为您找到264个相关课程
展开简介
收益目标：意识到企业所面临的外部威胁，了解到各种威胁解决思路
适应人群：暂无
关键词：互联网，大数据，机器学习，SQL
收益目标：1. Flink核心技术的深入理解。 2. 流式和离线海量数据计算平台的设计的抽象与分层能力 3. 用Flink实现一个通用数据计算产品的方法。 4. 领域驱动设计(DDD)的核心知识和它在大数据领域的应用。
关键词：互联网，大数据，API
收益目标：通过本课程的学习，可以帮助学员找到如下问题的答案： 1.什么是数字化转型？分哪几个阶段？如何提供价值？传统企业如何进行数字化转型？ 2.如何根据业务目标建立精确不冗余的指标体系，并通过指标体系驱动业务目标达成？ 3.数据驱动业务增长有哪几种的底层机制？该如何建立机制和获得机制的赋能？ 4.数据有哪些不同的收集方法？如何建立有效的数据收集机制？如何获取竞品和行业数据？ 5.有哪些重要的数据分析方法？如何通过数据分析获得重要的业务洞察，并制定相应的业务策略？应该在什么时候，如何使用哪一种数据方法？ 6.立项和做决策时，往往需要对候选项目进行价值分析，但价值要项目落地后才能实际产生和测量，如何进行客观准确而不是“拍脑袋”的项目/产品价值预测？
适应人群：正在进行数字化转型的企业的业务、产品、运营、研发、数据分析人员。 希望学习世界顶尖大数据企业如何使用数据、获得洞察、指导决策、建立数据文化的前沿企业的业务、产品、运营、研发、数据分析人员。 所有希望提升数据意识与思维、数据应用能力和数据洞察能力的相关岗位。 需要理解数据如何赋能业务，并建立数据驱动机制提升经营效率的企业领导。
关键词：互联网，人工智能，大数据，Python，数据分析，转型，产品管理，数字化转型，B端产品
收益目标：1.学习和了解金融企业流式数据架构设计与应用，了解实时数据处理过程中的数据管理体系，数据处理技术，数据质量管控以及数据安全等； 2.掌握流计算常用技术与架构，包括不限于Apache Storm，Apache Flink，Spark Streaming等； 3.掌握流数据架构的特点以及建设方法论； 4.了解业界主流企业如何构建流数据架构体系，以及如何在现有大数据平台架构下，构建流数据处理平台，有效管理流数据；
适应人群：1.大数据从业人员 2.企业IT开发人员 3.企业数据部门人员
关键词：互联网，架构设计，大数据，数据架构，金融
收益目标：a) 掌握Kafka的Producer/Consumer的用法及与其它系统集成的方案 b) 初步掌握如何使用Kafka Stream开发流式处理应用 c) 掌握Kafka的复制和领导选举策略，并了解分布式系统一致性解决方案 d) 能够理解并掌握分布式产品选型方法
适应人群：a) 大数据产品开发工程师 b) 大数据运维工程师 c) 大数据架构师
关键词：互联网，大数据，分布式系统，配置管理
收益目标：对于已经开始做线上监控的团队，可以参考抖音和TikTok上监控体系相互印证，提升监控效果。 对于尚未开始做线上监控的团队，抖音从10wDau到3亿DAU的线上监控经验可以帮助您的团队快速搭建一套完整的监控体系
关键词：互联网，大数据
收益目标：- 了解一个真实的MongoDB的应用场景，及Change Stream 功能的高级用法 - 了解流处理引擎工作机制 - 学习一个技术型数据中台落地方案
关键词：互联网，大数据，数据库，MongoDB，MySQL，SQL，创新，Hadoop，分布式
收益目标：1.建立批流一体处理技术知识体系，明确批处理与流处理的融合逻辑及应用场景。 2.掌握特征平台架构设计方法，了解其演进趋势与关键组件功能。 3.学会制定批流一体化特征平台建设方案，熟悉实施步骤与核心技巧。 4.熟悉 Flink、Hudi 等主流工具在批流一体场景中的应用，借鉴业界成功经验。
适应人群：大数据从业人员 企业IT开发人员 企业数据部门人员
关键词：其他，大数据
收益目标：1.理解云原生架构下Java应用的挑战与机遇； 2.掌握Java性能优化的关键工具和策略； 3.学习提升研发流程效率的现代方法和工具； 4.了解AI将如何促进研发效能的提升； 5.了解Java在人工智能、向量数据库等新兴领域的应用案例； 6.洞察Java技术的未来发展，把握技术趋势；
关键词：其他，人工智能，大数据，Java，转型，企业级，数字化转型
收益目标：深度了解主流大数据系统的系统架构，组件交互，及其内核工作与运行机制； 了解大数据平台常用的以希望数据分析和挖掘的技术，如：Hadoop、Hive、Spark等 深度了解机器学习算法，及其Spark MLlib基本算法原理，以及机器学习算法实践与优化。 了解目前主流的数据分析和挖掘平台 了解基于Python数据分析和挖掘的技术栈 能够使用Python基于Spark额mllib上面进行数据分析和挖掘。
适应人群：具有1年及以上工作经验，并期望掌握大数据系统与机器学习算法，大数据系统架构，机器学习算法运行机制的研发工程师，算法工程师，及其架构师。 利用大数据平台数据分析挖掘的同学 了解基于大数据平台常用数据分析和挖掘的流程和方法
关键词：其他，大数据，数据分析，大数据平台
收益目标：帮助科技企业进行产品升级与创新过程中，更体系化的完成商业分析与战略解构的工作
适应人群：科技企业的市场人员，销售人员，产品经理，技术骨干等角色，总监或高级专家职级
关键词：互联网，人工智能，大数据，创新，智能制造，元宇宙，产品战略，AIGC
收益目标：通过本课程，学员能够真实掌握互联网高可用架构设计过程中所遇问题的归纳、分析与总结，并有针对性的给出解决方法，课程将重现这些问题的场景，通过实例讲解，并对应到学员的实际工作问题，有效的启发思路、激发兴趣、掌握解决问题的基本方法。
适应人群：各类互联网/IT/软件企业和研发机构的软件架构师、软件设计师、程序员。对于有明确互联网产品业务需求的个人和团队，效果更佳。
关键词：互联网，互联网金融，架构师，架构设计，大数据，互联网架构，高可用架构
To Be Better
注册或 找回密码?