為您找到248個(gè)相關(guān)課程
展開簡(jiǎn)介
收益目標(biāo)：1.深刻理解在“互聯(lián)網(wǎng)+”時(shí)代下大數(shù)據(jù)的產(chǎn)生背景、發(fā)展歷程和演化趨勢(shì)； 2.了解業(yè)界市場(chǎng)需求和國(guó)內(nèi)外最新的大數(shù)據(jù)技術(shù)潮流，洞察大數(shù)據(jù)的潛在價(jià)值； 3.理解大數(shù)據(jù)項(xiàng)目解決方案及業(yè)界大數(shù)據(jù)應(yīng)用案例，從而為企業(yè)在大數(shù)據(jù)項(xiàng)目中的技術(shù)選型及技術(shù)架構(gòu)設(shè)計(jì)提供決策參考； 4.掌握業(yè)界最流行的Hadoop與Spark大數(shù)據(jù)技術(shù)體系； 5.掌握大數(shù)據(jù)采集技術(shù)； 6.掌握大數(shù)據(jù)分布式存儲(chǔ)技術(shù)； 7.掌握NoSQL與NewSQL分布式數(shù)據(jù)庫(kù)技術(shù)； 8.掌握大數(shù)據(jù)倉(cāng)庫(kù)與統(tǒng)計(jì)機(jī)器學(xué)習(xí)技術(shù)； 9.掌握大數(shù)據(jù)分析挖掘與商業(yè)智能（BI）技術(shù)； 10.掌握大數(shù)據(jù)離線處理技術(shù)； 11.掌握Storm流式大數(shù)據(jù)
適應(yīng)人群：1．小型企業(yè)的技術(shù)負(fù)責(zé)人； 2. 大中型企業(yè)的數(shù)據(jù)部門相關(guān)人員、或是對(duì)數(shù)據(jù)感興趣的其他部門的研發(fā)總監(jiān)、部門經(jīng)理、一線研發(fā)工程師等人員均可；
關(guān)鍵詞：互聯(lián)網(wǎng)，大數(shù)據(jù)
收益目標(biāo)：風(fēng)控可以怎么做才能有效控制風(fēng)險(xiǎn)，本次分享將拋磚引玉，探討如何深刻理解業(yè)務(wù)，如何將算法順利地落地于風(fēng)控中，又有哪些技術(shù)手段對(duì)抗不斷升級(jí)的欺詐手段，這些技術(shù)手段又有哪些瓶頸等。
適應(yīng)人群：暫無
關(guān)鍵詞：互聯(lián)網(wǎng)，機(jī)器學(xué)習(xí)
收益目標(biāo)：1.了解大數(shù)據(jù)分析系統(tǒng)的常用數(shù)據(jù)處理流程。 2.對(duì)iData在游戲場(chǎng)景下的自助、高效、在線分析路徑的思路有所了解。 2.能了解iData游戲大數(shù)據(jù)分析系統(tǒng)的雙引擎的技術(shù)實(shí)現(xiàn)原理。
關(guān)鍵詞：互聯(lián)網(wǎng)，大數(shù)據(jù)，BI，數(shù)據(jù)庫(kù)，數(shù)據(jù)分析，分布式，大數(shù)據(jù)分析
收益目標(biāo)：暫無
適應(yīng)人群：1、對(duì)大數(shù)據(jù)、分布式技術(shù)、數(shù)據(jù)分析、數(shù)據(jù)挖掘等感興趣的人員； 2、云計(jì)算、大數(shù)據(jù)、AI相關(guān)從業(yè)者； 3、系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級(jí)程序員、資深開發(fā)人員； 4、牽涉到大數(shù)據(jù)處理的數(shù)據(jù)中心運(yùn)行、規(guī)劃、設(shè)計(jì)負(fù)責(zé)人； 5、政府機(jī)關(guān)，金融保險(xiǎn)、移動(dòng)互聯(lián)網(wǎng)等大數(shù)據(jù)單位的負(fù)責(zé)人； 6、高校、科研院所大數(shù)據(jù)研究人員，涉及到大數(shù)據(jù)與分布式數(shù)據(jù)處理的人員； 7、數(shù)據(jù)倉(cāng)庫(kù)管理人員、建模人員，分析和開發(fā)人員、系統(tǒng)管理人員、數(shù)據(jù)庫(kù)管理人員以及對(duì)數(shù)據(jù)倉(cāng)庫(kù)感興趣的其他人員；
關(guān)鍵詞：我是運(yùn)維經(jīng)理，互聯(lián)網(wǎng)，人工智能，大數(shù)據(jù)，云計(jì)算，機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘，虛擬化，運(yùn)維，數(shù)據(jù)分析，數(shù)據(jù)建模，深度學(xué)習(xí)
適應(yīng)人群：1.大數(shù)據(jù)開發(fā)工程師 2.大數(shù)據(jù)架構(gòu)師 3.大數(shù)據(jù)運(yùn)維工程師 4.對(duì)大數(shù)據(jù)開發(fā)感興趣的一線開發(fā)人員
關(guān)鍵詞：其他，大數(shù)據(jù)，運(yùn)維，Spark，大數(shù)據(jù)平臺(tái)
收益目標(biāo)：本課程將圍繞大數(shù)據(jù)最本質(zhì)的特點(diǎn)—智能化為主線，從大數(shù)據(jù)的產(chǎn)品思維、數(shù)據(jù)分析重要工具、數(shù)據(jù)挖掘核心技術(shù)等層面，從瀏覽型互聯(lián)網(wǎng)應(yīng)用、社交網(wǎng)絡(luò)型互聯(lián)網(wǎng)應(yīng)用等多角度多領(lǐng)域做實(shí)站案例講解。 該課程使學(xué)員：理解大數(shù)據(jù)基本概率、理解大數(shù)據(jù)產(chǎn)品設(shè)計(jì)思維、理解大數(shù)據(jù)基礎(chǔ)技術(shù)架構(gòu) 掌握社交圖譜挖掘的一到兩個(gè)經(jīng)典數(shù)據(jù)挖掘案例的解決方案 掌握社交好友推薦中一到兩個(gè)經(jīng)典案例的解決方案 掌握如何搭建一個(gè)實(shí)用的推薦引擎的方法； 掌握數(shù)據(jù)挖掘的經(jīng)典方法論：數(shù)據(jù)挖掘過程、模型評(píng)估標(biāo)準(zhǔn)等 側(cè)重掌握最普遍使用的分類預(yù)測(cè)技術(shù)的方法，輕松理解分類預(yù)測(cè)技術(shù)的重難點(diǎn)主題及一些新技術(shù)：模型優(yōu)化的原理、Overfitting和Un
適應(yīng)人群：數(shù)據(jù)挖掘工程師、數(shù)據(jù)分析師、大數(shù)據(jù)工程師、算法專家、項(xiàng)目經(jīng)理、技術(shù)經(jīng)理、數(shù)據(jù)產(chǎn)品經(jīng)理以及其他具有一定數(shù)據(jù)挖掘經(jīng)驗(yàn)的人員。
關(guān)鍵詞：互聯(lián)網(wǎng)，電商，互聯(lián)網(wǎng)金融，安全，快消品，其他，大數(shù)據(jù)，數(shù)據(jù)挖掘
適應(yīng)人群：企業(yè)運(yùn)營(yíng)管理、產(chǎn)品運(yùn)營(yíng)、產(chǎn)品營(yíng)銷、客戶服務(wù)、數(shù)據(jù)挖掘、數(shù)據(jù)分析和數(shù)據(jù)技術(shù)等方 面相關(guān)負(fù)責(zé)人。
關(guān)鍵詞：互聯(lián)網(wǎng)
收益目標(biāo)：a) 熟悉HDFS與Yarn實(shí)現(xiàn)原理及最佳實(shí)踐 b) 掌握Spark核心原理，包括但不限于Spark Job的執(zhí)行過程，Shuffle機(jī)制 c) 了解如何對(duì)Spark Job進(jìn)行性能優(yōu)化，包括但不限于參數(shù)調(diào)優(yōu)，數(shù)據(jù)傾斜優(yōu)化，代碼調(diào)優(yōu) d) 掌握Spark Streaming的原理及使用方式，并掌握如何結(jié)合Spark Streaming和Kafka實(shí)現(xiàn)正好一次處理語(yǔ)義 e) 掌握Spark SQL的使用和優(yōu)化方式，了解SQL引擎的原理 f) 掌握使用Spark MLlib解決機(jī)器學(xué)習(xí)問題的一般方法
適應(yīng)人群：a) 大數(shù)據(jù)產(chǎn)品開發(fā)工程師 b) 大數(shù)據(jù)運(yùn)維工程師 c) 大數(shù)據(jù)架構(gòu)師
關(guān)鍵詞：互聯(lián)網(wǎng)，Spark，分布式，大數(shù)據(jù)，機(jī)器學(xué)習(xí)，SQL
關(guān)鍵詞：其他，大數(shù)據(jù)
收益目標(biāo)：了解大數(shù)據(jù)平臺(tái)的技術(shù)背景、基本知識(shí)、常識(shí)及術(shù)語(yǔ)。 學(xué)員通過學(xué)習(xí)本課程，能夠熟悉大數(shù)據(jù)行業(yè)和分布式系統(tǒng)的技術(shù)核心知識(shí)點(diǎn)； 通過Hadoop、Hive、Spark、HBase知識(shí)的學(xué)習(xí)，能夠掌握大數(shù)據(jù)應(yīng)用的開發(fā)和運(yùn)維能力， 并能夠掌握海量數(shù)據(jù)處 理的編碼和性能調(diào)優(yōu)經(jīng)驗(yàn)。 熟悉中國(guó)互聯(lián)網(wǎng)公司（如阿里巴巴、騰訊）的大數(shù)據(jù)平臺(tái)中各組件的技術(shù)應(yīng)用和最佳實(shí)踐。 了解大數(shù)據(jù)平臺(tái)在互聯(lián)網(wǎng)業(yè)務(wù)及地理信息系統(tǒng)的應(yīng)用。
適應(yīng)人群：擁有一定研發(fā)經(jīng)驗(yàn)，希望行業(yè)前研經(jīng)驗(yàn)和應(yīng)用有所了解的學(xué)員。 所有對(duì)《大數(shù)據(jù)平臺(tái)及地理信息應(yīng)用》感興趣的學(xué)員。
關(guān)鍵詞：互聯(lián)網(wǎng)，電商，大數(shù)據(jù)，大數(shù)據(jù)平臺(tái)，大數(shù)據(jù)、架構(gòu)、Hadoop、飛天、數(shù)據(jù)中臺(tái)、地理信息
收益目標(biāo)：通過該課程學(xué)習(xí)，洞悉Hadoop，NoSQL與Spark等技術(shù)的原理、架構(gòu)與技術(shù)手段；結(jié)合豐富實(shí)例掌握其設(shè)計(jì)與開發(fā)方法，以及掌握如軟件架構(gòu)、性能調(diào)優(yōu)等使用過程中的實(shí)用技巧；深入了解Hadoop，NoSQL，Spark體系中各成員，理解Hadoop，NoSQL，Spark成員各自的優(yōu)、缺點(diǎn)與正確適用場(chǎng)景，了解技術(shù)最新發(fā)展動(dòng)向，能對(duì)Hadoop，NoSQL與Spark體系在學(xué)員企業(yè)、學(xué)員項(xiàng)目、學(xué)員研發(fā)中是否可用、如何定位以及如何使用做出正確判斷與學(xué)習(xí)，并且對(duì)如何結(jié)合大數(shù)據(jù)技術(shù)規(guī)劃企業(yè)數(shù)據(jù)架構(gòu)得到相當(dāng)?shù)膯l(fā)與收獲。
適應(yīng)人群：企業(yè)中高層技術(shù)管理人員、企業(yè)技術(shù)戰(zhàn)略決策者、軟件架構(gòu)師、軟件研發(fā)人員與大數(shù)據(jù)技術(shù)愛好者，有大數(shù)據(jù)及海量數(shù)據(jù)管理與處理需求的企業(yè)優(yōu)先。
關(guān)鍵詞：傳統(tǒng)金融，互聯(lián)網(wǎng)金融
收益目標(biāo)：1. 理解數(shù)據(jù)科學(xué)在大數(shù)據(jù)領(lǐng)域的作用價(jià)值 2, 理解數(shù)據(jù)科學(xué)與傳統(tǒng)BI的區(qū)別 3. 理解數(shù)據(jù)科學(xué)、人工智能如何解決企業(yè)客戶的需求 4．理解機(jī)器學(xué)習(xí)構(gòu)建的基本流程方法
關(guān)鍵詞：電信，大數(shù)據(jù)，數(shù)據(jù)挖掘，BI
活動(dòng)詳情
To Be Better
注冊(cè)或 找回密碼?
