大数据学习产品
大数据课程列表
| 课程名称 | 课程时长 | 课程难度 | 学习收获 |
| 大数据挖掘与分析 | 24.00小时 | （1）全面介绍了数据挖掘的标准流程，数据预处理，数据挖掘方法，数据挖掘模型，模型评估，模型参数优化，等等，使得学员掌握数据挖掘的方模工具。 （2）通过本课程的学习，达到如下目的： （3）了解数据分析与数据挖掘的基本知识，理解大数据思维方式。 （4）掌握数据挖掘的基本过程和步骤，掌握数据挖掘的思路和框架。 （5）能够理解分析模型原理，掌握模型应用场景，能够利用模型解决复杂的商业问题。 （6）掌握常用的数据模型，能够根据商业问题选择合适的分析模型。 （7）熟悉SPSS基本操作，掌握分析操作，能够解读分析结果，并转化为业务。 | |
| Scala从基础到开发实战 | 12.00小时 | 通过学习本课程能具备初步的Scala语言实际编程能力，更好地参与Spark等大数据课程学习。 | |
| 数据分析利器——Tableau商业分析实战 | 12.00小时 | 本课程分期讲述Tableau应用的各种实战场景和技术。通过学习，大家熟练掌握Tableau的操作使用技巧，增强实战经验。 | |
| 数据结构与算法和分析方法基础 | 18.00小时 | 认识和了解数据结构与算法的关系及各自的原理 、学习数据结构及算法应用的数据分析和数据挖掘方法论及应用场景 、深入学习并掌握数据挖掘的算法 、最后重点讲解Python的算法研究与算法的实践 | |
| “数”说营销--市场营销大数据分析实战 | 24.00小时 | 了解大数据营销内容，掌握大数据在营销中的应用； 了解基本的营销理论，并学会基于营销理念来展开大数据分析； 熟悉数据挖掘的标准过程，掌握常用的数据挖掘方法； | |
| 金融行业大数据分析与挖掘综合能力提升实战 | 36.00小时 | 了解数据分析基础知识，掌握数据分析的基本过程。 学会数据分析的框架和思路，掌握常用数据分析方法来分析问题。 熟悉数据分析的基本过程，掌握高级数据分析工具库操作。 | |
| 企业级大数据技术与应用 | 18.00小时 | 1. 了解大数据业内最新发展趋势，深入掌握Hadoop的原理，Hadoop生态系统 2. 深入学习yarn 框架下的MapReduce，掌握MapReduce研发 3. 掌握HDFS 开发 4. 了解Hadoop集群规划，应用案例解析 5. 列式数据库HBase的基本原理，应用场景，掌握基本的编程技巧 6. 学习掌握 Hive工具 , 分布式协调系统Zookeeper的基本原理，应用场景，掌握基本的编程技巧 7. 掌握Spark技术 8. 掌握Impala 9. 掌握相关的大数据核心组件 | |
| 大数据Hadoop实战 | 24.00小时 | 了解业界有哪些真是落地的Cloudera Hadoop应用 、学习Cloudera Hadoop在企业内部到底适用于那些应用场景 、掌握如何建设 Cloudera hadoop 集群环境 、学习如何设计 Cloudera hadoop 应用方案 、学习如何使Cloudera Hadoop与传统技术结合 | |
| 高级-大数据建模及模型优化实战培训 | 12.00小时 | 学会如何做市场细分，划分客户群。 学会实现客户价值评估。 学会用大数据来指导产品功能设计，以及产品优化。 | |
| 大数据核心理念 | 0.00小时 | 帮助大家正确理解大数据，透过数据看业务问题，透过案例构建数据思维！ 1）弄清楚大数据本质 2）理解大数据的作用 3）了解大数据如何落地 4）养成数据意识和大数据思维方式 | |
| 数据挖掘行业模型设计开发 | 12.00小时 | 使学员掌握数据挖掘各种算法的各自优缺点，了解数据挖掘的步骤以及各步骤的重点。 介绍挖掘项目和开发中的方法论以及流程；各种算法的特点以及关系；数据挖掘模型的建立方法、各种开发案例等。 | |
| 金融行业大数据分析与挖掘综合能力提升实战 | 36.00小时 | 了解数据分析基础知识，掌握数据分析的基本过程。 学会数据分析的框架和思路，掌握常用数据分析方法来分析问题。 熟悉数据分析的基本过程，掌握高级数据分析工具库操作。 | |
| 大数据挖掘工具:SPSS Modeler入门与提高 | 24.00小时 | 了解大数据基础知识，理解大数据思维方式。 了解数据分析与数据挖掘的基本知识（统计、分布、概率等）。 掌握数据挖掘的基本过程和步骤，掌握数据挖掘的方法。 | |
| 数据中台与大数据建设案例分析和最佳实践 | 12.00小时 | 1、理解数据中台的概念，理解数据驱动，以及数据价值变现 2、理解如何在数据中台中实践“尽可能采集数据、更好地整理数据、有效地挖掘数据价值” 3、理解如何将“自顶向下”与“自下而上”向结合，制订切实可行的开展数据中台建设 | |
| 实用SPSS数据分析培训 | 12.00小时 | 了解spss的基本操作 、掌握利用spss进行数据管理 、能够理解简单统计分析综述 、掌握spss结果界面处理 | |
| 大数据技术原理与应用进阶 | 12.00小时 | 学习Spark的部署方法和运行原理； 、使用Spark SQL和Spark DataFrame进行数据管理； 、使用Spark Streaming实现基础的流式计算。 | |
| 数据结构与算法和分析方法基础 | 18.00小时 | 认识和了解数据结构与算法的关系及各自的原理 、学习数据结构及算法应用的数据分析和数据挖掘方法论及应用场景 、深入学习并掌握数据挖掘的算法 、最后重点讲解Python的算法研究与算法的实践 | |
| 大数据平台Storm实践 | 24.00小时 | 了解大数据业内最新发展趋势，深入掌握Storm的原理，Storm生态； 掌握Storm大数据平台技术及原理； 深入学习yarn框架下的Storm，掌握Storm研发； 掌握Storm开发； 了解Storm集群规划，应用案例解析； 列式数据库Storm的基本原理，应用场景，掌握基本的编程技巧。 | |
| 营业厅经理的数据分析综合能力提升培训 | 12.00小时 | 了解数据分析基础知识，掌握数据分析的基本过程。 学会数据分析的框架和思路，掌握常用数据分析方法来分析问题。 掌握Excel工具使用，及高级数据分析库操作。 | |
| 大数据挖掘工具:SPSS Modeler入门与提高 | 24.00小时 | 了解大数据基础知识，理解大数据思维方式。 了解数据分析与数据挖掘的基本知识（统计、分布、概率等）。 掌握数据挖掘的基本过程和步骤，掌握数据挖掘的方法。 | |
| 中级-大数据挖掘高级能力提升实战培训 | 12.00小时 | 了解数据挖掘基础知识，以及数据挖掘标准过程。 熟悉建模的一般过程，以及评估模型质量的关键指标。 掌握建模前的影响因素分析，学会寻找影响业务的关键因素。 | |
| 高级-大数据建模及模型优化实战培训 | 12.00小时 | 学会如何做市场细分，划分客户群。 学会实现客户价值评估。 学会用大数据来指导产品功能设计，以及产品优化。 | |
| 营业厅经理的数据分析综合能力提升培训 | 12.00小时 | 了解数据分析基础知识，掌握数据分析的基本过程。 学会数据分析的框架和思路，掌握常用数据分析方法来分析问题。 掌握Excel工具使用，及高级数据分析库操作。 | |
| 大数据技术原理与应用项目实战 | 6.00小时 | 了解如何用 MLlib挖掘工具来解决具体的问题 、学习从大数据中挖掘出有价值的信息的关键 | |
| 实用SPSS数据分析培训 | 12.00小时 | 了解spss的基本操作 、掌握利用spss进行数据管理 、能够理解简单统计分析综述 、掌握spss结果界面处理 | |
| 初级-大数据统计分析基础能力实战培训 | 12.00小时 | 了解数据分析基础知识，掌握数据分析的基本过程。 学会数据分析的框架和思路，掌握常用数据分析方法来分析问题。 熟悉数据分析的基本过程，掌握Excel高级数据分析库操作。 | |
| 数据仓库模型建设与数据挖掘实战 | 18.00小时 | 能够进行建模和数据仓库管理工作 、对ETL有更深入的认识及对方法的掌握 、充分理解数据挖掘和数据仓库的方法论 、提高自己分析问题解决问题的实际能力 | |
| 大数据时代的精准营销 | 6.00小时 | 了解大数据营销内容，掌握大数据在营销中的应用。 了解基本的营销理论，并学会基于营销理念来展开大数据分析。 熟悉数据分析的标准过程，了解大数据在营销中的应用原理。 | |
| 大数据平台Spark深入实践 | 24.00小时 | Spark 是一种与 Hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越，换句话说，Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。本课程深入学习Spark技术，通过本课程的学习，可以掌握： 1. 掌握Spark 部署中常见的方法与注意事项； 2. 掌握Spark集群规划方法及配置优化方法； 3. 掌握Spark 原理 RDD，PariRDD； 4. 掌握Spark读取与存储数据的方法； 5. 掌握Spark SQL 使用； 6. 掌握Spark Streaming 原理与使用及优化办法。 | |
| 大数据变革与商业模式创新 | 6.00小时 | 了解大数据的基本面，以及大数据在各领域中的应用价值。 了解大数据在工具、思维和文化上的变革，以及大数据带来的冲击。 探讨大数据给企业带来的商业模式的创新，及探讨大数据发展策略。 | |
| 大数据Hadoop实战 | 24.00小时 | 了解业界有哪些真是落地的Cloudera Hadoop应用 、学习Cloudera Hadoop在企业内部到底适用于那些应用场景 、掌握如何建设 Cloudera hadoop 集群环境 、学习如何设计 Cloudera hadoop 应用方案 、学习如何使Cloudera Hadoop与传统技术结合 | |
| 大数据平台Spark深入实践 | 24.00小时 | Spark 是一种与 Hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越，换句话说，Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。本课程深入学习Spark技术，通过本课程的学习，可以掌握： 1. 掌握Spark 部署中常见的方法与注意事项； 2. 掌握Spark集群规划方法及配置优化方法； 3. 掌握Spark 原理 RDD，PariRDD； 4. 掌握Spark读取与存储数据的方法； 5. 掌握Spark SQL 使用； 6. 掌握Spark Streaming 原理与使用及优化办法。 | |
| 数据挖掘与建模实训 | 18.00小时 | 学会用主流的数据挖掘软件完成数据挖掘建模任务 、掌握数据挖掘方法论CRISP-DM的本质 、理解数据挖掘的方法论 、提高学员分析问题解决问题的实际能力 | |
| 数据分析与商业智能基础 | 12.00小时 | 认识和了解各种开发工具的一些特点及使用场景 、理解数据分析的方法论 、提高学员分析问题解决问题的实际能力 | |
| 大数据可视化报表开发实战 | 24.00小时 | 学习大数据可视化的知识体系 掌握Tableau可视化图表的实践方法 理解QlikView的应用方式 | |
| 大数据技术原理与应用项目实战 | 6.00小时 | 了解如何用 MLlib挖掘工具来解决具体的问题 、学习从大数据中挖掘出有价值的信息的关键 | |
| 企业级大数据技术与应用 | 18.00小时 | 1. 了解大数据业内最新发展趋势，深入掌握Hadoop的原理，Hadoop生态系统 2. 深入学习yarn 框架下的MapReduce，掌握MapReduce研发 3. 掌握HDFS 开发 4. 了解Hadoop集群规划，应用案例解析 5. 列式数据库HBase的基本原理，应用场景，掌握基本的编程技巧 6. 学习掌握 Hive工具 , 分布式协调系统Zookeeper的基本原理，应用场景，掌握基本的编程技巧 7. 掌握Spark技术 8. 掌握Impala 9. 掌握相关的大数据核心组件 | |
| 大数据产业现状及应用创新 | 6.00小时 | 了解大数据的基本面，以及大数据在各领域中的应用价值。 了解大数据的产业发展现状，产业布局以及大数据的商业模式。 了解大数据的发展趋势和市场规模，以及探讨大数据发展策略。 | |
| 数据挖掘行业模型设计开发 | 12.00小时 | 使学员掌握数据挖掘各种算法的各自优缺点，了解数据挖掘的步骤以及各步骤的重点。 介绍挖掘项目和开发中的方法论以及流程；各种算法的特点以及关系；数据挖掘模型的建立方法、各种开发案例等。 | |
| 大数据技术原理与应用核心实战 | 12.00小时 | 学习大数据的基本概念 、学习大数据处理架构Hadoop 、学习分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库、云数据库、分布式并行编程模型MapReduce、基于内存的大数据处理架构Spark、大数据在互联网、生物医学和物流等各个领域的应用 | |
| 大数据平台Storm实践 | 24.00小时 | 了解大数据业内最新发展趋势，深入掌握Storm的原理，Storm生态； 掌握Storm大数据平台技术及原理； 深入学习yarn框架下的Storm，掌握Storm研发； 掌握Storm开发； 了解Storm集群规划，应用案例解析； 列式数据库Storm的基本原理，应用场景，掌握基本的编程技巧。 | |
| 基于R语言的数据挖掘与建模实训培训 | 18.00小时 | 具备将数据挖掘的基本理论和实际应用技术相结合的能力 、提升学员知识掌握和实践能力 | |
| 大数据模型与数据挖掘应用实战 | 12.00小时 | 掌握数据挖掘的基本过程和步骤。 掌握数据挖掘的预处理方法，探索数据间的相关性，为建模打下基础。 理解数据挖掘的常见模型，原理及适用场景。 | |
| 大数据挖掘与分析 | 24.00小时 | （1）全面介绍了数据挖掘的标准流程，数据预处理，数据挖掘方法，数据挖掘模型，模型评估，模型参数优化，等等，使得学员掌握数据挖掘的方模工具。 （2）通过本课程的学习，达到如下目的： （3）了解数据分析与数据挖掘的基本知识，理解大数据思维方式。 （4）掌握数据挖掘的基本过程和步骤，掌握数据挖掘的思路和框架。 （5）能够理解分析模型原理，掌握模型应用场景，能够利用模型解决复杂的商业问题。 （6）掌握常用的数据模型，能够根据商业问题选择合适的分析模型。 （7）熟悉SPSS基本操作，掌握分析操作，能够解读分析结果，并转化为业务。 | |
| Python数据采集及分析培训 | 24.00小时 | 1、 掌握Python基础语法及常用内置库 2、 学会利用Python第三方库实现简易数据采集程序 3、 学会常见的数据分析及挖掘算法并能根据具体业务场景解决问题 4、 学会简单的数据可视化 5、 学会利用AI平台开发智能应用 | |
| 大数据可视化报表开发实战 | 24.00小时 | 学习大数据可视化的知识体系 掌握Tableau可视化图表的实践方法 理解QlikView的应用方式 | |
| 大数据分析综合能力提升 | 0.00小时 | 掌握系统化的分析思维和全面的分析技能。 1）掌握数据分析的基本过程 2）学会搭建系统的分析框架 3）掌握常用的数据分析方法 4）熟悉常用可视化技巧 5）学会解读数据，形成业务策略 | |
| 中级-大数据挖掘高级能力提升实战培训 | 12.00小时 | 了解数据挖掘基础知识，以及数据挖掘标准过程。 熟悉建模的一般过程，以及评估模型质量的关键指标。 掌握建模前的影响因素分析，学会寻找影响业务的关键因素。 | |
| Scala从基础到开发实战 | 12.00小时 | 通过学习本课程能具备初步的Scala语言实际编程能力，更好地参与Spark等大数据课程学习。 | |
| Numpy在数据分析中的应用 | 0.00小时 | 1.了解Numpy的原理和特点。 2.掌握如何使用Numpy实现数组数据存储。 3.掌握Numpy在开发中常见的技术大坑。 | |
| BI与数据可视化 | 0.00小时 | 1、了解数据可视化的历史、概念和实现步骤 2、了解市面上流行的数据可视化工具 3、掌握数据可视化不同呈现方式及设计原则 | |
| 大数据分析与挖掘综合能力提升实战-基础篇 | 6.00小时 | 了解数据分析基础知识，掌握数据分析的基本过程。 学会数据分析的框架和思路，掌握常用数据分析方法来分析问题。 熟悉数据分析的基本过程，掌握Excel数据分析库操作 | |
| 初级-大数据统计分析基础能力实战培训 | 12.00小时 | 了解数据分析基础知识，掌握数据分析的基本过程。 学会数据分析的框架和思路，掌握常用数据分析方法来分析问题。 熟悉数据分析的基本过程，掌握Excel高级数据分析库操作。 | |
| 大数据分析与挖掘综合能力提升实战-基础篇 | 6.00小时 | 了解数据分析基础知识，掌握数据分析的基本过程。 学会数据分析的框架和思路，掌握常用数据分析方法来分析问题。 熟悉数据分析的基本过程，掌握Excel数据分析库操作 |
大数据近期开班
| 课程名称 | 开课时间 | 上课方式 | 上课地点 |
| 企业级大数据技术与应用 | 03月16日 | 互动直播 | 在线 |
| 大数据挖掘与分析 | 04月10日 | 互动直播 | 在线 |
| 大数据挖掘与分析 | 02月17日 | 线下面授 | 深圳 |
| 企业级大数据技术与应用 | 02月19日 | 线下面授 | 上海 |
| 企业级大数据技术与应用 | 04月14日 | 线下面授 | 深圳 |
| 企业级大数据技术与应用 | 04月19日 | 线下面授 | 广州 |
| 大数据挖掘与分析 | 05月25日 | 线下面授 | 广州 |
大数据学习与考试资讯
文章标题 更新时间 |
文章标题 更新时间 |
|
{{article.WhenModified}}
|
大数据技术文章
| 文章标题 | 分类 | 更新时间 |
| {{article.LearningProduct.Name}} | {{article.WhenModified}} |
