为您找到200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: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. 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
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
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:通过该课程学习,洞悉Hadoop,NoSQL与Spark等技术的原理、架构与技术手段;结合丰富实例掌握其设计与开发方法,以及掌握如软件架构、性能调优等使用过程中的实用技巧;深入了解Hadoop,NoSQL,Spark体系中各成员,理解Hadoop,NoSQL,Spark成员各自的优、缺点与正确适用场景,了解技术最新发展动向,能对Hadoop,NoSQL与Spark体系在学员企业、学员项目、学员研发中是否可用、如何定位以及如何使用做出正确判断与学习,并且对如何结合大数据技术规划企业数据架构得到相当的启发与收获。
适应人群:企业中高层技术管理人员、企业技术战略决策者、软件架构师、软件研发人员与大数据技术爱好者,有大数据及海量数据管理与处理需求的企业优先。
关键词:传统金融,互联网金融
收益目标:1. 理解数据科学在大数据领域的作用价值 2, 理解数据科学与传统BI的区别 3. 理解数据科学、人工智能如何解决企业客户的需求 4.理解机器学习构建的基本流程方法
关键词:电信,大数据,数据挖掘,BI
To Be Better
注册或 找回密码?