本階段不需要編程，很多人聽過大數據，聽過人工智能，聽過數據挖掘。但是幾乎都有疑問：什麼是大數據？什麼是人工智能？大數據和人工智能能做什麼？等等。這一階段主要是答疑解惑，讓大家明白這些概念，至少在和高端人士茶餘飯後談論大數據和人工智能的時候可以不需要“一臉懵逼”。 如果已經對大數據和人工智能瞭解很透徹，可以跳過直接進入第一階段。
第一階段：linux 系統
這章是基礎課程，幫大家進入大數據領域打好 Linux 基礎，以便更好地學習 Hadoop， NOSQL， Oracle， MYSQL， Spark， Storm 等衆多課程。因爲企業中 無一例外的是使用 Linux 來搭建或部署項目。
如果你想要學好大數據最好加入一個好的學習環境，可以來這個Q羣251956502 這樣大家學習的話就比較方便，還能夠共同交流和分享資料
第二階段：大型網站高併發處理
通過本章的學習大家將會了解大數據的源頭，數據從何而來，繼而更好的瞭解大數據。並且通過學習如果處理大型網站高併發問題反向更深入的學習了 Linux 同時站在了更高的角度去觸探了架構。
第三階段：Hadoop 分佈式文件系統：HDFS
本階段是進入“大數據”的一個入口，需要掌握HDFS 的基本原理，知道爲什麼它可 以存儲海量數據，知道“百度網盤”本身是什麼？能否自己也能實現一個網盤。讓大家一開 始就進入大數據實戰狀態。
第四階段：Hadoop 分佈式計算框架：Mapreduce
該階段側重對MR 的原理實現，案例應用爲主線，附以源碼分析讓學生來更清晰的理解何爲分佈式計算，計算的並行、計算的向數據移動、計算的本地化數據讀取等
第五階段：Hadoop 離線體系：Hive
本階段介紹Hive 是基於Hadoop 的一個數據倉庫工具，可以將結構化的數據文件映射爲一張數據庫表，並提供簡單的sql 查詢功能，可以將sql 語句轉換爲MapReduce 任務進行運行。其優點是學習成本低，可以通過類SQL 語句快速實現簡單的MapReduce 統計，不必開發專門的MapReduce 應用，十分適合數據倉庫的統計分析。
共有16階段，其他階段如圖