2024年最全真实大数据简历模版（四）【大数据-2年经验】电影网数据分析(3)，金三银四我带你去BAT面试现场_大数据专业个人简历

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

2017年4月-2019年3月
公司行业：计算机软件 工作职位：大数据开发工程师
工作职责：
1、主要负责大数据分布式存储；
2、离线数据来源的分析，实时数据的计算；
3、数据采集、清洗等方案的设计。
·项目经验·____________________________________________________________
项目一：
草民电影网数据分析 开发周期 2018年8月-2019年2月
技术实现:
Hadoop+Flume+Kafka+Mycat+Hive+Spark+SparkMLlib+
Redis+MongoDB+Elaticaserch
项目职务:大数据开发工程师
项目简介:
该项目是为电影网站进行收视统计，在用户观看的各类电视剧、电影节目中为了便于我们掌握用户哪个电视剧与电影更受观众欢迎，我们可以通过一些用户的观看情况进行监测，求出各类热门的电视剧与电影，实时的统计每天注册的人数。
项目职责:
1、负责参与网站指标离线统计分析:如电影的平均得分统计、每个类别优质电影统计、最热们电影统计、优质电影统计等；
2、对数据进行采集，将数据清洗存入到Hdfs中；
3、利用Spark MLlib中的协同过滤ALS算法计算用户电影推荐矩阵、电影相似度矩阵；
4、使用ES计算出基于内容的推荐结果等。
技术要点：
1、Flume监控日志数据传输给Kafka；
2、Hadoop和ES分别从Kafka中拉取数据并进行实时的清洗入库；
3、利用SparkSql从Hadoop中拉取数据进行离线数据分析计算；
4、利用Spark Streaming从Kafka中拉取数据实时计算；
5、使用Spark MLlib的ALS推荐算法分析给用户推荐离线视频；
6、使用公司提供的算法流程计算实时推荐视频。
项目二：
游戏数据指标分析 开发周期 2018年4月-2018年8月
技术实现:
Hadoop+Zookeeper+Sqoop+Mycat+Hive+Kafka+Flume+Spark+Redis+Nginx+Hbase
项目职务:大数据开发工程师
项目简介:
通过对游戏数据的各项指标的分析，可以帮助游戏运维者了解玩家的行为和需求，通过玩家反馈的信息可以不断地矫正游戏中出现的问题，从而让游戏健康稳定的可持续运营。
项目职责：
1、统计活跃玩家：DAU、WAU、MAU、DAU/MAU，玩家等级、地区、年龄、性别维度分布；
2、统计忠实玩家（7、14、30持续在线）
3、统计玩家留存：次日、周及月留存玩家，玩家留存条件下等级，游戏次数、是否付费等
4、统计玩家流失（7、14、30持续不在线），当日回流玩家、流失玩家流失前等级、游戏次数、是否付费等情况。
技术要点：
1、Kafka从Nginx中获取数据；
2、使用Flume从Kafka拉取数据到Hdfs清洗入库；
3、利用SparkSql从Hdfs中拉取数据进行数据离线计算；
4、SparkStreaming从Kafka中拉取数据实时计算。
项目三：
周边游客流量数据分析 开发周期 2017年11月-2018年4月
技术实现:
Hadoop+Flume+Kafka+Hive+Mycat+Spark+Redis
项目职务:大数据开发工程师
项目简介:
该客流量分析系统是为周边游网站进行景区的客流量、热门景点进行环境分析、客源市场洞察、营销主题分析，经过分析得到的数据给前端进行显示，从而可以为网站提供日常决策支撑，比如某些旅游景点的人气很高的话，就可以为该景点做更多的推荐介绍。
项目职责:
数据的清洗操作；
离线指标的一些计算比如：
1、指定路线的年客流量统计；
2、交通方式月、年的人次统计；
3、成熟客源市场分析-地市、省份排名；
4、成熟景区市场分析-地市、省份排名；
5、成熟景区出入比分析-省份、城市排名；
6、潜在客源市转化率分析-地市排名。
技术要点：
1、使用Flume监控日志存入到Hdfs；
2、利用MR对数据进行清洗入库；
3、使用Sparksql从数据仓库中读取数据对数据进行分析；
4、Flume直接发送数据给Kafka，Sparkstream对接Kafka进行实时的计算。
·自我评价·____________________________________________________________
1、熟悉hadoop分布式存储，能利用自己写的MR程序去解决问题；
2、良好的学习和沟通组织能力；
3、技术上具备较好的独立完成模块和解决问题的能力；
4、适应能力好,能承受较强的工作压力，能够快速的融入团队；
5、对前沿技术比较敏感，非常乐于研究大数据相关的技术。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

项目、大纲路线、讲解视频，并且后续会持续更新**

需要这份系统化资料的朋友，可以戳这里获取