为您找到103个相关课程
展开简介
收益目标：1、对金融系统服务化过程、业务中台建设过程、架构演进过程进行详细介绍，深入剖析服务化和中台建设过程中遇到的应用拆分、数据拆分和团队拆分导致开发困局、运维困局等一系列问题和挑战，如何通过服务治理体系和技术来解决，使学员对服务治理的概念有更深更清晰的认识； 2、介绍管理、度量、管控三位一体，线上、线下治理结合的一体化服务治理体系，使学员全面了解服务治理体系的理论以及方法，通过现场穿插讨论，直击学员在日常工作中遇到的痛点，启发学员通过一体化的服务治理体系来解决实际问题； 3、介绍服务治理体系的落地实施过程，包括服务标准化、服务编制等基础环节，以及链路跟踪、熔断限流、服务路由、服务降级、统一注册中心、统一配置中心、统一数据中心等技术组件，使学员掌握服务治理的关键技术； 4、介绍服务治理的实施策略与场景，包括服务架构优化、虚拟化管理、线上全链路压测、快速故障分析、敏捷应用发布等，使学员掌握服务治理体系如何实施； 5、介绍与服务治理配套的敏捷团队管理和研发模式，以及如何度量管理和研发过程，提升研发效率和质量，使学员将来实施服务治理更有可行性。
适应人群：暂无
关键词：互联网，人工智能，架构设计，机器学习，微服务
收益目标：1、使学员深入理解机器学习、深度学习的基础概念、技术、思维模式； 2、使学员深入理解机器学习、深度学习算法原理、具备机器学习算法的使用能力； 3、使学员深入理解数据收集、数据挖掘、信息提取的能力； 4、使学员深入理解绘制数据可视化图形的能力； 5、深入剖析主流的机器学习、深度学习算法； 6、介绍统计学基础知识； 7、深入剖析模型的构建、特征提取、指标体系； 8、通过案例故事，深入剖析机器学习、深度学习的应用，交流数据挖掘的经验； 9、浅显易懂的方式介绍人工智能、深度学习、人工神经网络等知识点；
适应人群：1、本课程适合于机器学习和统计学的初级学习者； 2、对机器学习、数据分析、统计学感兴趣的人士；
关键词：我是运维经理，互联网，人工智能，大数据，机器学习，数据挖掘，深度学习
收益目标：暂无
关键词：其他，人工智能
收益目标：1. 听众可以了解工业大数据平台的架构演进 2. 听众可以了解真正用于工业领域的平台在实战过程的碰到的问题 3. 目前的工业大数据平台的先进技术。
关键词：互联网，人工智能，大数据，云计算，机器学习，SaaS，大数据平台
收益目标：1、大数据在行业、领域中的应用案例及实践；案例涉及到Hadoop、Hbase、Spark、Flink、kafka、es、redis等开发组件的应用案例及实践； 2、应用案例及实践是如何搭建的、相关技术组件在实际使用过程中的注意事项及关键点；搭建就是指基础组件如何搭建应用； 3、在反欺诈方面（羊毛党）、安全方面、金融方面、风控方面，这四个方面的应用案例及实践，重点讲反欺诈方面（羊毛党）； 4、从思想到技术再到实操，深入系统的剖析大数据思想、大数据技术、大数据实践，使学员全面的、正确的认识大数据，并通过动手实践编写大数据挖掘程序，使学员深入理解大数据； 5、使学员深入理解Hadoop、Hbase、Spark、Flink、kafka、es、redis为代表的大数据分布式技术框架； 6、使学员掌握Hadoop、Hbase、Spark、Flink、kafka、es、redis大数据编程技术，能够达到大数据挖掘的目的； 7、从代码实践的角度剖析大数据分布式技术执行的具体过程并具备大数据开发能力； 通过分享大数据在金融结算方面的应用案例，如反欺诈、金融风险防范、金融数据分析可利用的价值方向等，加深对大数据的理解。
适应人群：1、对大数据的数据分析、数据挖掘感兴趣的企业或者个人； 2、适合于想通过数据化决策防范风险等相关的企业或者个人； 3、对大数据、分布式存储、分析等感兴趣的人员； 4、大型网站、电商网站等运维人员； 5、云计算、大数据从业者； 6、熟悉Hadoop生态体系，想了解和学习Hadoop与Spark整合在企业应用实战案例的朋友； 7、系统架构师、系统分析师、高级程序员、资深开发人员； 8、牵涉到大数据处理的数据中心运行、规划、设计负责人； 9、政府机关，金融保险、移动互联网等大数据单位的负责人； 10、高校、科研院所大数据研究人员，涉及到大数据与分布式数据处理的人员； 11、数据仓
关键词：我是运维经理，互联网，人工智能，大数据，机器学习，数据挖掘，数据分析，创新，Hadoop，Spark，分布式，大数据分析，AR
收益目标：通过本工作坊，学员能获得对现代信息流类产品一个基本的认识。学会信息流的系统架构，以及背后的算法原理，为日后深入构建个性化产品打下良好的入门基础。
关键词：互联网，人工智能
收益目标：a. 了解百度智能运维发展历史及整体思路 b. 了解百度在故障管理场景的AIOps解决方案 c. 了解百度AIOps在百度内及行业客户的落地案例及效果
关键词：我是运维经理，互联网，人工智能，机器学习，运维，工程师
适应人群：1、对大数据、分布式技术、数据分析、数据挖掘等感兴趣的人员； 2、云计算、大数据、AI相关从业者； 3、系统架构师、系统分析师、高级程序员、资深开发人员； 4、牵涉到大数据处理的数据中心运行、规划、设计负责人； 5、政府机关，金融保险、移动互联网等大数据单位的负责人； 6、高校、科研院所大数据研究人员，涉及到大数据与分布式数据处理的人员； 7、数据仓库管理人员、建模人员，分析和开发人员、系统管理人员、数据库管理人员以及对数据仓库感兴趣的其他人员；
关键词：我是运维经理，互联网，人工智能，大数据，云计算，机器学习，数据挖掘，虚拟化，运维，数据分析，数据建模，深度学习
收益目标：1，整体把握机器学习、深度学习、数据挖掘的发展方向 2，了解机器学习、深度学习、计算机视觉的技术框架 3，理解机器学习和深度学习的思维方式和关键技术 4，了解深度学习和机器学习在当前工业界的落地应用 5，了解AI顶会论文和最新技术热点
关键词：互联网，其他，人工智能，机器学习，数据挖掘，项目管理，深度学习
适应人群：深入理解当前流行的情景计算的体系结构和优缺点，从而在产品设计中有效应用情景计算提高用户体验。理解机器学习的基本原理，掌握深度学习的优缺点以及在情景计算中的应用前景，从而了解未来3-5年内做出有技术含量的人工智能产品的关键点。
关键词：互联网，人工智能，机器学习
收益目标：学习完本课程后，学员的主要收获有： (1) 从企业级应用的角度对推荐系统有一个全面的认知，知道推荐系统的技能要求、价值、应用场景； (2) 了解最主流的推荐算法基本原理； (3) 熟悉推荐系统的产品形态，针对不同的产品怎么更好地整合推荐系统以发挥业务价值； (4) 了解在真实业务场景中怎么做好推荐系统，让推荐系统真正产生商业价值； (5)获得讲师十多年实践推荐系统的经典案例和经验；
适应人群：本课程适合对推荐系统感兴趣的或者自身工作与推荐系统相关的算法工程师
关键词：互联网，人工智能，大数据，推荐系统，视频推荐，音乐推荐，内容推荐
To Be Better
注册或 找回密码?
