2021年Python+大數據開發課程大綱

目前課程版本:1.6.1   咨詢詳情



Python+大數據開發基礎班課程大綱

學習對象

應屆大學畢業生,工資待遇不理想,想要突破轉行,或對數據開發和數據分析感興趣的人員。

注:獲取更多免費學習視頻+資料+筆記,請加QQ:2632311208。

上課方式

全日制脫產,每周5天上課, 上兩天課休息一天的上課方式(實際培訓時間可能因法定節假日等因素發生變化)

培訓時間

部分校區可能會根據實際情況有所調整,詳情可詢咨詢老師   點擊咨詢



Python+大數據開發基礎班課程大綱

所處階段主講內容

技術要點

學習目標
零基礎數據分析
體驗課
Excel數據分析

   01_數據分析行業技能及課程介紹
   02_Excel簡介和基本使用
   03_Excel數據處理和計算
   04_Excel圖表
   05_Excel透視表
   06_Excel分析項目

   1. 掌握傳統Excel數據分析技能
   2. 熟練使用BI工具
   3. 對數據分析有一定認知,能夠從事基礎的數據分析工作
SQL

   01_數據庫概念和作用
   02_MySQL數據類型
   03_數據完整性和約束
   04_數據庫/表基本操作命令
   05_表數據操作命令
   06_Where子句
   07_分組聚合
   08_鏈接查詢
   09_外鍵的使用
   10_SQL數據分析實戰

BI工具

   01_數據圖表基礎
   02_故事和儀表板初探
   03_數據分析報告
   04_Tableau電商項目


Python+大數據開發就業班課程大綱

學習對象

本課程適合于:應屆大學畢業生,工資待遇不理想,想要突破轉行,或對數據開發和數據分析感興趣的人員

注:獲取更多免費學習視頻+資料+筆記,請加QQ:2632311208。

上課方式

全日制脫產,每周5天上課, 上兩天課休息一天的上課方式(實際培訓時間可能因法定節假日等因素發生變化)

培訓時間

部分校區可能會根據實際情況有所調整,詳情可詢咨詢老師點擊咨詢

Python+大數據開發就業班課程大綱

所處階段

主講內容技術要點學習目標
數據分析
語言基礎
Python基礎語法

       01_變量
       02_標識符和關鍵字
       03_輸入和輸出
       04_數據類型轉換
       05_PEP8編碼規范
       06_比較/關系運算符
       07_if語句語法格式
       08_三目運算符
       09_while語句語法格式
       10_while 循環嵌套
       11_break 和 continue
       12_while 循環案例
       13_for循環

   1.掌握Python開發環境基本配置
   2.掌握運算符、表達式、流程控制語句、數組等的使用
   3.掌握字符串的基本操作
   4.初步建立面向對象的編程思維
   5.熟悉異常捕獲的基本流程及使用方式
   6.掌握類和對象的基本使用方式
Python數據處理

       01_字符串定義語法格式
       02_字符串遍歷(while)
       03_下標和切片
       04_字符串常見操作
       05_列表語法格式
       06_列表的遍歷(for)
       07_列表常見操作
       08_列表嵌套
       09_列表推導式
       10_元組語法格式
       11_單元素元組
       12_元組操作
       13_字典語法格式
       14_字典常見操作
       15_字典的遍歷

函數

       01_函數概念和作用、函數定義、調用
       02_不定長參數函數
       03_函數的返回值
       04_函數的說明文檔
       05_函數的嵌套調用
       06_可變和不可變類型
       07_局部變量
       08_全局變量
       09_組包和拆包、引用

文件讀寫

       01_文件的打開與關閉、文件的讀寫
       02_文件/目錄操作及案例
       03_os模塊文件與目錄相關操作

面向對象

       01_面向對象介紹
       02_類的定義和對象的創建
       03_添加和獲取對象屬性
       04_self 參數
       05_init方法
       06_私有方法和私有屬性
       07_繼承
       08_子類方法重寫
       09_類屬性和實例屬性
       10_類方法、實例方法、靜態方法

異常處理

       01_異常概念
       02_異常捕獲
       03_自定義異常

模塊和包

       01_模塊介紹
       02_模塊的導入
       03_包的概念
       04_包的導入
       05_模塊中的 __all__
       06_模塊中 __name__ 的作用

Python編程進階網絡編程

       01_IP地址的介紹
       02_端口和端口號的介紹
       03_TCP的介紹
       04_socket的介紹
       05_TCP網絡應用的開發流程
       06_基于TCP通信程序開發

   1.熟練使用Linux操作系統及相關命令
   2.掌握網絡編程技術,能夠實現網絡通訊
   3.掌握開發中的多任務編程實現方式
   4.掌握數據存儲形式和存儲操作
   5.了解后端業務開發
   6.掌握爬蟲的概念及實現思路
多任務編程

       01_多任務介紹
       02_進程的使用
       03_線程的使用
       04_線程同步與互斥鎖、死鎖介紹

高級語法

       01_閉包
       02_裝飾器
       03_深淺拷貝
       04_正則

數據埋點

       1.miniweb

sql進階窗口函數及項目實戰

       01_視圖的概念與使用
       02_Mysql窗口函數
       03_Mysql變量
       04_Mysql實戰項目

   1、能夠掌握SQL窗口函數及其他進階語法的使用
   2、能夠完成SQL實戰項目
   3、熟練運用SQL完成企業常見數據報表分析
數據分析
項目實戰
數據清洗

       01_Pandas數據組合_concat連接
       02_Pandas數據組合_merge數據
       03_Pandas數據組合_join
       04_缺失值處理介紹
       05_缺失值處理_缺失值數量統計
       06_缺失值處理_缺失值可視化
       07_缺失值處理_刪除缺失值
       08_缺失值處理_填充缺失值
       09_melt整理數據
       10_stack整理數據
       11_wide_to_long整理數據
       12_unstack和小結
       13_Pandas數據類型簡介
       14_數據類型轉換
       15_分類數據category
       16_Series和DataFrame的apply方法
       17_apply使用案例
       18_向量化函數和lambda表達式

1.熟練使用Pandas進行數據處理
   2.掌握Python進行數據可視化的常用工具
   3.熟練使用Pandas進行描述性數據分析
數據整理

       01_單變量分組聚合
       02_通過調用agg進行聚合
       03_分組后transform
       04_transform練習
       05_filter&DataFrameGroupBy對象
       06_透視表概述&會員存量增量分析
       07_會員增量等級分布
       08_增量等級占比分析&整體等級分布
       09_線上線下增量分析&地區店均會員數量
       10_會銷比計算
       11_連帶率計算
       12_復購率計算
       13_日期時間類型介紹
       14_提取日期分組案例
       15_股票數據處理
       16_datarange函數
       17_綜合案例

數據可視化

       01_Python數據可視化介紹
       02_matplotlib繪圖
       03_matplotlib繪制統計圖
       04_Pandas繪圖_柱狀圖
       05_Pandas繪圖_折線圖直方圖餅圖
       06_Pandas雙變量可視化
       07_Seaborn繪圖簡介&單變量可視化
       08_Seaborn雙變量可視化
       09_Seaborn多變量可視化和樣式
       10_pyechars案例

pandas數據分析項目

       01_AppStore項目_數據處理
       02_AppStore項目_單變量分析
       03_AppStore項目_可視化和結論
       04_AppStore項目_可視化和結論代碼實現
       05_優衣庫項目_案例介紹及簡單數據探索
       06_優衣庫項目_業務問題解讀
       07_優衣庫案例_代碼實現
       08_RFM概念介紹
       09_RFM項目_數據加載和數據處理
       10_RFM項目_RFM計算
       11_RFM項目_RFM可視化
       12_RFM項目_業務解讀和小結

機器學習簡介

       01_人工智能概述
       02_機器學習開發流程和用到的數據介紹
       03_特征工程介紹和小結
       04_機器學習算法分類
       05_機器學習模型評估
       06_數據分析與機器學習

   1.掌握機器學習算法基本原理
   2.掌握使用機器學習模型訓練的基本流程
   3.掌握Sklearn,Jieba,Gensim等常用機器學習相關開源庫的使用
   4. 熟練使用機器學習相關算法進行預測分析
K近鄰算法

       01_K近鄰算法基本原理
       02_K近鄰算法進行分類預測
       03_sklearn實現knn
       04_訓練集測試集劃分
       05_分類算法的評估
       06_歸一化和標準化
       07_超參數搜索
       08_預測facebook簽到位置案例
       09_K近鄰算法總結

線性回歸

       01_線性回歸簡介
       02_線性回歸API使用初步
       03_導數回顧
       04_線性回歸的損失函數和優化方法
       05_梯度下降推導
       06_波士頓房價預測案例
       07_欠擬合和過擬合
       08_模型的保存和加載
       09_線性回歸應用-回歸分析

邏輯回歸

       01_邏輯回歸簡介
       02_邏輯回歸API應用案例
       03_分類算法評價方法
       04_邏輯回歸應用_分類分析

聚類算法

       01_聚類算法的概念
       02_聚類算法API的使用
       03_聚類算法實現原理
       04_聚類算法的評估
       05_聚類算法案例

決策樹

       01_決策樹算法簡介
       02_ 決策樹分類原理
       03_特征工程-特征提取
       04_ 決策樹算法api
       05_ 決策樹案例

集成學習

       01 集成學習算法簡介
       02 Bagging和隨機森林
       03 隨機森林案例
       04 Boosting介紹
       05 GBDT介紹

零售項目集

       01_常用指標計算
       02_數據推斷
       03_基于Kmeans的用戶分群
       04_LTV用戶生命周期
       05_購物籃分析
       06_用戶標簽

   1.掌握數據分析常用思維方法
   2.掌握不同業務場景下的指標體系搭建
   3.熟練使用各種數據分析工具進行數據提取與數據展示
   4.熟練運用常用數據分析模型解決業務問題
電商項目集

       01_用戶行為分析
       02_用戶價值分析
       03_用戶復購分析
       04_庫存分析
       05_銷售預測
       06_AB測試

跨境電商

       01_選品分析
       02_報表設計
       03_用戶評論文本挖掘
       04_競品監控
       05_廣告渠道效果分析

游戲分析

       01_游戲相關業務指標介紹
       02_游戲用戶付費分析
       03_道具使用分析

金融風控項目業務背景介紹

       01_信貸和風控介紹
       02_常見零售產品和風險介紹
       03_風控相關業務術語介紹
       04_業務數據分析案例

   1.掌握風控業務場景的常用指標
   2.掌握評分卡的建模流程
   3.掌握評分卡特征工程的常用套路
   4.熟練運用機器學習算法解決風控業務場景下的問題
風控建模介紹

       01_互聯網金融風控體系介紹
       02_風控建模流程概述
       03_風控建模流程_項目準備
       04_風控建模流程_特征工程
       05_風控建模流程_模型構建
       06_風控建模流程_上線運營
       07_業務規則挖掘案例

金融風控特征工程

       01_數據準備
       02_靜態信息特征和時間截面特征處理
       03_特征衍生
       04_特征變換
       05_特征變換_卡方分箱代碼實現
       06_特征變換_WOE代碼實現
       07_特征變換_類別變量編碼方式總結
       08_常用缺失值處理方法
       09_時間序列未來信息
       10_用戶信息關聯&小結

機器學習評分卡

       01_建模流程_實驗設計
       02_建模流程_樣本設計
       03_建模流程_模型訓練與評估
       04_評分映射
       05_邏輯回歸評分卡
       06_lightGBM特征篩選
       07_輸出模型報告
       08_評分映射
       09_集成學習評分卡_xgboost
       10_集成學習評分卡_lightGBM
       11集成學習評分卡模型創建
       13_建模流程梳理

大數據Hadoop技術棧shell指令

       01_Linux命令使用
       02_Linux命令選項的使用
       03_遠程登錄和遠程拷貝
       04_Linux權限管理
       05_vi編輯器使用

   1.掌握Java程序基礎數據類型
   2.掌握開發中集合、IO流、常用類等操作
   3.掌握Java異常處理機制
   4.掌握反射、網絡編程、多線程開發
   5.掌握Jsoup的網絡爬蟲開發
   6.掌握JDBC數據庫連接操作
   7.掌握ETL數據處理和BI報表開發
   8.具備JavaSE開發能力
shell編程

       01_變量
       02_表達式
       03_常見符號
       04_流程控制

編程基礎

       1.Java語言概述
       2.Java開發環境搭建
       3.IDEA的安裝和配置
       4.HelloWorld案例
       5.注釋,關鍵字,常量,變量,數據類型轉換.
       6.for循環.while循環,循環嵌套,控制跳轉語句,break和continue
       7.數組的概述和創建,數組的常見操作.
       8.方法的概述和定義,方法重載,方法形參類型,方法練習

面向對象

       1.面向對象介紹
       2.類和對象講解
       3.對象的內存圖
       4.成員變量和局部變量的區別
       5.private關鍵字,封裝,this關鍵字,構造方法,繼承,super關鍵字
       6.方法重寫,多態 ,final ,.static ,抽象類 ,接口 ,包(package)

常用類API

       1.API解釋
       2.Object類講解
       3.String類講,StringBuilder類講解,冒泡排序
       4.Arrays工具類包裝類
       5.自動拆裝箱,Date類講解
       6.SimpleDateFormat類講解

集合操作/IO操作

       1.Lambda表達式
       2.集合類,Collection,ArrayList   
       3.列表迭代器,增強for,數據結構
       4.Set集合之HashSet,Map集合之HashMap
       5.File類,字節流,序列化流,字符流

Java基礎增強

       1.Junit單元測試
       2.反射介紹 ,Class類相關方法介紹 ,反射案例:代理設計模式
       3.注解解釋.,常用注解介紹
       4.Maven基礎, 依賴, Maven生命周期 ,Maven倉庫 ,Maven配置文件
       5.數據庫驅動,Connection接口,JDBC步驟

大數據基礎和硬件介紹

       1.大數據的特點
       2.分布式存儲概念
       3.分布式計算的概念
       4.服務器種類介紹、機架、交換機
       5.網絡拓撲、Raid、IDC數據中心
       6.Linux shell編程、awk、sed、cut、ssh、scp、expect、yum、nestat、top 、iostat等高級命令使用

   1.掌握Shell命令
   2.掌握zookeeper原理并應用
   3.掌握HDFS的使用和MapReduce編程
   4.理解MapReduce原理和調優
   5.掌握Yarn原理和調優
Zookeeper

       1.Zookeeper的應用場景
       2.架構和原理
       3.存儲模型
       4.選舉機制
       5.客戶端操作

HDFS

       1.HDFS設計的特點
       2.Master-Slave架構
       3.Block塊存儲、RF拷貝因子、機架感知
       4.Block拷貝策略、讀寫流程
       5.HDFS Federation、HDFS Snapshots、NameNode HA架構和原理
       6.HDFS管理員常用操作、HDFS權限控制

MapReduce

       1.MapReduce架構和原理
       2.Split機制
       3.MapReduce并行度
       4.Combiner機制
       5.Partition機制、自定義Partition
       6.MapReduce序列化、自定義排序、數據壓縮

YARN

       1.Yarn原理和架構
       2.Yarn高可用
       3.Container資源的封裝(CPU、內存和IO)
       4.資源調度策略(FIFO、Fair和Capacity)

Hive基礎

       1.HQL操作
       2.數據類型
       3.分區、分桶、臨時表
       4.explain執行計劃詳解

   1.掌握Hive的使用和調優
   2.具備Hadoop開發能力、離線數據倉庫開發能力
   3.能夠完成基本構建企業級數倉
Hive高階

       1.Hive原理和架構
       2.Meta Store服務
       3.HiveServer內置函數
       4.自定義UDF和UDAF
       5.數據壓縮、存儲格式、自動化腳本、常見性能優化

Hive出行大數據實戰或Hive亞馬遜電商大數據實戰(2選1)

       1.Hive滴滴出行案例實戰

       1.Hive亞馬遜電商案例實戰

教育項目或新零售項目二選一解決方案

       1.大數據部署運維:Cloudera Manager
       2.分析決策需求:數據倉庫
       3.數據采集:sqoop
       4.數據分析:hive
       5.歷史數據快照:拉鏈表
       6.數據更新后的統計分析:拉鏈表
       7.數據調度:oozie+shell
       8.OLAP系統存儲:mysql
       9:數據展現:帆軟BI

   1.掌握離線數倉的分層與建模,從需求、設計、研發、測試到落地上線的完整項目流程
   2.大量教育大數據的真實業務邏輯,共涉及20多個主題,100多個指標,提升學員在教育行業中的核心競爭力
   3.包括海量數據場景下如何優化配置
   4.拉鏈表的具體應用
   5.新增數據和更新數據的抽取和分析
   6.hive函數的具體應用
   7.ClouderaManager可視化、自動部署和配置、Git、CodeReview功能
技能點

       1.掌握離線數倉的分層與建模,從需求、設計、研發、測試到落地上線的完整項目流程
       2.大量教育大數據的真實業務邏輯,共涉及20多個主題,100多個指標,提升學員在教育行業中的核心競爭力
       3.包括海量數據場景下如何優化配置
       4.拉鏈表的具體應用
       5.新增數據和更新數據的抽取和分析
       6.hive函數的具體應用
       7.ClouderaManager可視化、自動部署和配置、Git、CodeReview功能

大數據Spark技術棧分布式緩存系統

       1.Redis原理及架構
       2.Redis Cluster原理及架構
       3.Redis常用操作

   1.掌握Redis原理及架構
   2.掌握Redis命令操作、及數據結構
   3.掌握Hbase原理及架構
   4.掌握HBase命令操作、MapReduce編程
   5.掌握Phoneix二級索引優化查詢
   6.掌握ELK開發掌握Kafka原理及架構
萬億級NoSQL海量數據存儲

       1.HBase原理及架構
       2.預分區、LSM結構
       3.Bloom Filter,co-processor,結合Phoneix進行優化查詢

分布式流處理平臺

       1.Kafka原理及架構分析
       2.分布式實時計算架構和思想

NoSQL社交場景大數據分析實戰

       1.陌陌社交場景實戰
       2.社交大數據架構剖析
       3.數據采集
       4.數據ETL
       5.數據分析

Scala

       1.Scala函數式編程基礎
       2.集合、Iterator、構造器、伴生對象、Akka編程
       3.Scala語言重點API編程

     1.掌握Spark的RDD、DAG、CheckPoint等設計思想
     2.掌握SparkSQL結構化數據處理,Spark On Hive
     3.掌握SparkStreaming整合Kafka完成實時數據處理
     4.掌握SparkStreaming偏移量管理及Checkpoint
     5.掌握Structured Streaming整合多數據源完成實時數據處理
     6.具備Spark全棧開發能力,滿足大數據行業多場景統一技術棧的數據開發,提供就業核心競爭力
Spark core

       1.Spark架構和原理(運行機制、Driver和Executor、spark任務提交流程)
       2.RDD開發和原理(Partition、Task、RDD的依賴關系、RDD的容錯機制、RDD的存儲級別、RDD的緩存機制)廣播變量
       3.DAG原理(DAG思想、DAG的生成、DAG的處理過程)

Spark sql

       1.Spark SQL架構和原理
       2.DataFrame、DataSet DSL和SQL開發
       3.Spark多數據源整合(txt、CSV、Json、parquet、JDBC、Hive)
       4.Spark SQL執行計劃原理
       5.Spark SQL性能調優

Structured Streaming

       1.Structured Streaming開發(input、output、window、watermark、過期數據操作、去重等)
       2.Structured Streaming多數據源整合(socket、Kafka)
       3.Flume+kafka+Structured Streaming案例實戰

Spark案例實戰

       1.教育大數據場景案例實戰

智能制造業或保險項目二選一主講解決方案

       1. 基于HDP快速搭建大數據平臺
       2. 基于Hive+Spark SQL搭建離線數據倉庫
       3. 基于Structured Streaming構建高吞吐實時處理
       4. 基于ECharts實現可視化

     1.完成基于國內大型的設備制造商大數據項目開發;
     2.掌握基于spark分析原材料消耗、設備使用情況、多維度產品銷售分析,以大數據推動工業4.0;
     4.具備基于HDP平臺,連接工業設備,收集數據資源,實現產業監測分析。
主講知識點

       1.使用主流的Hive+Spark構建離線數倉
       2.使用Structure Streaming構建實時異常告警系統
       3.基于完整的工業業務背景實現的離線和實時大數據業務豐富地地圖展示可視化開發
       4.學會使用Spark SQL處理復雜業務完整的離線采集 + 實時采集方案
       5.掌握如何使用調度平臺調度T+1批處理任務Spark離線任務和實時任務整合,統一由YARN做資源管理

就業加強SQL實戰

       1.面試題必備SQL實戰
       2.SQL優化加強

     1.強化面試就業核心面試題
     2.梳理大數據架構及解決方案
     3.剖析多行業大數據架構
Hive數據分析與面試題加強

       1.Hive基礎
       2.Hive拉鏈表
       3.Hive數據倉庫構建示例
       4.Hive面試題

Spark數據分析與面試題加強

       1.Spark基礎
       2.Spark拉鏈表
       3.Spark數據倉庫構建示例
       4.Spark面試題

NoSQL數據分析與面試題加強

       1.Kafka基礎
       2.Hbase基礎
       3.Kafka&Hbase面試題

大數據多行業架構剖析

       1.數據分析流程
       2.大數據架構剖析
       3.多行業大數據架構設計
       4.大數據存儲,調度等解決方案

大數據Flink技術棧Flink Core

       1.Flink基礎

     1.掌握基于Flink進行實時和離線數據處理、分析
     2.掌握基于Flink的多流并行處理技術
     3.掌握千萬級高速實時采集技術
Flink DataStream

       1.Flink DataStream的使用、
       2.Kafka + Flink

Flink SQL

       1.Flink SQL開發
       2.Hive + Flink SQL

Flink Runtime

       1.Watermark
       2.Checkpoint
       3.任務調度與負載均衡
       4.狀態管理

Flink高級

       1.Flink性能監控
       2.Flink調優
       3.Flink SQL執行計劃

Flink電商數據集實戰

       1.Flume+Kafka+Flink+Hbase+Sqoop+Canal+MySQL實戰

車聯網項目或金融證券項目二選一主要解決方案

       1.離線數據分析:flink batch、hive
       2.實時在線分析:flink、hbase
       3.消息隊列:kafka
       4.駕駛行程分析:flink、hbase
       5.實時在線故障分析:mongodb
       6.車型指標分析:hive、shell
       7.實時指標查詢:phoenix
       8.后臺數據服務接口:springboot、swagger-ui、echarts
       9.多數據源加載:flink jdbc
       10.車輛告警規則分析:flink、zeppelin
       11.離線任務調度:azkaban
       12.報表:superset
       13.頁面展示:echarts、javascript

     1.掌握基于Flink全棧進行快速OLAP分析
     2.掌握基于Springboot+SwaggerUI快速構建數據服務接口
     3.掌握實時高性能海量數據分析與存儲
     5.掌握針對Hbase調優實現Hbase存儲調優
     6.掌握數據報表分析
     7.掌握業務數據實時大屏場景實現
主講知識點

       1.海量數據處理,系統15分鐘內收集的新能源車輛的數據超過千萬條
       2.基于Hive、HBase、HDFS數據存儲
       3.基于Kafka數據傳輸
       4.基于Flink全棧數據處理
       5.基于Nginx做反向代理、LSV和Keepalived負載均衡和高可用




備注:該課程大綱僅供參考,實際課程內容可能在授課過程中發生更新或變化,具體授課內容最終以各班級課表為準。


                                                                                                                                                                                                   

基礎差? 可免費學基礎班

申請試讀名額

基礎過關? 可直接就讀就業班

基礎測試

教學服務

  • 每日測評

    每晚對學員當天知識的吸收程度、老師授課內容難易程度進行評分,老師會根據學員反饋進行分析,對學員吸收情況調整授課內容、課程節奏,最終讓每位學員都可以跟上班級學習的整體節奏。

  • 技術輔導

    為每個就業班都安排了一名優秀的技術指導老師,不管是白天還是晚自習時間,隨時解答學員問題,進一步鞏固和加強課上知識。

  • 學習系統

    為了能輔助學員掌握所學知識,黑馬程序員自主研發了6大學習系統,包括教學反饋系統、學習難易和吸收分析系統、學習測試系統、在線作業系統、學習任務手冊、學員綜合能力評定分析等。

  • 末位輔導

    末位輔導隊列的學員,將會得到重點關心。技術輔導老師會在學員休息時間,針對學員的疑惑進行知識點梳理、答疑、輔導。以確保知識點掌握上沒有一個學員掉隊,真正落實不拋棄,不放棄任何一個學員。

  • 生活關懷

    從學員學習中的心態調整,到生活中的困難協助,從課上班級氛圍塑造到課下多彩的班級活動,班主任360度暖心鼓勵相伴。

  • 就業輔導

    小到五險一金的解釋、面試禮儀的培訓;大到500強企業面試實訓及如何針對性地制定復習計劃,幫助學員拿到高薪Offer。

国产成人8x人网站视频_日本高清色www在线安全_三级全黄的视频在线观看