為您找到237個(gè)相關(guān)課程
展開簡(jiǎn)介
收益目標(biāo)：通過本課程的學(xué)習(xí)，您將對(duì)大數(shù)據(jù)測(cè)試有個(gè)整體的認(rèn)識(shí)，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(cè)試，對(duì)于可能遇到的風(fēng)險(xiǎn)和依賴有充足的預(yù)判和分析。能夠建立大數(shù)據(jù)測(cè)試相關(guān)配套服務(wù)，例如數(shù)據(jù)生成，狀態(tài)監(jiān)控以及自動(dòng)化測(cè)試等。
適應(yīng)人群：各級(jí)別軟件測(cè)試工程師，全棧工程師，軟件測(cè)試經(jīng)理
關(guān)鍵詞：互聯(lián)網(wǎng)，大數(shù)據(jù)，軟件測(cè)試，工程師
收益目標(biāo)：通過介紹大數(shù)據(jù)的核心計(jì)算和存儲(chǔ)組件，以及整個(gè)完整的大數(shù)據(jù)平臺(tái)架構(gòu)，結(jié)合具體的數(shù)據(jù)分析和機(jī)器學(xué)習(xí)案例分析，讓大家了解和掌握大數(shù)據(jù)平臺(tái)、數(shù)據(jù)分析和機(jī)器學(xué)習(xí)相關(guān)知識(shí)、最新的發(fā)展趨勢(shì)，以及如何應(yīng)用到實(shí)際項(xiàng)目實(shí)踐中。
適應(yīng)人群：暫無
關(guān)鍵詞：互聯(lián)網(wǎng)，大數(shù)據(jù)，機(jī)器學(xué)習(xí)，數(shù)據(jù)分析
收益目標(biāo)：暫無
關(guān)鍵詞：其他，大數(shù)據(jù)
收益目標(biāo)：1. 了解大數(shù)據(jù)的基本架構(gòu)和組件 2. 了解各組件的架構(gòu)、功能和使用場(chǎng)景 3. 了解數(shù)據(jù)中臺(tái)的需求和解決的問題 4. 了解數(shù)據(jù)中臺(tái)適用的場(chǎng)景和誤區(qū) 5. 對(duì)大數(shù)據(jù)平臺(tái)和數(shù)據(jù)中臺(tái)有一個(gè)全面的認(rèn)識(shí)
適應(yīng)人群：所有對(duì)數(shù)據(jù)中臺(tái)感興趣的學(xué)員 有一定數(shù)據(jù)開發(fā)經(jīng)驗(yàn)的數(shù)據(jù)架構(gòu)師、部門主管 公司架構(gòu)及商業(yè)決策者
關(guān)鍵詞：其他，大數(shù)據(jù)，Hadoop，大數(shù)據(jù)平臺(tái)
適應(yīng)人群：系統(tǒng)架構(gòu)師，業(yè)務(wù)架構(gòu)師，云原生架構(gòu)師，大數(shù)據(jù)架構(gòu)師，運(yùn)維架構(gòu)師，DBA架構(gòu)師，解決方案架構(gòu)師。對(duì)分布式數(shù)據(jù)庫知識(shí)和應(yīng)用感興趣的IT工作者。
關(guān)鍵詞：互聯(lián)網(wǎng)，傳統(tǒng)金融，其他，架構(gòu)師，架構(gòu)設(shè)計(jì)，大數(shù)據(jù)，數(shù)據(jù)架構(gòu)，數(shù)據(jù)庫，轉(zhuǎn)型，分布式
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)：1、為銀行的業(yè)務(wù)人員開拓業(yè)務(wù)洞察視野和提供標(biāo)準(zhǔn)化的建模路線圖。 2、為算法工程師提供算法與業(yè)務(wù)的結(jié)合點(diǎn)。 3、為數(shù)據(jù)工程師提供系統(tǒng)架構(gòu)設(shè)計(jì)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(dǎo)和學(xué)習(xí)路線圖。
適應(yīng)人群：銀行的業(yè)務(wù)人員 算法工程師、數(shù)據(jù)科學(xué)家 市場(chǎng)、渠道高級(jí)經(jīng)理及以上級(jí)別
關(guān)鍵詞：互聯(lián)網(wǎng)，大數(shù)據(jù)，機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘
關(guān)鍵詞：其他，數(shù)據(jù)庫，金融，企業(yè)級(jí)
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)庫技術(shù)； 8.掌握大數(shù)據(jù)倉庫與統(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)：1、大數(shù)據(jù)革命對(duì)銷售服務(wù)帶來的挑戰(zhàn)和機(jī)遇 2、中美知名企業(yè)用大數(shù)據(jù)提升營(yíng)銷的成功經(jīng)驗(yàn)和失敗教訓(xùn)分享 3、運(yùn)用大數(shù)據(jù)促進(jìn)營(yíng)銷管理和運(yùn)營(yíng)的方法和路線圖 4、通過現(xiàn)場(chǎng)模擬實(shí)戰(zhàn)案例, 全面掌握運(yùn)用大數(shù)據(jù)創(chuàng)新銷售服務(wù)的實(shí)戰(zhàn)技巧
適應(yīng)人群：傳統(tǒng)企業(yè)的營(yíng)銷高管和資深區(qū)域經(jīng)理。一切對(duì)運(yùn)用大數(shù)據(jù)做銷售服務(wù)創(chuàng)新感興趣的中高層管理人士。
關(guān)鍵詞：互聯(lián)網(wǎng)，人工智能，大數(shù)據(jù)
收益目標(biāo)：1、大數(shù)據(jù)在行業(yè)、領(lǐng)域中的應(yīng)用案例及實(shí)踐；案例涉及到Hadoop、Hbase、Spark、Flink、kafka、es、redis等開發(fā)組件的應(yīng)用案例及實(shí)踐； 2、應(yīng)用案例及實(shí)踐是如何搭建的、相關(guān)技術(shù)組件在實(shí)際使用過程中的注意事項(xiàng)及關(guān)鍵點(diǎn)；搭建就是指基礎(chǔ)組件如何搭建應(yīng)用； 3、在反欺詐方面（羊毛黨）、安全方面、金融方面、風(fēng)控方面，這四個(gè)方面的應(yīng)用案例及實(shí)踐，重點(diǎn)講反欺詐方面（羊毛黨）； 4、從思想到技術(shù)再到實(shí)操，深入系統(tǒng)的剖析大數(shù)據(jù)思想、大數(shù)據(jù)技術(shù)、大數(shù)據(jù)實(shí)踐，使學(xué)員全面的、正確的認(rèn)識(shí)大數(shù)據(jù)，并通過動(dòng)手實(shí)踐編寫大數(shù)據(jù)挖掘程序，使學(xué)員深入理解大數(shù)據(jù)； 5、使學(xué)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(shù)框架； 6、使學(xué)員掌握Hadoop、Hbase、Spark、Flink、kafka、es、redis大數(shù)據(jù)編程技術(shù)，能夠達(dá)到大數(shù)據(jù)挖掘的目的； 7、從代碼實(shí)踐的角度剖析大數(shù)據(jù)分布式技術(shù)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(jié)算方面的應(yīng)用案例，如反欺詐、金融風(fēng)險(xiǎn)防范、金融數(shù)據(jù)分析可利用的價(jià)值方向等，加深對(duì)大數(shù)據(jù)的理解。
適應(yīng)人群：1、對(duì)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(gè)人； 2、適合于想通過數(shù)據(jù)化決策防范風(fēng)險(xiǎn)等相關(guān)的企業(yè)或者個(gè)人； 3、對(duì)大數(shù)據(jù)、分布式存儲(chǔ)、分析等感興趣的人員； 4、大型網(wǎng)站、電商網(wǎng)站等運(yùn)維人員； 5、云計(jì)算、大數(shù)據(jù)從業(yè)者； 6、熟悉Hadoop生態(tài)體系，想了解和學(xué)習(xí)Hadoop與Spark整合在企業(yè)應(yīng)用實(shí)戰(zhàn)案例的朋友； 7、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； 8、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； 9、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； 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(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)，機(jī)器學(xué)習(xí)，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
活動(dòng)詳情
To Be Better
注冊(cè)或 找回密碼?
