為您找到241個相關課程
展開簡介
收益目標:通過本課程的學習,您將對大數據測試有個整體的認識,擺脫聞“大”而恐的情況。將有能力規(guī)劃自己公司的大數據測試,對于可能遇到的風險和依賴有充足的預判和分析。能夠建立大數據測試相關配套服務,例如數據生成,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,軟件測試經理
關鍵詞:互聯(lián)網,大數據,軟件測試,工程師
收益目標:通過介紹大數據的核心計算和存儲組件,以及整個完整的大數據平臺架構,結合具體的數據分析和機器學習案例分析,讓大家了解和掌握大數據平臺、數據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,大數據,機器學習,數據分析
收益目標:暫無
關鍵詞:其他,大數據
收益目標:1. 了解大數據的基本架構和組件 2. 了解各組件的架構、功能和使用場景 3. 了解數據中臺的需求和解決的問題 4. 了解數據中臺適用的場景和誤區(qū) 5. 對大數據平臺和數據中臺有一個全面的認識
適應人群:所有對數據中臺感興趣的學員 有一定數據開發(fā)經驗的數據架構師、部門主管 公司架構及商業(yè)決策者
關鍵詞:其他,大數據,Hadoop,大數據平臺
適應人群:系統(tǒng)架構師,業(yè)務架構師,云原生架構師,大數據架構師,運維架構師,DBA架構師,解決方案架構師。對分布式數據庫知識和應用感興趣的IT工作者。
關鍵詞:互聯(lián)網,傳統(tǒng)金融,其他,架構師,架構設計,大數據,數據架構,數據庫,轉型,分布式
收益目標:本課程將圍繞大數據最本質的特點—智能化為主線,從大數據的產品思維、數據分析重要工具、數據挖掘核心技術等層面,從瀏覽型互聯(lián)網應用、社交網絡型互聯(lián)網應用等多角度多領域做實站案例講解。 該課程使學員:理解大數據基本概率、理解大數據產品設計思維、理解大數據基礎技術架構 掌握社交圖譜挖掘的一到兩個經典數據挖掘案例的解決方案 掌握社交好友推薦中一到兩個經典案例的解決方案 掌握如何搭建一個實用的推薦引擎的方法; 掌握數據挖掘的經典方法論:數據挖掘過程、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:數據挖掘工程師、數據分析師、大數據工程師、算法專家、項目經理、技術經理、數據產品經理以及其他具有一定數據挖掘經驗的人員。
關鍵詞:互聯(lián)網,電商,互聯(lián)網金融,安全,快消品,其他,大數據,數據挖掘
適應人群:企業(yè)運營管理、產品運營、產品營銷、客戶服務、數據挖掘、數據分析和數據技術等方 面相關負責人。
關鍵詞:互聯(lián)網
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、為數據工程師提供系統(tǒng)架構設計思路。 4、為有志于從事金融大數據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、數據科學家 市場、渠道高級經理及以上級別
關鍵詞:互聯(lián)網,大數據,機器學習,數據挖掘
關鍵詞:其他,數據庫,金融,企業(yè)級
收益目標:1.深刻理解在“互聯(lián)網+”時代下大數據的產生背景、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據技術潮流,洞察大數據的潛在價值; 3.理解大數據項目解決方案及業(yè)界大數據應用案例,從而為企業(yè)在大數據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大數據技術體系; 5.掌握大數據采集技術; 6.掌握大數據分布式存儲技術; 7.掌握NoSQL與NewSQL分布式數據庫技術; 8.掌握大數據倉庫與統(tǒng)計機器學習技術; 9.掌握大數據分析挖掘與商業(yè)智能(BI)技術; 10.掌握大數據離線處理技術; 11.掌握Storm流式大數據
適應人群:1.小型企業(yè)的技術負責人; 2. 大中型企業(yè)的數據部門相關人員、或是對數據感興趣的其他部門的研發(fā)總監(jiān)、部門經理、一線研發(fā)工程師等人員均可;
關鍵詞:互聯(lián)網,大數據
收益目標:1、大數據革命對銷售服務帶來的挑戰(zhàn)和機遇 2、中美知名企業(yè)用大數據提升營銷的成功經驗和失敗教訓分享 3、運用大數據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, 全面掌握運用大數據創(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)域經理。一切對運用大數據做銷售服務創(chuàng)新感興趣的中高層管理人士。
關鍵詞:互聯(lián)網,人工智能,大數據
收益目標:1、大數據在行業(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)的剖析大數據思想、大數據技術、大數據實踐,使學員全面的、正確的認識大數據,并通過動手實踐編寫大數據挖掘程序,使學員深入理解大數據; 5、使學員深入理解Hadoop、Hbase、Spark、Flink、kafka、es、redis為代表的大數據分布式技術框架; 6、使學員掌握Hadoop、Hbase、Spark、Flink、kafka、es、redis大數據編程技術,能夠達到大數據挖掘的目的; 7、從代碼實踐的角度剖析大數據分布式技術執(zhí)行的具體過程并具備大數據開發(fā)能力; 通過分享大數據在金融結算方面的應用案例,如反欺詐、金融風險防范、金融數據分析可利用的價值方向等,加深對大數據的理解。
適應人群:1、對大數據的數據分析、數據挖掘感興趣的企業(yè)或者個人; 2、適合于想通過數據化決策防范風險等相關的企業(yè)或者個人; 3、對大數據、分布式存儲、分析等感興趣的人員; 4、大型網站、電商網站等運維人員; 5、云計算、大數據從業(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、牽涉到大數據處理的數據中心運行、規(guī)劃、設計負責人; 9、政府機關,金融保險、移動互聯(lián)網等大數據單位的負責人; 10、高校、科研院所大數據研究人員,涉及到大數據與分布式數據處理的人員; 11、數據倉
關鍵詞:我是運維經理,互聯(lián)網,人工智能,大數據,機器學習,數據挖掘,數據分析,創(chuàng)新,Hadoop,Spark,分布式,大數據分析,AR
活動詳情
To Be Better
注冊或 找回密碼?