“51区”的版本间的差异
第1行: | 第1行: | ||
==2019级== | ==2019级== | ||
+ | ===互联网+=== | ||
*[https://cloud.tencent.com/developer/information/%E8%85%BE%E8%AE%AF%E4%BA%91%E5%B0%8F%E7%9B%B4%E6%92%ADapp 腾讯云小直播app] | *[https://cloud.tencent.com/developer/information/%E8%85%BE%E8%AE%AF%E4%BA%91%E5%B0%8F%E7%9B%B4%E6%92%ADapp 腾讯云小直播app] | ||
*[https://cloud.tencent.com/developer/article/1154203 打造H5里的“3D全景漫游”秘籍 - 腾讯ISUX] | *[https://cloud.tencent.com/developer/article/1154203 打造H5里的“3D全景漫游”秘籍 - 腾讯ISUX] | ||
+ | ===大数据=== | ||
+ | 任务一、大数据案例开发(12分) | ||
+ | |||
+ | 开发环境:Eclipse + JDK + Tomcat + Mysql + MongoDB + HBase +xueqing-client.zip + xueqing-server.zip + xueqing-web.zip。 | ||
+ | |||
+ | 1.搭建开发环境和导入项目(1分) | ||
+ | |||
+ | 检查已安装的MongoDB,HBase,MySQL和岗位网站服务,进行大数据学情应用开发准备: | ||
+ | |||
+ | (1)导入三个MongoDB数据库目录employ,job_internet,question_survey; | ||
+ | |||
+ | (2)导入MySQL的xueqing-client项目的sql文件xueqing-client.sql; | ||
+ | |||
+ | 在cmd中登录MongoDB数据库,提交查询所有数据库的截图到答题框。 | ||
+ | |||
+ | 在cmd中登录MySQL数据库,提交查询所有数据库的截图到答题框。 | ||
+ | |||
+ | 2.HBase建表操作(1分) | ||
+ | |||
+ | 完成xueqing-server中HBase数据库建表,建立job_internet表(列簇为PERCEPT_DATA、RAW_DATA、TAG_DATA)和job_cloud表(列簇为cloud)。提交HBase两个表信息的查询结果截图和代码到答题框。 | ||
+ | |||
+ | 3.岗位学历需求可视化(2分) | ||
+ | |||
+ | 爬取xueqing-web网站所有的岗位信息,对数据进行清洗,统计“云计算”岗位信息,将统计数据保存至MongoDB之中。通过xueqing-client展示云计算岗位学历需求分布图表。将统计图表的网页截图和相关代码提交到答题框。 | ||
+ | |||
+ | 4.岗位聚类(2分) | ||
+ | |||
+ | 对云计算岗位数据进行岗位聚类分析,将聚类分析结果数据保存至MongoDB之中,通过xueqing-client展示云计算岗位聚类结果的饼图,将聚类结果的网页截图和代码提交到答题框。 | ||
+ | |||
+ | 5.岗位推荐(3 分) | ||
+ | |||
+ | 给定某个用户的技能数据,使用机器学习推荐算法,实现岗位推荐。为该用户推荐三个最佳的招聘岗位,并通过 EChart 图表展示推荐的岗位和技能对比,将展示的图表截图和代码提交到答题框。 | ||
+ | |||
+ | 6.岗位薪资预测(3 分) | ||
+ | |||
+ | 基于Python语言和TensorFlow框架,对工资、学历和工作经验建立三维回归模型。使用给定的岗位进行训练和测试,基于给定的岗位信息进行预测薪资,并对接Java后台提供前端交互。将结果的网页截图和代码提交到答题框。 | ||
==2018级== | ==2018级== |
2020年1月13日 (一) 02:28的版本
目录
2019级
互联网+
大数据
任务一、大数据案例开发(12分)
开发环境:Eclipse + JDK + Tomcat + Mysql + MongoDB + HBase +xueqing-client.zip + xueqing-server.zip + xueqing-web.zip。
1.搭建开发环境和导入项目(1分)
检查已安装的MongoDB,HBase,MySQL和岗位网站服务,进行大数据学情应用开发准备:
(1)导入三个MongoDB数据库目录employ,job_internet,question_survey;
(2)导入MySQL的xueqing-client项目的sql文件xueqing-client.sql;
在cmd中登录MongoDB数据库,提交查询所有数据库的截图到答题框。
在cmd中登录MySQL数据库,提交查询所有数据库的截图到答题框。
2.HBase建表操作(1分)
完成xueqing-server中HBase数据库建表,建立job_internet表(列簇为PERCEPT_DATA、RAW_DATA、TAG_DATA)和job_cloud表(列簇为cloud)。提交HBase两个表信息的查询结果截图和代码到答题框。
3.岗位学历需求可视化(2分)
爬取xueqing-web网站所有的岗位信息,对数据进行清洗,统计“云计算”岗位信息,将统计数据保存至MongoDB之中。通过xueqing-client展示云计算岗位学历需求分布图表。将统计图表的网页截图和相关代码提交到答题框。
4.岗位聚类(2分)
对云计算岗位数据进行岗位聚类分析,将聚类分析结果数据保存至MongoDB之中,通过xueqing-client展示云计算岗位聚类结果的饼图,将聚类结果的网页截图和代码提交到答题框。
5.岗位推荐(3 分)
给定某个用户的技能数据,使用机器学习推荐算法,实现岗位推荐。为该用户推荐三个最佳的招聘岗位,并通过 EChart 图表展示推荐的岗位和技能对比,将展示的图表截图和代码提交到答题框。
6.岗位薪资预测(3 分)
基于Python语言和TensorFlow框架,对工资、学历和工作经验建立三维回归模型。使用给定的岗位进行训练和测试,基于给定的岗位信息进行预测薪资,并对接Java后台提供前端交互。将结果的网页截图和代码提交到答题框。