為您找到212個相關課程
展開簡介
收益目標：通過本課程的學習，您將對大數(shù)據(jù)測試有個整體的認識，擺脫聞“大”而恐的情況。將有能力規(guī)劃自己公司的大數(shù)據(jù)測試，對于可能遇到的風險和依賴有充足的預判和分析。能夠建立大數(shù)據(jù)測試相關配套服務，例如數(shù)據(jù)生成，狀態(tài)監(jiān)控以及自動化測試等。
適應人群：各級別軟件測試工程師，全棧工程師，軟件測試經(jīng)理
關鍵詞：互聯(lián)網(wǎng)，大數(shù)據(jù)，軟件測試，工程師
收益目標：通過介紹大數(shù)據(jù)的核心計算和存儲組件，以及整個完整的大數(shù)據(jù)平臺架構，結合具體的數(shù)據(jù)分析和機器學習案例分析，讓大家了解和掌握大數(shù)據(jù)平臺、數(shù)據(jù)分析和機器學習相關知識、最新的發(fā)展趨勢，以及如何應用到實際項目實踐中。
適應人群：暫無
關鍵詞：互聯(lián)網(wǎng)，大數(shù)據(jù)，機器學習，數(shù)據(jù)分析
收益目標：暫無
關鍵詞：其他，大數(shù)據(jù)
收益目標：1. 了解大數(shù)據(jù)的基本架構和組件 2. 了解各組件的架構、功能和使用場景 3. 了解數(shù)據(jù)中臺的需求和解決的問題 4. 了解數(shù)據(jù)中臺適用的場景和誤區(qū) 5. 對大數(shù)據(jù)平臺和數(shù)據(jù)中臺有一個全面的認識
適應人群：所有對數(shù)據(jù)中臺感興趣的學員 有一定數(shù)據(jù)開發(fā)經(jīng)驗的數(shù)據(jù)架構師、部門主管 公司架構及商業(yè)決策者
關鍵詞：其他，大數(shù)據(jù)，Hadoop，大數(shù)據(jù)平臺
適應人群：系統(tǒng)架構師，業(yè)務架構師，云原生架構師，大數(shù)據(jù)架構師，運維架構師，DBA架構師，解決方案架構師。對分布式數(shù)據(jù)庫知識和應用感興趣的IT工作者。
關鍵詞：互聯(lián)網(wǎng)，傳統(tǒng)金融，其他，架構師，架構設計，大數(shù)據(jù)，數(shù)據(jù)架構，數(shù)據(jù)庫，轉型，分布式
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：1、為銀行的業(yè)務人員開拓業(yè)務洞察視野和提供標準化的建模路線圖。 2、為算法工程師提供算法與業(yè)務的結合點。 3、為數(shù)據(jù)工程師提供系統(tǒng)架構設計思路。 4、為有志于從事金融大數(shù)據(jù)的人員提供定位指導和學習路線圖。
適應人群：銀行的業(yè)務人員 算法工程師、數(shù)據(jù)科學家 市場、渠道高級經(jīng)理及以上級別
關鍵詞：互聯(lián)網(wǎng)，大數(shù)據(jù)，機器學習，數(shù)據(jù)挖掘
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(nèi)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：1、大數(shù)據(jù)革命對銷售服務帶來的挑戰(zhàn)和機遇 2、中美知名企業(yè)用大數(shù)據(jù)提升營銷的成功經(jīng)驗和失敗教訓分享 3、運用大數(shù)據(jù)促進營銷管理和運營的方法和路線圖 4、通過現(xiàn)場模擬實戰(zhàn)案例, 全面掌握運用大數(shù)據(jù)創(chuàng)新銷售服務的實戰(zhàn)技巧
適應人群：傳統(tǒng)企業(yè)的營銷高管和資深區(qū)域經(jīng)理。一切對運用大數(shù)據(jù)做銷售服務創(chuàng)新感興趣的中高層管理人士。
關鍵詞：互聯(lián)網(wǎng)，人工智能，大數(shù)據(jù)
收益目標：1、大數(shù)據(jù)在行業(yè)、領域中的應用案例及實踐；案例涉及到Hadoop、Hbase、Spark、Flink、kafka、es、redis等開發(fā)組件的應用案例及實踐； 2、應用案例及實踐是如何搭建的、相關技術組件在實際使用過程中的注意事項及關鍵點；搭建就是指基礎組件如何搭建應用； 3、在反欺詐方面（羊毛黨）、安全方面、金融方面、風控方面，這四個方面的應用案例及實踐，重點講反欺詐方面（羊毛黨）； 4、從思想到技術再到實操，深入系統(tǒng)的剖析大數(shù)據(jù)思想、大數(shù)據(jù)技術、大數(shù)據(jù)實踐，使學員全面的、正確的認識大數(shù)據(jù)，并通過動手實踐編寫大數(shù)據(jù)挖掘程序，使學員深入理解大數(shù)據(jù)； 5、使學員深入理解Hadoop、Hbase、Spark、Flink、kafka、es、redis為代表的大數(shù)據(jù)分布式技術框架； 6、使學員掌握Hadoop、Hbase、Spark、Flink、kafka、es、redis大數(shù)據(jù)編程技術，能夠達到大數(shù)據(jù)挖掘的目的； 7、從代碼實踐的角度剖析大數(shù)據(jù)分布式技術執(zhí)行的具體過程并具備大數(shù)據(jù)開發(fā)能力； 通過分享大數(shù)據(jù)在金融結算方面的應用案例，如反欺詐、金融風險防范、金融數(shù)據(jù)分析可利用的價值方向等，加深對大數(shù)據(jù)的理解。
適應人群：1、對大數(shù)據(jù)的數(shù)據(jù)分析、數(shù)據(jù)挖掘感興趣的企業(yè)或者個人； 2、適合于想通過數(shù)據(jù)化決策防范風險等相關的企業(yè)或者個人； 3、對大數(shù)據(jù)、分布式存儲、分析等感興趣的人員； 4、大型網(wǎng)站、電商網(wǎng)站等運維人員； 5、云計算、大數(shù)據(jù)從業(yè)者； 6、熟悉Hadoop生態(tài)體系，想了解和學習Hadoop與Spark整合在企業(yè)應用實戰(zhàn)案例的朋友； 7、系統(tǒng)架構師、系統(tǒng)分析師、高級程序員、資深開發(fā)人員； 8、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； 9、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； 10、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； 11、數(shù)據(jù)倉
關鍵詞：我是運維經(jīng)理，互聯(lián)網(wǎng)，人工智能，大數(shù)據(jù)，機器學習，數(shù)據(jù)挖掘，數(shù)據(jù)分析，創(chuàng)新，Hadoop，Spark，分布式，大數(shù)據(jù)分析，AR
收益目標：了解大數(shù)據(jù)生態(tài)圈核心技術 掌握Hadoop的原理及使用 掌握分布式計算引擎(Spark+Flink)的原理及使用 掌握OLAP分析引擎的原理及使用(Hive+ClickHouse) 了解數(shù)據(jù)倉庫(離線+實時)的架構設計
適應人群：有一定編程基礎,想學習和了解大數(shù)據(jù)的學員 計算機相關專業(yè),未來向大數(shù)據(jù)領域方向發(fā)展的學員
關鍵詞：互聯(lián)網(wǎng)，其他，大數(shù)據(jù)，SQL，數(shù)據(jù)分析，Hadoop，Spark，分布式
活動詳情
To Be Better
注冊或 找回密碼?
