精华内容
下载资源
问答
  • 大数据项目

    2018-10-17 17:15:02
    大数据项目
  • 大数据项目实战二之电信大数据项目

    万次阅读 多人点赞 2018-07-20 15:26:15
    大数据项目实战之电信大数据项目 生产日志->kafka采集->kafka API的控制台展示 ->HBASE(创建命名空间,创建表)-&...

    大数据项目实战二之电信大数据项目

    1.项目简介

    大数据时代的到来,对数据的处理与分析有了很高的要求。本项目以通话数据去展示如何处理并分析大数据,并最终通过图表可视化展示。
    本项目主要分成如下几个部分:

    • 生产日志【模拟通话 】
    • => kafka 采集
    • 【=> kafka API 的控制台展示】 =>HBASE(创建命名空间,创建表,rowKey设计,region预分区)
    • =>MapperReduce 分析 HBase 数据
    • =>将分析的数据写入到Mysql
    • => Web Server【使用JSP+Servlet

    2. 项目实现

    这个项目(Project)由多个模块(Modules)构成的,这些模块之间可以独立运行。所有模块如下:
    在这里插入图片描述

    • dataProducer 实现数据的生产
    • ct_consumer 实现数据的消费【写入到HBase
    • ct_analysis 实现数据的分析
    • webDisplay 实现数据的可视化

    2.1 MapReduce 中的 Mapper

    • 映射输入的键值对到一组中间状态的键值对。=> 将输入状态的键值对变换成中间状态的键值对。
    • Maps任务各不相同,它们都是将输入的记录转换成中间状态记录。已经转换成功的中间状态记录不需要和输入记录类型相同。一个输入的键值对可能映射到0到多个输出的键值对。

    采取使用多个MapReduce分析多个业务指标的方式来进行任务。
    业务指标:

    • 用户通话时间统计
    • 用户每月通话记录统计,通话时间统计
    • 用户之间的亲密关系统计(通话次数与通话时间体现用户亲密关系)

    2.2 自定义输出格式类

    本项目中自定义的三个输出类分别是:

    • Intimacy
      这个 Intimacy 是用于做亲密度展示的
    • MonthStat
      这个MonthStat是用于做每个月每个用户的通话数据展示
    • Statistics
      这个Statistics是用于做每个用户每年的通话数据展示【其实我觉得这个实体类稍显多余,暂且就放在这里】

    2.4 mapreduce实现类

    分成三个部分,生成这些统计数据,如下

    • teleDuration
      用于计算年通话时长
    • teleIntimacy
      用于计算用户亲密度
    • teleMonthDura
      用于计算用户月通话时长
      在这里插入图片描述
      它们都在analyze.fromHBToMys包下。

    2.5 结果存储

    将分析的结果存放在mysql中。
    使用到的表主要有,(这里简单展示如下):

    //0. 电信数据分析数据库
    create database mydatabase character set utf8;
    
    //1. 用户基本信息表
    create table user(
     teleNumber varchar(12) not null primary key
     ,name varchar(20) not null
    );
    
    
    //2. 通话记录分析表
    drop table if exists statistics;
    CREATE TABLE statistics (
      telenumber varchar(12) NOT NULL,
      callDuration int(11) NOT NULL DEFAULT '0',
      PRIMARY KEY (telenumber)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8
    
    //3. 亲密度分析结果表
    -- 亲密用户信息表,用于展现call1 的用户在year 年时的亲密用户
    drop table if exists intimacy;
    create table intimacy(
    call1 varchar(12) not null primary key,
    call2 varchar(12) not null ,
    year varchar(6) not null,
    callDuration int not null DEFAULT  0
    );
    create unique index uidx_call1_call2_year on intimacy(call1,call2,year);
    
    //4. 用户月通话数据统计表
    drop table if exists monthStat;
    create table monthStat(
    teleNumber varchar(12) not null ,
    yearMonth varchar(6) not null ,
    callDuration int not null DEFAULT  0,
    primary key(teleNumber,yearMonth)
    )ENGINE=InnoDB DEFAULT CHARSET=utf8;
    

    3. 项目代码

    项目具体代码详见我的 github。【因为涉及到关键字,项目暂时关闭了,后期开放再更新出来】

    4. 运行结果

    因为需要展示的内容有很多,这里只截图展示部分内容

    • 如下是将通话记录写入到 Hbase 的表之后,生成的表以及内容;
      在这里插入图片描述

    • Hbase 管理界面上的calllog
      在这里插入图片描述截取其中一个 region 进行查看,如下:
      在这里插入图片描述需要注意的是,这里的分区键。分区键的内容在我博客里有介绍,这里不再赘述。

    • mysql 数据库如下
      在这里插入图片描述

    • 前端界面展示
      程序主页如下:
      在这里插入图片描述
      进入到项目主页,如下:
      在这里插入图片描述
      填好参数,即可运行:
      在这里插入图片描述
      得到的执行结果如下:
      在这里插入图片描述

    5. 项目问题

    在构建这个项目时,遇到了很多问题。主要有如下几个方面:

    5.1 前端方案

    因为是一名大数据开发工程师,属于后端领域,对于前端技术是的一点儿都不懂。虽然之前也曾用ASP搭建过网站,但是属于Windows的这个技术实在不适合java。于是自己硬是学习了一遍 JSP+Servlet,虽然这些东西也不是十分友好,但是对于解决页面展示问题还是绰绰有余的。在使用 JSP+Servlet 的过程中,主要遇到的问题有:

    5.2 前端页面不会动态刷新

    JSP 页面自身没有刷新操作。但是在Ajax中却是可以的。异步刷新指的就是:我在加载了一个index.jsp页面时,即使第一次加载的时候数据还没有准备好,却依然可以通过ajax 将数据加载出来。但是如若通过JSPSession或者Bean方式,就不行。这里记录如下:
    下图是在第一次加载 telephone = 14218140347 这个用户产生的页面。
    在这里插入图片描述上面这个页面的月通话详情是通过ajax 获取的;而userName,province/city等字段却是通过Bean的方式获取;而 startMonthendMonthuserName则是通过页面值传递获取的。但是我们可以看到通过Bean的方式没有将值获取到。
    接着,再次发送一次请求【刷新页面】,如下:
    在这里插入图片描述

    在这里插入图片描述
    接着就看到这个userName字段就获取到了值,为何手动刷新一遍就可以获取到值呢?原因就如上所述:ajax 是异步刷新数据,而这里的userName 则使用Session的方式。从而导致第一遍加载的时候无法出现userName 字段,但是再次刷新的时候,就出现了这个字段。 那么这个问题的解决办法就是:在从callStatistic.jsp 时就加载这个userName,然后让其写入到session中,这样在加载 statisticOne.jsp 时就可以显示出了userName 字段。

    5.3 MapReduce 分析过程

    HBase读取数据,并将数据写到Mysql这个过程稍有复杂,但是接触之后就会发现其套路大致相同。这里结合我之前的博客内容,给出如下几个较为基础的实战项目背景,结合如下几个简单的MapReduce程序,就可以看懂整个分析过程。

    6. 总结

    • 希望更多IT人参与到开源的世界中来,并贡献自己的力量。以天下为己任,做一名真诚,正直,优秀的科技人员。【此项目的代码链接在github地址
    • 有什么问题,尽管在评论区留言,我看到之后会第一时间回复。既然都看到这里了,不妨点赞+关注呗 ^_^
    展开全文
  • 大数据项目-源码

    2021-03-04 07:07:37
    大数据项目
  • 大数据项目实战和大数据讲解ppt 大数据项目实战和大数据讲解ppt 大数据项目实战和大数据讲解ppt 大数据项目实战和大数据讲解ppt
  • 友盟大数据项目

    2018-09-24 13:47:41
    友盟大数据项目视频资料,大数据项目,很好的学习资料
  • 今天,来谈一谈 ” 大数据项目如何落地?” 这个话题。从事过多个大数据项目的规划方案及项目落地工作,在这里与大家分享一些心得,主要是关于大数据项目如何成功落地并取得预期目标,也可以说这些是实践出来的观点。...

    今天,来谈一谈 ” 大数据项目如何落地?” 这个话题。从事过多个大数据项目的规划方案及项目落地工作,在这里与大家分享一些心得,主要是关于大数据项目如何成功落地并取得预期目标,也可以说这些是实践出来的观点。

    对于一个大数据应用项目 / 产品的落地,可以大致总结为五大步骤阶段:数据规划、数据治理、数据应用、迭代实施、商业价值。如下图:

    大数据项目落地路线图

    第一阶段:数据规划

    一个成功的大数据项目,需要有一个良好的开端,即做好数据规划阶段的各项工作,具体包括:

    战略意图:在这个阶段,要明确战略意图,这个战略意图需要在相关干系部门之间达成一致和共识,换句话说就是为什么要搞这个大数据项目?

    战略规划:战略意图清晰以后,就可以作为贯穿整个项目过程的灯塔,接下来要需要将战略意图转变为战略规划,通过战略规划来进一步让相关干系部门和人员清晰的认识到这个大数据项目将要做什么?

    商业目标:战略规划完成后,就要明确这个大数据项目的商业目标,即通过这个大数据项目实施,为企业带来怎样的商业价值?是降低成本呢,还是扩大营业收入,亦或是通过创新业务为企业带来新的价值增长点?

    执行方针:商业目标确定以后,需要进一步来确定该大数据项目的执行方针,包括:项目执行的基本原则、利益分配原则、分歧处理原则等等。

    组织支撑:上述 Action 完成后,就需要建立对应的项目组织了,成立项目小组,明确相关岗位以及岗位职责,根据不同的战略意图、战略规划、商业目标和执行方针,建立不同架构和规模的组织。

    上述 Action 还都属于项目可以成功落地的先导性工作,那么接下来就是许多细致的具体工作,这些具体工作都是保障项目可以成功落地的基石。

    产品 ( 项目 ) 规划:协同各个干系的部门和干系人,有效的建立起来项目内容规划机制,完成产品 ( 项目 ) 的总体规划。

    场景规划:完成产品 ( 项目 ) 的总体规划,作为大数据项目,需要继续规划出主要的应用场景,场景规划是有效地推动后续步骤阶段的基础,场景如果规划的不清晰,直接会影响到后续的一系列 Action 的执行。

    需求评估:产品 ( 项目 ) 规划、场景规划完成后,需要将规划内容反复与各个干系部门和干系人进行沟通与确认,最终形成项目需求说明书,同时完成需求的评估,评估相关规划和需求是否可以满足战略意图、战略规划以及商业目标。

    上述 Action 完成后,需要从架构和落地角度,进一步深化:

    架构规划:根据已完成的产品 ( 项目 ) 规划、场景规划和需求评估,从落地的角度完成数据架构规划,架构规划是项目成功落地的重要环节。

    有的大数据项目,还需要引入第三方的数据支持,以及体系内其他非干系部门的数据支持,这样就需要进行有效合作。

    合作意图:如果项目需要引入第三方的数据支持,以及体系内其他非干系部门的数据支持,需要充分评估项目风险与合作意图,有效达成合作共识。

    第二阶段:数据治理

    第一阶段的工作完成以后,已经具备了一个大数据项目成功落地的良好基础,接下来就需要按照数据规划阶段的成果继续后续的环节,首先要做的就是要有数据,并且要有高质量的数据,数据到位才能保障项目的有效推进和执行:

    来源评估:在数据治理阶段,首先要进行数据来源评估,展开数据梳理相关的工作,及时发现数据来源可能存在的风险并加以处理。

    来源评估完成后,确认可以有效获取到所需要的对应数据来源的数据,就可以进行数据的获取工作了。

    数据采集:数据采集是一个很重要的工作,只有把数据采集来,才能进行一系列的大数据相关的工作。数据采集过程中,注意数据采集的有效性。

    数据预处理:为了更好的、更有效的存储有价值的数据,同时方便系统对数据的使用,部分数据可以做预处理。

    数据质量:数据质量环节很重要,如何有效保证数据的质量?直接影响着大数据项目的实施效果,在这个环节中,要投入很多的精力去形成标准,并建立相对自动化的数据质量系统。

    上述的几个环节,必要时需要借助专业的产品工具。

    数据管理:数据管理工作,将影响项目的整个周期,建议采用专业的数据管理产品和工具,或借助有开发能力的供应商量身定做一套数据管理系统。

    第三方数据:可以通过数据资产置换、购买等等方式完成第三方数据的接入。

    在整个第二阶段会形成一系列的标准和流程,这里不一一赘述。

    第三阶段:数据应用

    第一、第二阶段工作完成以后,就将进入最重要的第三阶段工作,在这个阶段中,我们将承前启后的推动大数据项目完成落地工作,真正去形成大数据的应用,带来真实的业务价值:

    场景细分:在这个阶段,对于第一阶段中形成的场景规划,要进行可被实现的场景细分,通过对场景的细分,形成一个个的用例 ( Use Case ) 。

    干系组织利益共识:通过场景的细分后的一个个用例 ( Use Case ) ,已经可以很好的明确给各干系组织带来的业务价值,在这个时候需要推动各个干系组织形成利益共识,以免由于利益问题导致项目执行的阻碍。

    完成上述 Action 后,就需要借助供应商的参与和力量继续完成后续的 Action。

    功能规划:经过上述 Action 环节,项目已经进入重要的落地阶段,需要根据已经整理好的用例 ( Use Case ) 、数据,形成具体的功能规划。这些功能规划,需要是可被准确识别和实现的,直接对应了大数据应用系统的功能点。

    技术选型:完成了功能规划,就需要进行技术选型工作,由于大数据相关的技术非常多,这项工作需要借助专业供应商的力量来一起完成,需要充分考虑非功能性指标,比如:性能要求等等。

    产品选型:技术选型后,需要根据选择的技术路线,来找到可供选择的、符合技术路线的产品,完成产品选型工作,如:数据科学平台等等。

    应用分析模型设计:大数据项目的一个重要的内容,就是要通过数据来形成各种应用分析模型,借助类似于数据科学平台类的产品,可以快速有效形成各种预测分析模型。完成这个环节的工作,需要有数据科学家、业务分析师等等一系列的角色参与相关工作。或者说引入第三方的成熟产品,如客户智能分析平台、物联网智能分析平台、运营智能分析平台等等,通过引入这些产品来直接引入成熟的分析模型。

    技术选型、产品选型以及应用分析模型建立后,就需要进行验证工作了,主要包括场景 PoC 和商业验证。

    PoC:选取具有典型代表意义的大数据应用场景,进行现场的 PoC 验证工作,通过 PoC,修正和完善每个用例 ( Use Case ) ,同时验证技术选型、产品选型的正确性,发现问题及时处理,甚至重新选择技术与产品。

    商业验证:PoC 环节完成后,还需要进行商业验证,验证和评估一些关键场景用例 ( Use Case ) 的应用效果,评估和预测是否可以达成商业目标,从而推导出达成商业目标可能存在的问题和风险,进行修订与处理,必要调整各个干系部门和干系人之间的利益共识。

    第四阶段:迭代实施

    前三个步骤阶段的工作有效得完成后,就进入了第四步骤阶段迭代实施,之所以是迭代实施,也跟大数据类项目的特征有关,就如大数据建立分析模型是一种探索的过程一样,大数据项目的执行也需要进行不断的验证、修正、实施这样的工作,可能需要经过多轮的迭代才能完成项目的建设:

    模型应用:第三阶段中经过 PoC 和商业验证的模型,需要开发为特定的大数据分析应用才能最终为使用者所使用并发挥价值。在模型应用过程中,注意模型的规约和使用条件,注意与现有系统的融合。

    系统开发:系统开发工作是保证模型应用环节有效达成的手段,同时通过系统开发能力可以开发出围绕大数据分析应用的外围系统。

    效果评价:效果评价环节,主要是组织相关干系组织与干系人,对实施效果进行研讨和确认,同时对利益共识进行确认和达成一致,如果没有达到预期效果则继续进行迭代改进。

    业务验证:业务验证工作是保障大数据分析应用项目真正可以融合于业务、服务于业务的重要手段,业务验证建议从业务流程是否通畅、关键业务点是否达到预期目标、是否对业务办理产生障碍等等多方面进行。验证人员需要是使用该大数据分析应用系统的一线业务人员。

    如果上述的环节发现了重大问题,则针对问题形成改进方案后进入迭代改进环节。

    迭代改进:迭代改进分为小迭代和大迭代,小迭代是在同一期项目中完成的,受到项目上线周期的制约,小迭代可以改进的问题是有限的、小型的。对于影响范围巨大,难度较高的问题需要进入大迭代改进,大迭代一版来说可以规划为项目的二期、三期等等,直到达成预期的战略意图、战略规划和商业目标。

    经过上述的 Action 环节,一个成功的大数据应用项目终于落地了,这也仅仅是落地的开始,接下来的工作是检验项目成果和真正发挥大数据价值的时刻:

    实施推广:围绕项目的战略意图、规划和商业目标,进行有效的实施推广工作将变得非常重要,良好的实施推广工作可以真正让大数据应用分析项目用起来,让数据 ” 活 ” 起来,源源不断产生价值。推广过程,要巧妙的运用各个干系部门和干系人之间的利益共识。

    数据安全:大数据项目有自己的特点就是一切都围绕数据来展开,说到数据就会涉及到一些隐私数据、高密级数据等等,不管在开发过程中、还是在推广过程中,亦或是在第二阶段的数据治理过程中,都需要严格遵守相关信息安全和数据保密的规划,从技术上和使用上都要保证数据的安全。数据安全是一个大数据项目真正可以成功的重要内容。

    第五阶段:商业价值

    前面四个步骤阶段工作很好的完成后,就是享受大数据应用项目成果的时刻了,相信在前面四个阶段的各个环节中,各个项目参与人员都受到了或多或少的各种折磨,不过这些折磨都是值得的,因此大数据项目真正可以为企业带来不可以预想的巨大价值,只有上马了成功大数据项目的企业才能深深体会到。

    在这个阶段中,企业获得了:

    数据资产:企业的数据资产是大数据应用项目带来的重要成果,也是推动企业创新、产业升级、企业转型等等的财富。

    数据服务:通过大数据应用项目的实施,可以有效推动企业的数字化转型工作,围绕数据资产形成数据服务的能力。

    决策支持:通过大数据的预测分析能力,有效提升了企业的决策支持能力。

    有效获取了内部商业利益价值、外部商业利益价值,真正去实现了企业建设大数据应用项目的战略意图、战略规划和商业目标。

    题外话:

    如果企业的大数据能力和人员有限,上述路线图中提到的每个步骤阶段,都可以引入供应商来协助企业完成。既可以选择一家供应商负责完成整个项目过程的建设,也可以分步来实施,在不同的阶段选取不同的供应商来完成。

    一般来说,建议后面三个阶段最好选择一家有综合能力的供应商来总包实施,这样可以更好完成项目的预期目标。

    下图大致总结了选择合作伙伴的一点参考,仅供参考:

    大数据项目落地路线图,供应商选择参考

    以上是 ” 大数据项目如何落地?” 路线图,是一些项目心得,也可以说这些是实践出来的观点,期望对大家有所帮助。

    作者:田军,大连理工大学硕士

    展开全文
  • 项目一:联通大数据项目 项目名称: 移动终端上网数据实时分析处理系统; 开发环境: IDEA+eclipse+maven+jdk 系统架构: hadoop+zookeeper+flume+Spark+hive+mysql+sqoop+Oracle 项目二:联通大数据项目 项目名称:...
  • 大数据项目之电商数仓-代码 大数据项目之电商数仓-代码 大数据项目之电商数仓-代码 大数据项目之电商数仓-代码 大数据项目之电商数仓-代码 大数据项目之电商数仓-代码 大数据项目之电商数仓-代码
  • 大数据项目课:项目实战:大数据电商用户画像-附件资源
  • 大数据是现在互联网时代的当红炸子鸡,很多人看在工资很高,行业发展火爆,人云亦云,也不管是不是适合自己的,连...菜鸟窝特邀平安集团资深架构师Jesson老师为大家带来【大数据项目实战】公开课,从与我们生活息息...

    大数据是现在互联网时代的当红炸子鸡,很多人看在工资很高,行业发展火爆,人云亦云,也不管是不是适合自己的,连大数据是什么,应如何应用就一头撞进去。

    我们都知道大数据很有用,但是大数据怎么用?python、scrapy、docker、linux、nginx、spark等在大数据中是如何应用的?很多人知之甚少。

    菜鸟窝特邀平安集团资深架构师Jesson老师为大家带来【大数据项目实战】公开课,从与我们生活息息相关的真实企业案例出发,为大家展示大数据在实际案例中是如何应用的。

    分享内容:

    1、分布式数据库的用法实战,带你全面进入mongdb的世界

    2、手把手带你实战python网络爬虫,知名二手房网站上亿条数据爬取及可视化展示

    3、手把手带你实战spark实时分析,某团网内部项目实操,用户session检测系统实现

    4、大数据在BAT公司的实际使用环境展示

    5、多语言联合开发实战,python/scrapy/docker/linux/ngnix/spark与大数据的关联及应用

    6、职业规划答疑解惑

    著名物理学家牛顿曾说过“我之所以能成功是因为我站在巨人的肩膀上”,想要入行任何行业跟着有经验的人学习,多点和前辈们交流分享,你会发现,很多事情远比自己瞎搞简单的多,不管是零基础入行或转行也就事半功倍了。

    扫码添加好友拉你进大数据交流群与各位前辈交流互动助你事半功倍!

    ↓↓↓

    展开全文
  • 大数据项目教程,包含大数据基础、linux基础和实际项目。
  • 尚硅谷最新大数据项目视频,真实有效下载地址,尚硅谷最新大数据项目视频
  • 大数据项目流程.rar

    2019-08-08 22:18:10
    大数据项目流程.rar
  • 今天,继续来谈一谈“大数据项目如何落地?”这个话题。从事过多个大数据项目的规划方案及项目落地工作,在这里与大家分享一些心得,主要是关于大数据项目如何成功落地并取得预期目标,也可以说这些是实践出来的观点...
  • 3月16日,博雅大数据学院2019线下公开课第1期:金融风控大数据项目实践在京正式开课。本次课程分为2讲(第2讲开课时间为3月23日),经过前期综合筛选,从40多名候选人中录取了17名学员。博雅大数据学院院长欧高炎,...

    3月16日,博雅大数据学院2019线下公开课第1期:金融风控大数据项目实践在京正式开课。本次课程分为2讲(第2讲开课时间为3月23日),经过前期综合筛选,从40多名候选人中录取了17名学员。博雅大数据学院院长欧高炎,博雅大数据学院产品部负责人程老师,芬兰阿尔托大学机器学习和数据挖掘硕士、机器学习工程师高老师,博雅大数据学院分析师张老师、谢老师以及17名高校师生共计20余人参加了课程。

    60de313db20cf2211cc9bba08e55676a.png

    本次公开课基于博雅的真实项目,采用博雅自主研发的实操技术,完整开发了客户信用风险评估模型,可以支持银行消费分期产品的全流程风控服务,包括准入、反欺诈、信用评分等,帮助个人信贷以及消费分期业务的进一步开展,扩大业务规模、降低运营成本、降低坏账率。

    4191f7f5904b6f752dedd04818cfc6de.png

    ▲公开课现场

    课程采取理论+实操、小班授课+面对面指导的方式,涵盖数据分析的全流程实训和银行项目关键节点,无缝链接大数据相关岗位技能要求。首先由博雅大数据学院院长欧高炎、程老师向学员介绍了项目总体情况、综合实训平台使用方法等内容,帮助大家快速了解、熟悉整个项目。

    d343922d4a31276c815eed37b8f00ca1.png

    ▲欧院长介绍项目总体情况

    5ccfdae6619aa6b5a6a520d082110ae6.png

    ▲程老师介绍综合实训平台使用方法

    而后正式进入实操环节。全封闭、真项目、真动手、全流程……在总计2天的课程中,17名学员会在欧院长、谢老师、高老师、张老师4位专业讲师的带领与指导下,从零开始一步一步完成项目实践,让他们在真实项目分析思路引领下,学习业务与技术融合方法,体验大数据开发流程,学会大数据项目报告撰写方法!

    90950bd5f5c9d0ed2b08e156cc702c2f.png

    ▲欧院长授课。授课内容:数据集描述与解析

    7bb4ab75f200312094b3efcac5bf5d67.png

    ▲谢老师授课。授课内容:客户数据探索与分析、客户数据清洗与转换

    现场气氛热烈。在讲师的讲授与指导下,师生积极参与到理论学习与项目实操演练中,并时不时相互交流、讨论,力争弄清楚每个知识点、每个操作步骤。

    045eef766ad78c13c60e7bced21e1e76.png
    4995a581169e201bcf030f3543d96ab3.png

    ▲师生动手实操

    师生对本次课程设计、内容安排及实训效果均表示了肯定。

    所任教学校刚刚开设大数据专业的几位老师表示,自己急需相关师资培养与实战项目学习,这次课程很及时,带给他们新的研究及学习思路,同时课程内容结合实际应用,与专业课知识点紧密联系,对以后的教学工作提供了很好的支持。老师们希望,这种教学模式可以尽快在学校落地,相信这样一定会极大地促进高校大数据专业建设与发展。

    多名马上要实习和就业的学生表示,自己一直苦于没有一个经历完整的大数据分析的项目,这次课程简直是为他们量身定制,通过学习让他们的理论知识与实训能力得以同步提升。真希望以后每周都能参加这样高质量的课程!

    几位金融学相关专业的学生表示:之前都是通过模型来进行数据实践,然而通常模型是理想的,真实数据是各种各样、充满挑战的,这是很难得的一次机会,通过对真实数据的处理深入对问题、模型、数据的理解,非常有价值!回去一定好好消化、吸收。

    第1期课程第2讲将于3月23日(下周六)开课。

    课程内容:

    客户信用评估指标体系构建、客户信用模型构建、客户信用模型效果评估、实训报告撰写

    授课讲师:

    高老师 芬兰阿尔托大学机器学习和数据挖掘硕士、机器学习工程师

    张老师 博雅大数据学院数据分析师

    2019,

    博雅还将举办系列活动!

    请继续关注、支持我们!

    f528e9d7c1cf4b5f0164deb01520b663.png
    展开全文
  • 传媒大数据项目建设方案
  • 随着社会的进步,大数据的高需求,高薪资,高待遇,促使很多人都来学习和转行到...与腾讯大数据都用上的十二个大数据项目:一个大数据分析项目关键构成如下:信息采集组、数据清洗组、数据融合组、数据挖掘组、数...
  • 大数据项目流程

    千次阅读 2019-10-30 21:51:55
    大数据项目的流程看作是西红柿炒鸡蛋 1. 种植西红柿 养只老母鸡 原料生产 数据生产 2.采摘西红柿 捡鸡蛋 ...
  • 智慧传媒大数据项目建设方案
  • 智慧交通大数据项目建设方案
  • 大数据项目开发进度(实时更新)

    千次阅读 多人点赞 2020-06-05 16:29:14
    从5月25号我们开始了为期两个月的实习,我们需要做一个大型大数据项目,一个项目由三个学生+一个企业的项目经理完成。请大家持续关注我的专栏,我会每天更新。 专栏:大数据案例实战——大三春招大数据开发 专栏:...
  • 大数据项目之电商分析平台开发研发文档
  • Flink大数据项目实战 10年一线开发及项目管理经验,6年以上大数据项目架...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 19,138
精华内容 7,655
关键字:

大数据项目