为您找到264个相关课程
展开简介
收益目标:1.学员能够深刻了解大数据是什么,以及大数据的意义和关联性,培养对于大数据的敏感性; 2.学员学习算法如何才能创造价值: 1)对于待解决问题的全面评估,包括ROI分析等; 2)在有提升空间的基础之上,算法如何“接地气”和数据融合,并最终产出; 3)了解如何通过流程来控制和保证算法产出的过程。
适应人群:暂无
关键词:互联网,电商,其他,大数据,机器学习,数据挖掘
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深入讲述 数据挖掘的高阶话题,包括有偏数据挖掘、数据流挖掘、在线学习、高级数据预处理技术等。同时课程案例丰富,重点从社交网络图谱挖掘、推荐引擎等做实站案例讲解。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,
适应人群:重点面向产品和技术人员,包括数据挖掘工程师、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,产品设计,用户体验,大数据,数据挖掘
收益目标:了解大数据中MapReduce的核心原理 掌握MapReduce核心编程 了解Spark性能优化 掌握Spark中的离线计算和实时计算 掌握Spark SQL的使用 掌握HBase的高级特性
适应人群:1. 有一定编程基础,想学习和了解大数据的学员 2. 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,大数据,SQL,Spark,大数据平台
收益目标:掌握核心技术:通过系统学习Spark,学员将能够熟练运用Spark处理大数据,提升工作效率。 深入理解原理:深入剖析Spark内核原理,理解其分布式计算机制,为复杂数据处理提供坚实理论基础。 实战应用导向:通过实战案例,学员将学会如何将Spark技术应用于实际场景,提升数据处理能力,为企业创造价值。
关键词:其他,大数据,SQL,Spark,分布式
收益目标:这个Topic对希望向互联网转型的传统企业、或是互联网创业型公司都有着重要的参考意义
关键词:互联网,电商,支付平台,传统金融,互联网金融,可穿戴设备,医疗,智能家居,物联网,车联网,安全,制造,电信,政府机构,税务,快消品,其他,大数据
收益目标:暂无
关键词:互联网,大数据
收益目标:Kafka是流式处理系统如Spark streaming,Strom及Flink事实上的标准数据入口,本课程将从架构、生产消费示例、性能、运维等全方位深入分析这一大数据利器。
收益目标:1. 数据仓库和数据湖的概念和架构 2. 数据建模的技术、流程和注意点 3. 数据整合、处理和展示的流程 4. 基于大数据平台实现数据仓库、数据湖的技术和案例分享 5. 电信和银行等传统行业大数据平台数据仓库、数据湖的落地案例和经验分享 6. 关系模型和维度模型的应用场景
适应人群:1. 数据架构师 2. 数据分析和挖掘人员 3. 模型师 4. 大数据架构师 5. ETL开发工程师 6. 业务人员 学员基础: 1. 对大数据技术了解 2. 对业务了解
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:互联网金融健康发展的核心是风险控制,其依托互联网获取用户的网上消费行为数据、通讯数据、信用卡数据、第三方征信数据等丰富而全面的数据,可以借助机器学习的手段搭建大数据风控系统。本课程将介绍使用机器学习构建金融大数据风控的最佳实践。
关键词:互联网,传统金融,互联网金融,大数据
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。
关键词:互联网,大数据,机器学习,数据分析
活动详情
To Be Better
注册或 找回密码?