助教线上服务时间由原先的上课期间答疑调整为课程持续期间答疑,包括中途休息时间;同时,每日答疑时间由原先的“朝九晚六”调整为“朝九晚九”,全面覆盖同学晚自习时间。
询价
1109人看过
趋势:区块链技术。区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。所谓共识机制是区块链系统中实现不同节点之间建立信任、获取权益的数学算法。区块链技术是指一种全民参与记账的方式。所有的系统背后都有一个数据库,你可以把数据库看成是就是一个大账本。目前是各自记各自的账。柯斯塔表示,这项技术本质是编译码跟加解密,可以有效加密信息。区块链有很多不同应用方式,美国几乎所有科技公司都在尝试如何应用,最常见的应用是比特币跟其他加密货币的交易。
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 |
微软Excel MVP
沐垚科技创始人
1、大数据项目实战。实战训练可以帮助我们更好的理解所学的内容,同时对相关知识加强记忆。在以后的实际运用中,可以更快的上手,对于相关知识的使用方法也有了经验。在各个技术框架的不同阶段,结合项目实战,积累开发经验。
2、大数据深度提高。机器学习:是一门多领域交叉学科,涉及概率论、统计学、算法复杂度理论等多门学科。它是人工智能的核心,遍及人工智能的各个领域,主要学习常见的算法理论。
助教线上服务时间由原先的上课期间答疑调整为课程持续期间答疑,包括中途休息时间;同时,每日答疑时间由原先的“朝九晚六”调整为“朝九晚九”,全面覆盖同学晚自习时间。
每个班级、每位同学、每月都会进行至少一次一对一辅导,询问同学学习状态、解决学习问题;针对每个模块测试结果后10%的学员进行额外辅导,以确保学员能够跟上学习进度。
每个课程会安排相关课后作业,确保同学课下能够进行适当练习,保证当日学习效果。除了作业,还会组织学员进行阶段性测试,以考试性质为主,考察学员对本阶段知识掌握程度。
对于重难点知识和同学普遍反应出来的问题,助教将进行每周1-2次的晚自习串讲,串讲时常为2小时左右,且相关内容需要重新制作、有别于课程内容,帮助同学攻克重难点知识。
助教线上服务要求5分钟内有问必答,并能做到解决所有课程中遇到的问题。在原先每个班一个助教一个班主任配置下,调整为每个班2名助教+项目服务团队的模式,解决线上提问。
在课程持续期间,助教还需实时统计学员出勤情况,监督课堂纪律,跟进学习进度。除正常的答疑解惑外,服务团队会与班级同学保持沟通、给予正确指引,从而营造积极学习氛围。
课程背景
随着信息时代的不断发展,大数据技术在各个行业得到广泛应用。而大数据工程师是这一行业的核心人才之一。为满足市场需求,长沙推出了大数据工程师培训课程,旨在培养优秀的大数据工程师。
课程特色
1. 专业师资:课程由资深大数据工程师授课,授课内容通俗易懂,贴合企业实际需求。
2. 实战演练:课程设置大量实践环节,学员可以通过实战演练巩固所学知识,提高实战能力。
3. 职业规划:课程结束后,学员可以得到个性化职业规划指导,为未来的职业发展提供帮助。
课程目标
1. 通过学习,掌握大数据相关技术知识,熟悉大数据平台的基本原理和操作流程。
2. 培养学员具备大数据工程师的实战能力,能够独立设计和开发大数据处理系统,提高工作竞争力。
3. 为学员提供个性化职业规划指导,帮助学员实现自我发展。
学习对象
1. 有一定的计算机基础,具备编程经验的大学生、研究生和IT工程师。
2. 已经从事或者有意从事大数据相关工作的人员。
课程内容
1. 大数据开发环境搭建
2. Hadoop分布式系统原理及其应用
3. Hive、Pig、Spark等大数据处理工具的使用
4. 大数据存储技术
5. 数据挖掘与分析
学习时长
本课程为期三个月,共计216个学时。
收费范围
具体收费标准需以到校咨询为准。欢迎联系在线客服,预约免费体验课程。
学习收获
1. 掌握大数据工程领域的基本知识和技能,熟练运用相关的开发工具和平台。
2. 培养实际操作能力,提升工作能力和市场竞争力。
3. 可以得到个性化的职业规划指导,为未来的职业发展提供帮助。
结语
以上信息仅供参考,实际情况以到校咨询为准。欢迎联系在线客服,预约免费体验课程,了解更多详情。
学员评论
来自第三方
来自第三方
来自第三方