为您找到284个相关课程
展开简介
收益目标：本课程将为大家全面而又深入的介绍Spark平台的构建流程，涉及Spark系统基础知识，概念及架构， Spark实战技巧，Spark经典案例等。 通过本课程实践，帮助学员对Spark生态系统有一个清晰明了的认识；理解Spark系统适用的场景；掌握Spark初中级应用开发技能；搭建稳定可靠的Spark集群，满足生产环境的标准；了解和清楚大数据应用的几个行业中的经典案例，包括阿里巴巴，华为等。
适应人群：各类 IT/软件企业和研发机构的软件架构师、软件设计师、程序员。对于怀有设计疑问和问题，需要梳理解答的团队和个人，效果最佳。
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，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：1.了解VR/IOT设计实操案例 2.了解科技趋势下设计面临的变革和应做的准备 3.了解数字孪生概念在产业互联网行业的落地和应用
适应人群：暂无
关键词：互联网，人工智能，大数据，云计算
收益目标：暂无
关键词：其他，人工智能，大数据，云计算，变革
收益目标：通过培训，可以让学员对实时数据处理有更深入和全面的理解，掌握实时数据平台建设思路，了解实时数据处理技术，并能够在实际应用中解决实时计算预到的工程问题。 熟悉互联网公司（如阿里巴巴、Uber、华为）的所面临的问题和工程实践经验。
适应人群：了解大数据的软件架构师。 中级和高级软件工程师。
关键词：其他，大数据，大数据平台，大数据、实时计算、Flink、Spark
适应人群：各类企业中高层管理决策人，日常与各类业务数据打交道的相关主管部门等。一切对运用大数据AI做业务创新、有意愿推动企业数字化转型的相关负责人士。
关键词：互联网金融，大数据，转型
收益目标：1、理解多数据体系融合背景下的数据治理方案 2、如何在应对复杂业务需求的同时，通过优化治理方案，提高数据治理效率
适应人群：数仓开发，数据工具开发，数据架构师，数据治理人员
关键词：互联网，大数据
适应人群：重点学员对象是：各个业务部门，特别是数智化相关部门的产品负责人、业务负责人、项目负责人，各个产品单元和产品模块的产品总监、产品经理。 鼓励参与学员对象是：支持产品研营销服管理者，包括：研发、市场、运营、服务、销售等相关负责人。
关键词：互联网，产品经理，人工智能，大数据
收益目标：1、 理解真正的大数据概念，从技术上来说大数据的框架是什么； 2、 讲述案例和架构，听众可以参与到一个大数据的架构设计中来； 3、 具备业务观点，指导听众设计一个企业的数据监控体系；
收益目标：1、用数缺逻辑。在日常处理数据的过程中，常常很难挖掘出数据的内在价值，通过数据给予业务有效的洞见和决策。 2、分析少体系。有一定的数据意识用数据去处理问题，但是缺少从识别到解决的一整套系统性方法，不管是问题筛选还是提案输出，都缺乏系统的分析能力。 3、驱动少依据。我们常常强调数据驱动业务，但是如果无法有效看懂数据、用好数据、系统性地梳理每一个增长点，就无法给予业务有效反馈和增长建议。
适应人群：1、本课程为数据分析实战进阶课程，适合需要通过数据分析实现能力提升和业务增长的岗位 2、正在进行数字化转型工作的企业员工可重点关注。
关键词：互联网，电商，互联网金融，电信，大数据，数据分析
收益目标：1.理解AI时代的运营趋势、AI如何赋能精细化运营，进行运营策略和方法的智能化升级。 2.学习运营人员需要知道的AI基本知识，基于世界巨头亚马逊等企业的实践，知道如何能保持运营方法的与时俱进，不被AI所取代和淘汰。 3.掌握智能化运营的数字化基础，建立智能运营数据体系，理解运营深度分析方法和AI赋能的机器学习和自动化运营策略。 4.掌握智能运营的用户洞察基础，学习如何进行AI驱动和机器学习找到用户特征模式、实现用户价值分析和目标用户判别，并设计差异化客群运营策略。 5.分新客智能运营和老客智能运营两部分，掌握智能运营的核心部分，重点针对渠道、拉新、激活、留存等环节，学习智能化用户运营，并学习会员体系、留存策略、上瘾模型。 6.可选模块：专题运营模块，包括品类、活动、资源位、私域四类专题运营。
适应人群：1.B端与C端企业运营、市场、营销岗人员。 2.与运营紧密配合的产品、增长、数据等岗位人员。 3.希望对企业运营进行大幅效率提升，有数字化转型需求的企业管理层。 4.对精细化运营方法与实践感兴趣的学员。一.开场与导入
关键词：互联网，产品经理，大数据，机器学习，转型，变革，大模型
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。
收益目标：1.深入了解整个OLAP体系目前前沿技术发展趋势 2.对OLAP的使用场景和具体引擎框架的特性以及内部体系架构透彻剖析 3.了解数据产品怎么基于OLAP引擎进行构建 4.实际案例分享：亿级别数据如何秒级响应数据产品的多维度分析需求
关键词：互联网，大数据，数据分析，Spark
活动详情
To Be Better
注册或 找回密码?
