询价
2216人看过
国家大力推动实施,大数据发展战略,行业良好。
2019年中国大数据市场产值将突破8000亿元。
未来中国基础性数据分析人才缺口将达1400万。
大数据人才荒待遇高规格行业月均22690元。
趋势:人工智能(AI)。人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能需要被教育,汇入很多信息才能进化,进而产生一些意想不到的结果。AI影响幅度很大,例如媒体业,现在计算机跟机器人可以写出很好的文章,而且1小时产出好几百篇,成本也低。AI对经济发展会产生剧烈影响,很多知识产业跟白领工作也可能被机器人取代。但他对于AI的态度很正面,这会让生活更好,例如自驾车绝对比人驾车更安全。
学习章节 | 学习具体内容 |
业务分析基础技能 |
数据分析概述;常用高阶函数;条件格式应用;数据透视表高阶应用;图表进阶;项目排期管理;案例背景介绍;动态考勤表制作;每月考勤统计;考勤汇总统计;常用指标概述;基础指标统计;人力资源指标体系概述;案例背景介绍;员工绩效评定思路解析;实操绩效统计及可视化;案例背景介绍;活动评估报表思路解析等 |
数据库应用技能 |
数据库简介;表结构的特点;数据库分类;MySQL简介;数据库基本结构;SQL语言分类;SQL书写要求;创建、使用及删除数据库;创建表;数据类型;约束条件;修改及删除表;插入数据;批量导入数据;更新数据;删除数据;查询指定列;查询不重复记录;条件查询等 |
商业智能分析技能 |
数据仓库结构说明;基于数据仓库的数据处理方法;数据仓库数据处理进阶;数据仓库应用案例;创建多维数据模型;理解多维模型表连接规则;业务数据分析指标介绍;业务数据汇总分析进阶;时间维度分析方法说明;业务背景介绍;理解及加工处理数据;可视化界面创建方法介绍;制作零售业销售情况分析仪;业务背景介绍;客户价值模型说明;数据加工处理;制作电商客户行为分析仪;业务背景介绍;理解餐饮业关键运营指标等 |
数据挖掘数学基础 |
函数;极限;微分及应用;定积分;向量;线性方程组;线性变化与矩阵;矩阵乘法;行列式;矩阵的秩;逆矩阵;点乘与内积;外积;特征值与特征向量;集中趋势的度量;离散程度的度量;偏态与峰态的度量;统计量概念与常用统计量;抽样分布等 |
Python数据清洗 |
NumPy基本介绍;NumPy基本数据结构: Ndarray;数组的索引与切片;数组其他常用函数与方法;Pandas基本数据结构: Series与DataFrame;索引、切片与过滤;排序与汇总;DataFrame简单处理缺失值方法;数据集的合并与连接;重复值的处理;数据集映射转化方法;异常值查找与替换;排序和随机抽样;DataFrame字符串常用操作;DataFrame分组操作等 |
Python数据可视化 |
数据可视化入门;常用可视化第三方库介绍: matplotlib、seaborn、PyEcharts;常用可视化图形介绍,如饼图、柱图、条形图、线图散点图等;图形选择;Pandas绘图方法;图例配置方法和常用参数;颜色条配置方法和常用参数;subplot多子图绘制方法;文字与注释、自定义坐标轴方法;Seaborn入门介绍;Seaborn API介绍;Seaborn绘图示例;Echarts介绍;PyEcharts API介绍;PyEcharts绘图示例等 |
机器学习快速入门 |
机器学习入门介绍:机器学习基本思想、常用算法分类、算法库等;Python机器学习算法库Scikit-Learn入门介绍;超参数与模型验证:学习曲线、网格搜索;特征工程概念介绍;分类特征、文本特征;图像特征、特征衍生;缺失值填充、特征管道;KNN基本原理;KNN函数详解;KNN高级数据结构实现;原理补充:归一化方法、学习曲线、交叉验证;KNN-最近邻分类器;KNN算法示例;无监督学习与聚类算法;聚类分析概述与簇的概念;距离衡量方法;聚类目标函数和质心计算方法等 |
分布式集群架构 |
大数据概念介绍;Hadoop入门与分布式集群基本概念;Hadoop生态和及其技术栈;Linux生态介绍;常用虚拟化工具介绍;常用Linux操作系统;Vmware与VirtualBox;Ubuntu操作系统与CentOS;Ubuntu安装与常用命令;JDK的安装与使用;Hadoop安装与使用;Hadoop单机运行方法;Hadoop伪分布式运行方法;利用多节点安装Hadoop集群;Hadoop生态其他常用组件基本介绍等 |
Sqoop安装与使用 |
Sqoop组件介绍与发展历史;Sqoop组件特性及核心功能;ETL基本概念;Hadoop生态中的数据转化方法;Linux中安装Sqoop方法;Sqoop集成MySQL方法;Sqoop集成Hbase方法;Sqoop集成Hive方法;Sqoop功能测试;Sqoop导入功能介绍;Sqoop数据导入import命令基本格式;Sqoop数据导入import命令常用参数;利用Sqoop从MySQL中导入数据至HDFS;Sqoop生成相应Java代码方法codegen;利用Sqoop导入数据至Hive等 |
Hadoop基础 |
HDFS概念及设计原理;HDFS体系结构和运行机制;NameNode、DataNode、SecondaryNameNode配置文件及修改方法;HDFS备份机制和文件管理机制;NameNode、DataNode、SecondaryNameNode作用及运行机制;HDFS的常用操作方法介绍;HDFS Java API介绍;HDFS Shell命令格式;HDFS创建文件目录命令;HDFS文件复制、重命名命令;HDFS文件移动、删除命令;HDFS其他常用命令;YARN基本概念;YARN相关进程介绍;YARN核心组件及其功能等 |
电子科技大学副教授
工信部软件设计师
从大数据版图看数据科学关键技术。数据科学可以理解为一个跨多学科领域的,从数据中获取知识的科学方法,技术和系统集合,其目标是从数据中提取出有价值的信息,它结合了诸多领域中的理论和技术,包括应用数学,统计,模式识别,机器学习,人工智能,深度学习,数据可视化,数据挖掘,数据仓库,以及高性能计算等。图灵奖得主Jim Gray把数据科学喻为科学的“第四范式”(经验、理论、计算和数据驱动),并断言因为信息技术的影响和数据的泛滥增长,未来不管什么领域的科学问题都将由数据所驱动。
随着5G、云计算、物联网等技术的快速发展,大数据技术成为了新时代的趋势。作为大数据的核心人才之一,大数据架构师的需求量也越来越大。为此,长沙推出了大数据架构师培训课程,旨在培养更多的大数据架构师人才。
课程特色
1. 课程由专业的大数据技术专家授课,全面掌握大数据架构师所需要的技能和知识。
2. 采用案例分析和实战演练相结合的方式,注重理论与实践相结合,使学员能够更好地应用所学知识。
3. 课程内涵全面,涵盖了大数据技术的各个方面,包括大数据架构设计与优化、数据仓库、分布式数据处理、机器学习等内容,能够满足不同学员的需求。
课程目标
1. 培养具备大数据架构设计与优化、数据仓库建设、分布式数据处理、机器学习等能力和技能的专业人才。
2. 掌握大数据架构师的核心知识,具有解决大数据相关的技术难题的能力。
3. 提高学员的实践能力,能够在实际工作岗位上运用所学知识,快速成长为业界优秀的大数据架构师。
学习对象
1. 已从事或准备进入大数据行业的从业人员。
2. 大数据开发工程师、数据仓库工程师、数据分析工程师、数据科学家等相关从业人员。
3. 具备一定IT技术基础的学生和业余爱好者。
课程内容
1. 大数据架构师基础知识
2. 大数据技术
3. 数据仓库技术
4. 分布式数据处理与管理
5. 机器学习与数据挖掘
6. 大数据架构设计
7. 大数据架构实践
学习时长和收费范围
学习时长为60天,收费范围为8000-12000元,详细咨询请联系在线客服。
学习收获
学员通过本课程的学习,可以掌握大数据架构师的核心知识和技能,提升大数据架构设计与优化、数据仓库建设、分布式数据处理、机器学习等能力,实现从技术到经营战略的转变。
结语
以上信息仅供参考,实际情况以到校咨询为准。可联系在线客服,预约免费体验课。我们相信,通过本课程的学习,能够为广大学员的大数据职业发展带来巨大的助力。
学员评论
来自第三方
来自第三方
来自第三方