为您找到214个相关课程
展开简介
收益目标：通过本课程的学习，您将对大数据测试有个整体的认识，摆脱闻“大”而恐的情况。将有能力规划自己公司的大数据测试，对于可能遇到的风险和依赖有充足的预判和分析。能够建立大数据测试相关配套服务，例如数据生成，状态监控以及自动化测试等。
适应人群：各级别软件测试工程师，全栈工程师，软件测试经理
关键词：互联网，大数据，软件测试，工程师
收益目标：通过介绍大数据的核心计算和存储组件，以及整个完整的大数据平台架构，结合具体的数据分析和机器学习案例分析，让大家了解和掌握大数据平台、数据分析和机器学习相关知识、最新的发展趋势，以及如何应用到实际项目实践中。
适应人群：暂无
关键词：互联网，大数据，机器学习，数据分析
收益目标：暂无
关键词：其他，大数据
收益目标：1. 了解大数据的基本架构和组件 2. 了解各组件的架构、功能和使用场景 3. 了解数据中台的需求和解决的问题 4. 了解数据中台适用的场景和误区 5. 对大数据平台和数据中台有一个全面的认识
适应人群：所有对数据中台感兴趣的学员 有一定数据开发经验的数据架构师、部门主管 公司架构及商业决策者
关键词：其他，大数据，Hadoop，大数据平台
适应人群：系统架构师，业务架构师，云原生架构师，大数据架构师，运维架构师，DBA架构师，解决方案架构师。对分布式数据库知识和应用感兴趣的IT工作者。
关键词：互联网，传统金融，其他，架构师，架构设计，大数据，数据架构，数据库，转型，分布式
收益目标：本课程将围绕大数据最本质的特点—智能化为主线，从大数据的产品思维、数据分析重要工具、数据挖掘核心技术等层面，从浏览型互联网应用、社交网络型互联网应用等多角度多领域做实站案例讲解。 该课程使学员：理解大数据基本概率、理解大数据产品设计思维、理解大数据基础技术架构 掌握社交图谱挖掘的一到两个经典数据挖掘案例的解决方案 掌握社交好友推荐中一到两个经典案例的解决方案 掌握如何搭建一个实用的推荐引擎的方法； 掌握数据挖掘的经典方法论：数据挖掘过程、模型评估标准等 侧重掌握最普遍使用的分类预测技术的方法，轻松理解分类预测技术的重难点主题及一些新技术：模型优化的原理、Overfitting和Un
适应人群：数据挖掘工程师、数据分析师、大数据工程师、算法专家、项目经理、技术经理、数据产品经理以及其他具有一定数据挖掘经验的人员。
关键词：互联网，电商，互联网金融，安全，快消品，其他，大数据，数据挖掘
适应人群：企业运营管理、产品运营、产品营销、客户服务、数据挖掘、数据分析和数据技术等方 面相关负责人。
关键词：互联网
收益目标：1、为银行的业务人员开拓业务洞察视野和提供标准化的建模路线图。 2、为算法工程师提供算法与业务的结合点。 3、为数据工程师提供系统架构设计思路。 4、为有志于从事金融大数据的人员提供定位指导和学习路线图。
适应人群：银行的业务人员 算法工程师、数据科学家 市场、渠道高级经理及以上级别
关键词：互联网，大数据，机器学习，数据挖掘
收益目标：1.深刻理解在“互联网+”时代下大数据的产生背景、发展历程和演化趋势； 2.了解业界市场需求和国内外最新的大数据技术潮流，洞察大数据的潜在价值； 3.理解大数据项目解决方案及业界大数据应用案例，从而为企业在大数据项目中的技术选型及技术架构设计提供决策参考； 4.掌握业界最流行的Hadoop与Spark大数据技术体系； 5.掌握大数据采集技术； 6.掌握大数据分布式存储技术； 7.掌握NoSQL与NewSQL分布式数据库技术； 8.掌握大数据仓库与统计机器学习技术； 9.掌握大数据分析挖掘与商业智能（BI）技术； 10.掌握大数据离线处理技术； 11.掌握Storm流式大数据
适应人群：1．小型企业的技术负责人； 2. 大中型企业的数据部门相关人员、或是对数据感兴趣的其他部门的研发总监、部门经理、一线研发工程师等人员均可；
关键词：互联网，大数据
收益目标：1、大数据革命对销售服务带来的挑战和机遇 2、中美知名企业用大数据提升营销的成功经验和失败教训分享 3、运用大数据促进营销管理和运营的方法和路线图 4、通过现场模拟实战案例, 全面掌握运用大数据创新销售服务的实战技巧
适应人群：传统企业的营销高管和资深区域经理。一切对运用大数据做销售服务创新感兴趣的中高层管理人士。
关键词：互联网，人工智能，大数据
收益目标：1、大数据在行业、领域中的应用案例及实践；案例涉及到Hadoop、Hbase、Spark、Flink、kafka、es、redis等开发组件的应用案例及实践； 2、应用案例及实践是如何搭建的、相关技术组件在实际使用过程中的注意事项及关键点；搭建就是指基础组件如何搭建应用； 3、在反欺诈方面（羊毛党）、安全方面、金融方面、风控方面，这四个方面的应用案例及实践，重点讲反欺诈方面（羊毛党）； 4、从思想到技术再到实操，深入系统的剖析大数据思想、大数据技术、大数据实践，使学员全面的、正确的认识大数据，并通过动手实践编写大数据挖掘程序，使学员深入理解大数据； 5、使学员深入理解Hadoop、Hbase、Spark、Flink、kafka、es、redis为代表的大数据分布式技术框架； 6、使学员掌握Hadoop、Hbase、Spark、Flink、kafka、es、redis大数据编程技术，能够达到大数据挖掘的目的； 7、从代码实践的角度剖析大数据分布式技术执行的具体过程并具备大数据开发能力； 通过分享大数据在金融结算方面的应用案例，如反欺诈、金融风险防范、金融数据分析可利用的价值方向等，加深对大数据的理解。
适应人群：1、对大数据的数据分析、数据挖掘感兴趣的企业或者个人； 2、适合于想通过数据化决策防范风险等相关的企业或者个人； 3、对大数据、分布式存储、分析等感兴趣的人员； 4、大型网站、电商网站等运维人员； 5、云计算、大数据从业者； 6、熟悉Hadoop生态体系，想了解和学习Hadoop与Spark整合在企业应用实战案例的朋友； 7、系统架构师、系统分析师、高级程序员、资深开发人员； 8、牵涉到大数据处理的数据中心运行、规划、设计负责人； 9、政府机关，金融保险、移动互联网等大数据单位的负责人； 10、高校、科研院所大数据研究人员，涉及到大数据与分布式数据处理的人员； 11、数据仓
关键词：我是运维经理，互联网，人工智能，大数据，机器学习，数据挖掘，数据分析，创新，Hadoop，Spark，分布式，大数据分析，AR
收益目标：了解大数据生态圈核心技术 掌握Hadoop的原理及使用 掌握分布式计算引擎(Spark+Flink)的原理及使用 掌握OLAP分析引擎的原理及使用(Hive+ClickHouse) 了解数据仓库(离线+实时)的架构设计
适应人群：有一定编程基础,想学习和了解大数据的学员 计算机相关专业,未来向大数据领域方向发展的学员
关键词：互联网，其他，大数据，SQL，数据分析，Hadoop，Spark，分布式
To Be Better
注册或 找回密码?