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 | |
| Hadoop大数据开发精品实战 | 36.00小时 | 1、了解大数据在行业的发展情况 2、了解大数据的理论基础知识 3、了解大数据的发展趋势 4、动手Clouders Manager的安装和部署 5、熟知CDH的安装配置和解决越到的问题 6、熟悉Hadoop分布式文件系统 7、懂得hdfs分布式文件系统的使用 8、了解MapReduce工作原理 9、熟知Hadoop集群硬件配置规划 10、懂得Hadoop集群配置及优化 11、学会如何维护和监测Hadoop集群 12、学会怎么使用Sqoop连接关系数据库进行数据导入导出 13、了解Hive数据仓库的开发和应用 14、Hue的web页面的数据库开发 15、精通Hbase列式数据库的开发 16、熟悉hadoop衍生数据处理 17、学会kettle等数据处理的工具 | |
| 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。 | |
| Python及数据分析应用 | 18.00小时 | 了解Pandas 数据结构 、学习Matplotlib 基本操作 | |
| 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 | |
| Python数据分析 | 12.00小时 | 掌握使用Python进行数据分析和挖掘的技术 、能够根据数据和业务场景选择合适的分析算法 、能够对数据进行可视化编程 | |
| 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 | 0.00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。 | |
| Hadoop大数据系统管理与开发 | 30.00小时 | 掌握Hadoop大数据集群的搭建方法 、掌握大数据的数据采集、数据存储、数据分析技术 、掌握大数据生态链的各种常用工具用法 | |
| 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。 | |
| Hadoop大数据分析培训 | 30.00小时 | 掌握大数据的关键技术和挖掘分析技术使用，便于把大数据技术落地到自己的工作实践中 | |
| 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。 | |
| Python数据分析实战 | 18.00小时 | 了解数据挖掘的基本概念和方法 、了解数据挖掘的商业价值 、掌握数据挖掘的实际应用方法 、学习数据挖掘的实际应用方法 、学习主流的数据挖掘工具 、通过完整的运营商案例掌握数据模型设计技巧 、为学员课后答疑和持续学习提供网站资源，帮助其掌握学习新理念，提升其自学的意愿和能力 、结合老师多年行业数据挖掘的实践经验以案例讨论的方式为学员后续项目应用提供针对性的建议参考 | |
| 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。 | |
| Spark及BDAS技术应用 | 24.00小时 | 1、全面了解大数据实时处理技术的相关知识 2、学习Spark的核心技术方法以及应用特征 3、深入使用Spark在大数据处理中的使用 4、掌握BDAS相关工具及其主要功能 5、学会简单的scala编程 6、掌握准实时的处理技术 7、掌握spark的图像处理的技术原理 8、了解spark在业界的应用 9、深入了解spark的算法库 | |
| 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在大数据分析挖掘中的应用 | 18.00小时 | 掌握数据挖掘与数据分析原理 、认识常见的挖掘高级算法，提升数据分析技能 、深入学习Python在大数据分析挖掘中的应用实践 | |
| 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。 | |
| 基于Spark大数据处理技术及应用 | 30.00小时 | 1、全面了解大数据实时处理技术的相关知识 2、学习Spark的核心技术方法以及应用特征 3、深入使用Spark在大数据处理中的使用 4、掌握BDAS相关工具及其主要功能 5、学会简单的scala编程 6、掌握准实时的处理技术 7、掌握spark的图像处理的技术原理 8、了解spark在业界的应用 9、深入了解spark的算法库 | |
| 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。 | |
| Python数据分析 | 12.00小时 | 掌握使用Python进行数据分析和挖掘的技术 、能够根据数据和业务场景选择合适的分析算法 、能够对数据进行可视化编程 | |
| 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 | 08月14日 | 线下面授 | 上海 |
| 企业级大数据技术与应用 | 08月18日 | 线下面授 | 广州 |
| 大数据挖掘与分析 | 08月18日 | 线下面授 | 广州 |
| 大数据挖掘与分析 | 08月24日 | 线下面授 | 上海 |
| 企业级大数据技术与应用 | 10月09日 | 线下面授 | 北京 |
大数据相关认证
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}} |
