WMKQF

摘要： 所用时间：90分钟 代码量（行）：0 了解到的知识点： 今天进行了软件开发案例的选题演讲，每一组展示的ppt和产品功能都十分精致，接下来的任务是通过我们组员之间的合作，将展示的产品完美还原。 阅读全文

摘要： 所用时间：270分钟 代码量（行）：0 了解到的知识点： 1.企业信息交流 你所接收到的信息都是真实的吗？在信息的传递过程中会出现信息失真。 无论在生活还是工作过程中，我们需要学会倾听，学习提问和回答的技巧，避免出现不受欢迎的谈话，尊重是有效交流的基础，敞开心胸是有效交流的保证。 阅读全文

摘要： 所用时间：315分钟 代码量（行）：0 了解到的知识点： 1.简单工厂模式与工厂方法模式 上次讲述了设计模式的概论，今天开始对各设计模式进行了详细讲解 简单工厂模式和工厂方法模式都是设计模式中创建型模式的重要成员，它们的核心目的都是封装对象的创建过程，降低客户端与具体产品的耦合度 简单工厂模式通过一 阅读全文

摘要： 一、本周进展回顾 （一）时间投入 本周总学习时长 34 小时，分配如下： 大数据技术：16 小时（大数据安全、项目实践） Java Web：10 小时（系统优化与部署、用户体验提升） Python：6 小时（推荐系统迭代、模型评估） 问题解决：2 小时（项目数据采集工具选择、系统部署问题） （二）学 阅读全文

摘要： 一、本周进展回顾 （一）时间投入 本周总学习时长 32 小时，分配如下： 大数据技术：15 小时（Spark 调优、Flink 状态管理） Java Web：9 小时（个性化推荐功能集成、系统测试） Python：6 小时（推荐算法优化、结果验证） 问题解决：2 小时（Spark 数据倾斜、Flin 阅读全文

摘要： 一、本周进展回顾 （一）时间投入 本周总学习时长 30 小时，分配如下： 大数据技术：14 小时（Spark、Flink） Java Web：8 小时（WebSocket 模块优化、系统安全加固） Python：6 小时（用户行为数据聚类、结果可视化） 问题解决：2 小时（Spark 任务资源分配、 阅读全文

摘要： 一、本周进展回顾 （一）时间投入 本周总学习时长 28 小时，分配如下： 大数据技术：13 小时（Kafka、Hive） Java Web：7 小时（WebSocket 模块开发、性能优化） Python：6 小时（Hadoop 集群监控脚本、数据清洗） 问题解决：2 小时（Kafka 消息重复消费 阅读全文

摘要： 一、本周进展回顾 （一）时间投入 本周总学习时长 26 小时，分配如下： 大数据技术：12 小时（ZooKeeper、Flume） Java Web：6 小时（鉴权改造、性能监控） Python：6 小时（数据可视化） 问题解决：2 小时（Flume 数据丢失） （二）学习与实践内容 大数据技术 Z 阅读全文

摘要： 一、本周进展回顾 （一）时间投入 本周总学习时长 24 小时，大数据技术10 小时，Java Web7 小时，Python5 小时，问题解决2 小时（HBase 配置问题） （二）学习与实践内容 大数据技术 HBase 入门：学习 HBase 架构与数据模型，实操创建表、插入数据，通过 Java A 阅读全文

摘要： 一、本周进展回顾 （一）时间投入 本周持续深耕大数据及相关技术，总学习时长 22 小时 。其中，大数据技术学习占 8 小时，Java Web 优化与拓展用 6 小时，Python 结合大数据探索花 4 小时，解决各类问题耗时 4 小时 。 （二）学习与实践内容 大数据技术 HDFS 分布式文件系统： 阅读全文