為您找到248個相關課程
展開簡介
收益目標：1.深刻理解在“互聯(lián)網(wǎng)+”時代下大數(shù)據(jù)的產(chǎn)生背景、發(fā)展歷程和演化趨勢； 2.了解業(yè)界市場需求和國內外最新的大數(shù)據(jù)技術潮流，洞察大數(shù)據(jù)的潛在價值； 3.理解大數(shù)據(jù)項目解決方案及業(yè)界大數(shù)據(jù)應用案例，從而為企業(yè)在大數(shù)據(jù)項目中的技術選型及技術架構設計提供決策參考； 4.掌握業(yè)界最流行的Hadoop與Spark大數(shù)據(jù)技術體系； 5.掌握大數(shù)據(jù)采集技術； 6.掌握大數(shù)據(jù)分布式存儲技術； 7.掌握NoSQL與NewSQL分布式數(shù)據(jù)庫技術； 8.掌握大數(shù)據(jù)倉庫與統(tǒng)計機器學習技術； 9.掌握大數(shù)據(jù)分析挖掘與商業(yè)智能（BI）技術； 10.掌握大數(shù)據(jù)離線處理技術； 11.掌握Storm流式大數(shù)據(jù)
適應人群：1．小型企業(yè)的技術負責人； 2. 大中型企業(yè)的數(shù)據(jù)部門相關人員、或是對數(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；
關鍵詞：互聯(lián)網(wǎng)，大數(shù)據(jù)
收益目標：風控可以怎么做才能有效控制風險，本次分享將拋磚引玉，探討如何深刻理解業(yè)務，如何將算法順利地落地于風控中，又有哪些技術手段對抗不斷升級的欺詐手段，這些技術手段又有哪些瓶頸等。
適應人群：暫無
關鍵詞：互聯(lián)網(wǎng)，機器學習
收益目標：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iData在游戲場景下的自助、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)的雙引擎的技術實現(xiàn)原理。
關鍵詞：互聯(lián)網(wǎng)，大數(shù)據(jù)，BI，數(shù)據(jù)庫，數(shù)據(jù)分析，分布式，大數(shù)據(jù)分析
收益目標：暫無
適應人群：1、對大數(shù)據(jù)、分布式技術、數(shù)據(jù)分析、數(shù)據(jù)挖掘等感興趣的人員； 2、云計算、大數(shù)據(jù)、AI相關從業(yè)者； 3、系統(tǒng)架構師、系統(tǒng)分析師、高級程序員、資深開發(fā)人員； 4、牽涉到大數(shù)據(jù)處理的數(shù)據(jù)中心運行、規(guī)劃、設計負責人； 5、政府機關，金融保險、移動互聯(lián)網(wǎng)等大數(shù)據(jù)單位的負責人； 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)倉庫管理人員、建模人員，分析和開發(fā)人員、系統(tǒng)管理人員、數(shù)據(jù)庫管理人員以及對數(shù)據(jù)倉庫感興趣的其他人員；
關鍵詞：我是運維經(jīng)理，互聯(lián)網(wǎng)，人工智能，大數(shù)據(jù)，云計算，機器學習，數(shù)據(jù)挖掘，虛擬化，運維，數(shù)據(jù)分析，數(shù)據(jù)建模，深度學習
適應人群：1.大數(shù)據(jù)開發(fā)工程師 2.大數(shù)據(jù)架構師 3.大數(shù)據(jù)運維工程師 4.對大數(shù)據(jù)開發(fā)感興趣的一線開發(fā)人員
關鍵詞：其他，大數(shù)據(jù)，運維，Spark，大數(shù)據(jù)平臺
收益目標：本課程將圍繞大數(shù)據(jù)最本質的特點—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)挖掘核心技術等層面，從瀏覽型互聯(lián)網(wǎng)應用、社交網(wǎng)絡型互聯(lián)網(wǎng)應用等多角度多領域做實站案例講解。 該課程使學員：理解大數(shù)據(jù)基本概率、理解大數(shù)據(jù)產(chǎn)品設計思維、理解大數(shù)據(jù)基礎技術架構 掌握社交圖譜挖掘的一到兩個經(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經(jīng)典案例的解決方案 掌握如何搭建一個實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、模型評估標準等 側重掌握最普遍使用的分類預測技術的方法，輕松理解分類預測技術的重難點主題及一些新技術：模型優(yōu)化的原理、Overfitting和Un
適應人群：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、項目經(jīng)理、技術經(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)驗的人員。
關鍵詞：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
適應人群：企業(yè)運營管理、產(chǎn)品運營、產(chǎn)品營銷、客戶服務、數(shù)據(jù)挖掘、數(shù)據(jù)分析和數(shù)據(jù)技術等方 面相關負責人。
關鍵詞：互聯(lián)網(wǎng)
收益目標：a) 熟悉HDFS與Yarn實現(xiàn)原理及最佳實踐 b) 掌握Spark核心原理，包括但不限于Spark Job的執(zhí)行過程，Shuffle機制 c) 了解如何對Spark Job進行性能優(yōu)化，包括但不限于參數(shù)調優(yōu)，數(shù)據(jù)傾斜優(yōu)化，代碼調優(yōu) d) 掌握Spark Streaming的原理及使用方式，并掌握如何結合Spark Streaming和Kafka實現(xiàn)正好一次處理語義 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解決機器學習問題的一般方法
適應人群：a) 大數(shù)據(jù)產(chǎn)品開發(fā)工程師 b) 大數(shù)據(jù)運維工程師 c) 大數(shù)據(jù)架構師
關鍵詞：互聯(lián)網(wǎng)，Spark，分布式，大數(shù)據(jù)，機器學習，SQL
關鍵詞：其他，大數(shù)據(jù)
收益目標：了解大數(shù)據(jù)平臺的技術背景、基本知識、常識及術語。 學員通過學習本課程，能夠熟悉大數(shù)據(jù)行業(yè)和分布式系統(tǒng)的技術核心知識點； 通過Hadoop、Hive、Spark、HBase知識的學習，能夠掌握大數(shù)據(jù)應用的開發(fā)和運維能力， 并能夠掌握海量數(shù)據(jù)處 理的編碼和性能調優(yōu)經(jīng)驗。 熟悉中國互聯(lián)網(wǎng)公司（如阿里巴巴、騰訊）的大數(shù)據(jù)平臺中各組件的技術應用和最佳實踐。 了解大數(shù)據(jù)平臺在互聯(lián)網(wǎng)業(yè)務及地理信息系統(tǒng)的應用。
適應人群：擁有一定研發(fā)經(jīng)驗，希望行業(yè)前研經(jīng)驗和應用有所了解的學員。 所有對《大數(shù)據(jù)平臺及地理信息應用》感興趣的學員。
關鍵詞：互聯(lián)網(wǎng)，電商，大數(shù)據(jù)，大數(shù)據(jù)平臺，大數(shù)據(jù)、架構、Hadoop、飛天、數(shù)據(jù)中臺、地理信息
收益目標：通過該課程學習，洞悉Hadoop，NoSQL與Spark等技術的原理、架構與技術手段；結合豐富實例掌握其設計與開發(fā)方法，以及掌握如軟件架構、性能調優(yōu)等使用過程中的實用技巧；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)、缺點與正確適用場景，了解技術最新發(fā)展動向，能對Hadoop，NoSQL與Spark體系在學員企業(yè)、學員項目、學員研發(fā)中是否可用、如何定位以及如何使用做出正確判斷與學習，并且對如何結合大數(shù)據(jù)技術規(guī)劃企業(yè)數(shù)據(jù)架構得到相當?shù)膯l(fā)與收獲。
適應人群：企業(yè)中高層技術管理人員、企業(yè)技術戰(zhàn)略決策者、軟件架構師、軟件研發(fā)人員與大數(shù)據(jù)技術愛好者，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。
關鍵詞：傳統(tǒng)金融，互聯(lián)網(wǎng)金融
收益目標：1. 理解數(shù)據(jù)科學在大數(shù)據(jù)領域的作用價值 2, 理解數(shù)據(jù)科學與傳統(tǒng)BI的區(qū)別 3. 理解數(shù)據(jù)科學、人工智能如何解決企業(yè)客戶的需求 4．理解機器學習構建的基本流程方法
關鍵詞：電信，大數(shù)據(jù)，數(shù)據(jù)挖掘，BI
活動詳情
To Be Better
注冊或 找回密碼?
