阶段一：Linux&Hadoop生态体系基础知识、原理
Linux体系、Python编程语言核心用法、Hadoop离线计算原理、分布式数据库Hbase、数据仓库Hive、Flume分布式日志采集、zookeeper全局分布式锁、kafka分布式发布-订阅消息系统、spark分布式计算框架。

阶段二：分布式计算框架和Spark&Strom/flink生态体系
1)分布式计算框架优化与实战
Scala编程语言核心用法、Spark(sql、shell)大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习)大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习、hive数仓实战、hbase实战。
2)Storm/flink技术架构体系
Storm/flink原理、基础、调优 消息队列kafka、Redis工具、zookeeper详解

阶段三：数据挖掘与机器学习
结巴+隐马尔科夫、维特比算法+userCF、spark实现userCF+itemCF+LR+商品预测、决策树+随机森林+GBDT、支持向量机SVM、神经网络与深度学习、word2vec + lstm、als算法、kmeans + spark应用 + 交叉特征、贝叶斯 + 新闻分类 + saprk应用。

大数据开发就业方向
大数据作为一门基础科学，无论在数据开发及分析、物联网和人工智能算法训练领域，都有着核心技术和职位诉求，那么开发方向都有哪些对口的工作职位呢？
方向1：大数据工程师，大数据开发工程师，大数据维护工程师，大数据研发工程师，大数据架构师等;
方向2：大数据分析师，大数据高级工程师，大数据分析师专家，大数据挖掘师，大数据算法师等;
方向3：大数据运维工程师等。

大数据开发这块年龄影响比较小，因为搞大数据不是简单的编程，编程的份量连1/6都不到，很多时候需要你从服务器、存储、计算、运维等多个方面来分析问题解决问题。