計算，計算的並行、計算的向資料移動、計算的本地化資料讀取等

第五階段：Hadoop 離線體系：Hive

本階段介紹Hive 是基於Hadoop 的一個資料倉儲工具，可以將結構化的資料檔案對映為一張資料庫表，並提供簡單的sql 查詢功能，可以將sql 語句轉換為MapReduce 任務進行執行。其優點是學習成本低，可以透過類SQL 語句快速實現簡單的MapReduce 統計，不必開發專門的MapReduce 應用，十分適合資料倉儲的統計分析。

共有16階段，其他階段如圖