为您找到191个相关课程
展开简介
收益目标：1.对腾讯游戏的运营实践经验有一定了解； 2.介绍平台在架构上设计及历史演进； 3.介绍机器学习流水线的建设及优化实践；
适应人群：暂无
关键词：互联网，大数据，机器学习
收益目标：1. 理解大数据思维和数据驱动； 2. 掌握数据分析处理的流程； 3. 学习如何做数据分析。
适应人群：产品、市场、运营等非技术岗位、数据分析师，及其他对数据分析感兴趣的同学。
关键词：互联网，大数据
收益目标：系统全面地了解和学习微服务架构的设计、云计算与大数据基础平台及原生云应用开发方法等 •深入理解微服务架构概念、本质以及使用场景 •使用 Spring Boot / Spring Cloud 搭建微服务应用 •掌握一线互联网企业微服务实践经验
关键词：互联网，大数据，云计算，微服务，Java
收益目标：暂无
关键词：其他，人工智能，大数据，变革
收益目标：深入了解数据挖掘与分析方法、准确洞察业务状态和其中蕴含的问题，并学会深入分析数据波动背后的真正原因； 学会搭建精准匹配业务目标的分级数据指标体系，深入掌握基于大数据的产品、运营、市场行为和项目价值估算方法，建立大数据精准决策思维。
适应人群：B端与C端企业的数据部门、产品、运营、市场、技术部门人员。 IT企业及传统企业数据分析部门，业务部门需要进行项目价值评估及量化管理的人员。 企业战略决策层人员。
关键词：互联网，大数据，数据分析，创新，增长黑客
收益目标：学习完本课程后，学员的主要收获有： (1) 从企业级应用的角度对推荐系统有一个全面的认知，知道推荐系统的技能要求、价值、应用场景； (2) 了解最主流的推荐算法基本原理； (3) 熟悉推荐系统的产品形态，针对不同的产品怎么更好地整合推荐系统以发挥业务价值； (4) 了解在真实业务场景中怎么做好推荐系统，让推荐系统真正产生商业价值； (5)获得讲师十多年实践推荐系统的经典案例和经验；
适应人群：本课程适合对推荐系统感兴趣的或者自身工作与推荐系统相关的算法工程师
关键词：互联网，人工智能，大数据，推荐系统，视频推荐，音乐推荐，内容推荐
适应人群：初中级基础的工程师，数据分析/挖掘/大数据技术人员，企业数据建模/决策人员等等
关键词：互联网，大数据，机器学习，数据挖掘，工程师
关键词：其他，人工智能，大数据，云计算，变革
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.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：1.了解互联网产品数据的基本组成和获取途径 2.通过提升产品数据分析能力，更精确的挖掘产品需求 3.形成较为严密的数据推测能力和问题分析能力 4.提升利用数据分析产品商业价值的能力 5.帮助产品经理形成系统的数据观，使其形更为严密的产品观
适应人群：建议产品经理相对中高阶。
收益目标：个性化推荐解决了商品丰富性和用户接触商品的稀缺性之间的矛盾，具有巨大的商业价值。本课程从大数据、机器学习框架的角度系统地介绍主流的推荐算法模型。
To Be Better
注册或 找回密码?