• 搜素结果

 / 

互联网大数据与机器学习系统设计与实践

转转
首席架构师
3892
28821
23715
互联网大数据与机器学习系统设计与实践
推荐课程
暂无评分
推荐课程
暂无评分
¥

每人

课程时长

课程排期

如您想参加此课程,您可以点击“我想参加”按钮提交您的需求,我们会及时与您联系

地点: 该课程暂无排期
没有地点信息
将课程带入到您的团队,为您的团队进行一对一辅导。
预约内训

课程详细[html版]

课程信息

随着智能时代(AI)的到来,数据量急剧增加,如何应用人工智能算法变得越来越有挑战,企业在规划和设计大数据和机器学习系统时,涉及到方方面面的知识点,可选的方案也很多,如何在各种各样,纷繁复杂的技术中构建最适合企业的智能机器学习系统,变成了一件极具挑战的事情。一个好的机器学习系统可以以最低的成本、更灵活的方式,满足企业用户需求。相反,糟糕的智能系统,不但花费了重金,而且算法及其工程架构过于复杂、过于笨重,效果不理想,线上故障不断,缺少灵活性差,将严重阻碍业务的发展。相信大家对大数据以及智能机器学习系统都有一定的认识,但结合业务场景如何在项目中落地实践,缺乏一些经验。

培训特色

我个人一直从事大数据以及智能机器学习系统设计研发工作,根据在百度、58集团等多年的智能系统算法实践及其架构设计经验,带领大家一起学习互联网大数据与智能机器学习系统如何设计实践。理论结合实践,并重点讲述案例,深入剖析大型智能机器学习系统的具体实践。并一同探讨如何满足贵企业的大数据与智能机器学习系统设计。
来吧,一起揭开“互联网大数据与机器学习系统设计与实践”的神秘面纱!

课程大纲

主题 内容

第一课:互联网大数据与机器学习之大数据知识原理篇

1.什么是大数据以及大数据应用场景是什么;
2.大数据平台如何驱动业务持续增长;
3.大数据平台发展三个阶段是什么(What->Why->How);
4.大数据平台发展阶段一(What):是什么,快速描述业务,提供数据原材料;
5.大数据平台发展阶段二(Why):为什么,分析波动 root cause;
6.大数据平台发展阶段三(How):怎么做,数据化运营实践落地;

第二课:互联网大数据与机器学习之大数据总体架构篇

1.为什么要构建大数据平台;
2.大数据平台构建的目标与方案是什么;
3.大数据仓库如何建设(数据接入清洗/数据仓库表设计与ETL);
4.大数据平台化与产品化建设(ODS->DW->DM->APP);
5.大数据指标体系化、分析框架设计;
6.大数据平台建设的重难点实践;
7.我们的实践案例;

第三课:互联网大数据与机器学习之机器学习知识原理篇

1.机器学习是什么;
2.机器学习与人工智能、深度学习关系;
3.机器学习应用场景是什么;
4.机器学习分类;
5.机器学习评估指标;
6.机器学习常用数学知识;

第四课:互联网大数据与机器学习之机器学习算法篇

1.机器学习算法分类方法;
2.机器学习之监督学习算法;
3.机器学习之无监督学习算法;
4.机器学习之强化学习算法;
5.机器学习之迁移学习算法;
6.我们的实践案例;

第五课:互联网大数据与机器学习之机器学习流程篇

1.样本如何抽取;
2.如何做特征工程(特征提取,特征离散化,特征交叉等);
3.如何大规模高效离线训练 模型(训练集、测试集、验证集;评估指标AUC 等);
4.模型上线;
5.特征上线;
6.我们的实践案例;

第六课:互联网大数据与机器学习之机器学习平台发展篇

1.机器学习平台之小作坊生产模式;
2.机器学习平台之流水线生产模式;
3.机器学习平台之大规模机器学习模式;
4.机器学习平台之大规模深度学习模式;
5.我们实践案例;

第七课:互联网大数据与机器学习之机器学习关键技术篇

1.用户画像系统;
2.冷启动;
3.评测指标与系统;
4.ABTest平台;
5.我们的实践案例;

第八课:互联网大数据与机器学习之语言工具篇

1.python与scala如何选择;
2.spark使用及其性能优化;
3.hadoop使用及其使用优化;
4.redis使用及其使用优化;
5.elasticsearch使用及其使用优化;
6.我们实践案例;

第九课:互联网大数据与机器学习之机器学习案例篇(推荐系统线上工程架构设计与实践)

1.互联网大型系统架构演进(单体、水平分层、SOA、微服务架构);
2.推荐系统架构演进(石器时代、铁器时代、蒸汽时代);
3.我们的实践案例;

第十课:互联网大数据与机器学习之机器学习案例篇(推荐系统离线工程架构实践)

1.离线训练作坊模式(单机);
2.离线训练流水线模式(ODS、DW、DM、分布式训练、线上预测等/DataPipeline、T raining Pipeline、Model Serving);
3.离线训练平台化模式(服务众多业务线,每个业务线一键接入);
4.在线特征系统生产调度架构演进;
5.我们的实践案例;

第十一课:互联网大数据与机器学习之机器学习案例篇(推荐系统召回算法设计与实践)

1.商品主题模型;
2.商品物品词模型;
3.基于内容商品相似度模型;
4.基于用户行为的CF模型演进;
5.基于随机游走模型;
6.实时召回模型;
7.我们的实践案例;

第十二课:互联网大数据与机器学习之机器学习案例篇(推荐系统排序算法设计与实践)

1.Al l In One阶段;
2.分层排序阶段;
3.人工权重阶段;
4.机器学习模型阶段;
5.实时模型阶段;
6.我们的实践案例;

第十三课:互联网大数据与机器学习之机器学习案例篇(搜索系统工程以及召回排序算法设计与实践)

1.搜索系统工程架构演进;
2.搜索系统召回算法演进;
3.搜索系统排序算法演进;
4.我们的实践案例;

第一课:互联网大数据与机器学习之大数据知识原理篇

1.什么是大数据以及大数据应用场景是什么;
2.大数据平台如何驱动业务持续增长;
3.大数据平台发展三个阶段是什么(What->Why->How);
4.大数据平台发展阶段一(What):是什么,快速描述业务,提供数据原材料;
5.大数据平台发展阶段二(Why):为什么,分析波动 root cause;
6.大数据平台发展阶段三(How):怎么做,数据化运营实践落地;

第二课:互联网大数据与机器学习之大数据总体架构篇

1.为什么要构建大数据平台;
2.大数据平台构建的目标与方案是什么;
3.大数据仓库如何建设(数据接入清洗/数据仓库表设计与ETL);
4.大数据平台化与产品化建设(ODS->DW->DM->APP);
5.大数据指标体系化、分析框架设计;
6.大数据平台建设的重难点实践;
7.我们的实践案例;

第三课:互联网大数据与机器学习之机器学习知识原理篇

1.机器学习是什么;
2.机器学习与人工智能、深度学习关系;
3.机器学习应用场景是什么;
4.机器学习分类;
5.机器学习评估指标;
6.机器学习常用数学知识;

第四课:互联网大数据与机器学习之机器学习算法篇

1.机器学习算法分类方法;
2.机器学习之监督学习算法;
3.机器学习之无监督学习算法;
4.机器学习之强化学习算法;
5.机器学习之迁移学习算法;
6.我们的实践案例;

第五课:互联网大数据与机器学习之机器学习流程篇

1.样本如何抽取;
2.如何做特征工程(特征提取,特征离散化,特征交叉等);
3.如何大规模高效离线训练 模型(训练集、测试集、验证集;评估指标AUC 等);
4.模型上线;
5.特征上线;
6.我们的实践案例;

第六课:互联网大数据与机器学习之机器学习平台发展篇

1.机器学习平台之小作坊生产模式;
2.机器学习平台之流水线生产模式;
3.机器学习平台之大规模机器学习模式;
4.机器学习平台之大规模深度学习模式;
5.我们实践案例;

第七课:互联网大数据与机器学习之机器学习关键技术篇

1.用户画像系统;
2.冷启动;
3.评测指标与系统;
4.ABTest平台;
5.我们的实践案例;

第八课:互联网大数据与机器学习之语言工具篇

1.python与scala如何选择;
2.spark使用及其性能优化;
3.hadoop使用及其使用优化;
4.redis使用及其使用优化;
5.elasticsearch使用及其使用优化;
6.我们实践案例;

第九课:互联网大数据与机器学习之机器学习案例篇(推荐系统线上工程架构设计与实践)

1.互联网大型系统架构演进(单体、水平分层、SOA、微服务架构);
2.推荐系统架构演进(石器时代、铁器时代、蒸汽时代);
3.我们的实践案例;

第十课:互联网大数据与机器学习之机器学习案例篇(推荐系统离线工程架构实践)

1.离线训练作坊模式(单机);
2.离线训练流水线模式(ODS、DW、DM、分布式训练、线上预测等/DataPipeline、T raining Pipeline、Model Serving);
3.离线训练平台化模式(服务众多业务线,每个业务线一键接入);
4.在线特征系统生产调度架构演进;
5.我们的实践案例;

第十一课:互联网大数据与机器学习之机器学习案例篇(推荐系统召回算法设计与实践)

1.商品主题模型;
2.商品物品词模型;
3.基于内容商品相似度模型;
4.基于用户行为的CF模型演进;
5.基于随机游走模型;
6.实时召回模型;
7.我们的实践案例;

第十二课:互联网大数据与机器学习之机器学习案例篇(推荐系统排序算法设计与实践)

1.Al l In One阶段;
2.分层排序阶段;
3.人工权重阶段;
4.机器学习模型阶段;
5.实时模型阶段;
6.我们的实践案例;

第十三课:互联网大数据与机器学习之机器学习案例篇(搜索系统工程以及召回排序算法设计与实践)

1.搜索系统工程架构演进;
2.搜索系统召回算法演进;
3.搜索系统排序算法演进;
4.我们的实践案例;

+加载更多
Donec quam felis

Thousand unknown plants are noticed by me: when I hear the buzz of the little world among the stalks, and grow familiar with the countless indescribable forms of the insects and flies, then I feel the presence of the Almighty, who formed us in his own image, and the breath

I am alone, and feel the charm of existence in this spot, which was created for the bliss of souls like mine. I am so happy, my dear friend, so absorbed in the exquisite sense of mere tranquil existence, that I neglect my talents. I should be incapable of drawing a single stroke at the present moment; and yet.

+加载更多

近期公开课推荐

28
七月
上海
领域驱动设计

领域驱动设计

28
七月
上海
Python自动化运维:技术与最佳实践

围绕Python自动化运维这个主题,详细介绍系统…

28
七月
上海
微服务架构设计与实践

课程涵盖了互联网架构中设计到的方方面面,…

28
七月
北京
互联网高可用架构设计与实践

互联网架构师应对如今的高并发要具备哪些能…

28
七月
广东
自动化运维

以介绍方向为主、学习互联网思想、从案例中…

课程反馈

当前课程还没有反馈信息

用户还看了其他课程

新课-Hadoop开发、运维和调优实战

新课-Hadoop开发、运维和调优实战

11091人看过
0人评价
活用EXCEL进行数据处理与图表应用高级课程

活用EXCEL进行数据处理与图表应用高级课程

6288人看过
0人评价

欢迎来到msup!

还不是msup会员?快来注册吧!

立即注册

服务热线

400-812-8020

market@msup.com.cn

官方微信公众号

微信公众号:msupclub

Copyright © 2017 msup

京ICP备09001521号