88 优惠券
2020年3月1日到期。满 200 元可用
立即使用
立即使用
  • 参会报名
  • 会议介绍
  • 会议日程
  • 会议嘉宾
  • 参会指南
  • 手机下单 手机扫码下单

首页 > 培训课程 > IT/技术培训 > 数据中台与大数据建设的方法及实践培训(8月线上) 更新时间:2020-07-23T18:34:35

大会站点分布:
(点击可切换)
数据中台与大数据建设的方法及实践培训(8月线上)
收藏3人
分享到

数据中台与大数据建设的方法及实践培训(8月线上) 已截止报名

课程时间: 2020-08-24 19:30至 2020-08-28 22:00结束

课程地点: 线上活动 

主办单位: 中科院计算所培训中心

行业热销热门关注看了又看 换一换

        会议介绍

        会议内容 主办方介绍


        数据中台与大数据建设的方法及实践培训(8月线上)

        数据中台与大数据建设的方法及实践培训(8月线上)宣传图

        各有关单位:

        中国科学院计算技术研究所是国家专门的计算技术研究机构,同时也是中国信息化建设和人工智能建设的重要支撑单位,中科院计算所培训中心是致力于高端IT类人才培养及企业内训的专业培训机构。中心凭借科学院的强大师资力量,在总结多年大型软件开发和组织经验的基础上,自主研发出一整套课程体系,其目的是希望能够切实帮助中国软件企业培养高级软件技术人才,提升整体研发能力,迄今为止已先后为国家培养了数万名计算机专业人员,并先后为数千家大型国内外企业进行过专门的定制培训服务。

        中国的IT产业经历了十多年的发展,已经获得了长足的进步。未来IT产业新的增长点包括数字产业、机器学习、人工智能。但当我们真正要开展这类业务时,却惊奇地发现,没有数据中台,我们什么都干不了。为解决相关企业数据中台与大数据建设的需要,培训中心特举办“数据中台与大数据建设的方法及实践”培训班,具体事宜通知如下:


        一、培训对象

        1、系统架构师、系统分析师、高级程序员、资深开发人员。

        2、牵涉到海量数据处理的机构数据中心运行、规划、设计负责人。

        3、云服务运营服务提供商规划负责人。

        4、高校、科研院所牵涉到数据中台与大数据的项目负责人。


        二、培训特色

        本课程的授课特点是注重实战,通过讲师十几年经验收集的大量真实案例,与学员共同探讨数据中台的技术架构,以及如何简化技术开发成本,开展更多的数据挖掘、人工智能业务的思路与模式。通过总结以往项目过程中技术人员常犯的错误,分析和探讨正确的方法论,使相关企业少走弯路,高效构建属于自己的数据中台。


        查看更多

        中科院计算所培训中心 中科院计算所培训中心

        中科院计算所培训中心是权威IT精英培训机构,专注中高端技术人才培养。采用高端公开课、企业内训形式教授大数据,军方软件,软件需求分析,项目管理等高端课程。

        会议日程 (最终日程以会议现场为准)


        培训内容

        第一讲 数据中台建设(基础篇)

        本节要点:

            中国的信息化建设开始由IT向着DT转型,在未来的3-5年时间里,各行各业都会陆续建设起来自己的数据中台。只有有了数据中台作为基础,才能落地更多的人工智能应用。然而,什么是数据中台,它有什么功能,该如何建设?本节从DT转型的过程开始梳理,帮助大家准确理解数据中台的建设。

        目标:

            1、准确理解数据中台,数据驱动,以及数据价值变现

          2、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、将“自顶向下”与“自下而上”相结合,制订切实可行的数据中台建设路线图

          4、数据中台的技术架构最终落地到分布式大数据技术上

        内容:

            1、从ITDT的信息化转型

             1)以部门为单位的IT建设及其局限

             2)基于SOA架构的IT建设及其局限

             3)互联网架构发展及其数据需求

             结论:我们需要存储、处理、应用海量数据的能力

          2、数据应用成熟度

             1)查询统计:数据分散于各业务系统,无质量管控,应用价值低

             2)决策支持:数据集中于数据仓库,有质量管控,但局限于数据库、数据采集手段等问题

             3)数据中台:让数据产生价值(核心)

          3、数据中台

             1)尽可能多地收集数据

             2)更好地整理归集数据

             3)如何去挖掘数据的价值

          4、数据中台的建设思路

             1)自顶而下

             2)自下而上

          5、数据中台的技术架构

         

        第二讲 数据中台建设(大数据篇)

        本节要点:

        数据中台建设的底层技术框架是大数据技术。通过大数据技术,可以为数据中台提供丰富的手段,采集更多的数据、更高效处理数据,以及有更多的方式挖掘数据价值。那么,什么是大数据技术,它们有什么丰富的手段,怎么建设大数据技术中台,去支撑数据中台?

        目标:

            1、了解大数据技术的运行原理,理解大数据为什么能够高效处理海量数据

          2、掌握大数据有哪些丰富的技术,如何支撑数据中台的各个层次的应用

          3、掌握大数据技术中台的建设思路,如何封装技术框架、支撑业务应用

        内容:

          1、传统关系型数据库的设计局限

               1)数据量

             2)计算能力

             3)数据复杂性

          2、分布式大数据的设计理念

             1)分布式并行计算

             2)移动计算而不是移动数据

             3)分布式计算发展历程与未来趋势

          3、大数据技术及其生态圈

             1Hadoop核心组件:MapReduceHDFS

             2)并行计算框架:Spark vs. MapReduce

             3)在线查询:HBaseImpala

             4)流式计算:Flink vs. Spark Stream

             5)文本索引:Solr vs. ElasticSearch

             6Zookeeper与高可靠架构

             7Kafka分布式队列与日志收集

             8)数据挖掘工具:MahoutSparkRSpark ML

          4、数据中台的大数据技术中台建设

             1)数据中台的大数据技术框架

             2)数据中台的大数据关键技术

                a. Hadoop的工作原理与HDFS

                b. Spark的工作原理与分布式内存计算

             3)数据中台的大数据技术中台建设

                a.将技术框架与业务应用解耦

         b.抽象共性、降本增效的思想方法

         c.业务层、基础层与技术层的建设思路

         

        第三讲 数据中台建设(数据治理篇)

        本节要点:

            在数据中台建设中,数据治理起到及其重要的作用,可以有效地进行数据质量管理,为后续的数据应用打下良好的基础。在本节课程中,老师详细拆解,多样化地采集数据,设计ETL过程,进行数据质量管理,运用大数据技术构建数据仓库。

        目标:

            1、掌握大数据技术结构化与非结构化的数据采集

          2、掌握数据中台的ETL过程与数据仓库建设实践

          3、如何运用大数据技术进行ETL过程与数据仓库建设

        内容:

        1、数据中台中数据采集功能的建设思路

         1)结构化数据采集(Sqoop框架)及其案例实战

         a. Sqoop数据导入设计实战

         b. Sqoop数据导出设计实战

         c. Sqoop在大数据技术中台中的设计思路

         2)非结构化数据采集(flume+kafka+spark streaming)及其案例实战

         a. flume+kafka+spark streaming的设计原理

         b.用户行为分析的应用实战

        2、数据中台中的数据质量管理与数据仓库

        1ETL过程中数据清洗、转换、集成及其应用实战

        2)运用大数据技术进行ETL过程的应用实战

         a. Spark+Hive的设计原理与实战

         b. Spark+Hive在大数据技术中台中的设计思路

        3)多维数据模型与数据仓库建设

         a. 多维数据模型的概念及其应用实践

         b. 雪花模型、星形模型与主题域模型的建设过程

         c. 分享在数据仓库建设上遇到的那些“坑”及其解决思路

        3、数据中台的质量体系建设

             1)数据体系规划:原始数据层、数据仓库层、数据集市层

             2)数据资产管理:资产规划、数据治理、标签管理

             3)数据质量管理:元数据管理、数据血缘管理

             4)数据仓库建设:多维数据建模、事实表、维度表、聚合表

         

        第四讲 数据中台建设(数据应用篇)

        本节要点:

            数据中台建设的核心就是数据驱动,也就是以数据价值变现为核心,思考如何挖掘数据价值、设计数据产品、形成数据应用,甚至是智能应用。老师将通过一大波的应用案例,带领大家去探寻数据应用的神奇世界,挖掘数据应用世界的神奇宝藏,以及挖掘这些宝藏的金钥匙(思路与方法)

        目标:

          1、掌握数据价值变现的常见方法(可视化、风控、推荐、人工智能等)

          2、掌握基于数据集市的数据建模过程(经验模型、数据模型)

          3、掌握如何将数据应用落地到大数据技术中台建设

        内容:

        1、数据中台的核心是数据价值变现

             1)数据可视化

                案例:网络运营商大数据监控系统建设过程

             2)数据风控

                案例:税务系统虚开发票风险监控系统建设过程

             3)数字化运营

                案例:用户行为分析与数字化运营的建设过程

             4)数据挖掘与人工智能

                案例:远程智慧医疗平台的人工智能建设过程

        2、数据集市的系统建设与数据标签

        1)数据集市的概念与应用举例

        案例:税务系统虚开发票风险监控系统的数据集市应用

        2)数据血缘管理的概念及其设计

        a. 数据血缘管理在数据质量管理中的重要作用

        b. 数据血缘管理的相关设计及其实践

        3)数据标签的分析设计与开发

        a. 数据标签的类型与在数据分析中的作用

        b. 数据标签融合表及其设计实践

         

        第五讲 数据中台建设(数据服务篇)

        本节要点:

          数据中台经过一系列的分析处理之后,最终要对外提供数据服务才能价值变现。数据展现与数据服务是价值变现的最后一步,是用户对产品质量最直观的感受。因此,数据服务需要提供良好的用户体验,就需要数据服务“快、准、美”。

        目标:

            1、掌握在海量数据中离线分析、在线分析与近线分析的设计思路

          2、掌握在海量数据中秒级查询的设计思路(数据索引)与实践

          3、理解打造支持快速数据分析展现的大数据技术中台建设思路

        内容:

            1、海量数据的离线分析、在线分析与近线分析

             1)离线分析的概念与设计实践

                案例:税务系统虚开发票风险监控系统的风险数据离线分析

             2)在线分析的概念与设计实践

                案例:网络运营商大数据监控系统的实时流量监控

             3)近线分析的概念与设计实践

                案例:用户行为分析与数字化运营的分析设计过程

            2、海量数据的秒级查询的设计实现

             1)分布式NoSQL数据库的设计实践

                 a. 传统关系型数据库的局限与NoSQL数据库

                b. MongoDB的工作原理与设计实践

                c. HBase的工作原理与设计实践

             2)分布式索引ElasticSearch的设计实践

                a. ElasticSearch的工作原理与设计实践

                b. ElasticSearch的优化与在技术中台中的设计思路

             3)分布式MOLAP框架Kylin的设计实践

                a. Kylin的工作原理与设计实践

                b. Kylin的降维设计与性能优化

            3、海量数据的数据服务与数据共享

             1)大数据分析报表系统的技术中台建设思路

             2)大数据服务共享平台的技术架构与建设思路

                 

        查看更多

        会议嘉宾 (最终出席嘉宾以会议现场为准)


        师资

        范老师

        航天信息前首席架构师,畅销书籍《大话重构》作者,规模化敏捷SPC,软件架构及重构的客座讲师,独立咨询顾问。先后参与了数十个国内大型软件项目,涉及国家财政、军工、税务、医疗等领域的大数据建设、风险防控与人工智能研究,互联网及大数据转型的实践者与倡导者。

        查看更多

        参会指南

        会议门票


        时间、形式

        时间:2020年8月24日-8月28日(每天19:30-21:30)

            形式:线上录播

        证书

        培训结束,颁发中科院计算所职业培训中心“数据中台与大数据建设的方法及实践”结业证书。

        费用

        培训费: 原价6200元/人,特别价格1980元/人

        中科院计算所职业培训中心8月课程如下:
        数据中台与大数据建设的方法及实践培训(8月线上)
        https://www.huodongjia.com/event-260678695.html
        领域驱动与微服务架构设计培训(8月线上)
        https://www.huodongjia.com/event-803640278.html
        创新驱动的技术与管理培训(8月线上)
        https://www.huodongjia.com/event-433415468.html
        “Python基础及数据采集分析技术”培训(8月线上)
        https://www.huodongjia.com/event-1560524226.html
        深入理解《GJB5000A-2008军用软件研制能力成熟度模型》培训班(8月线上)
        https://www.huodongjia.com/event-229636154.html
        DevOps运维与K8S云部署实战训练营培训(8月线上)
        https://www.huodongjia.com/event-1481825920.html

         

        查看更多

        温馨提示
        酒店与住宿: 为防止极端情况下活动延期或取消,建议“异地客户”与活动家客服确认参会信息后,再安排出行与住宿。
        退款规则: 活动各项资源需提前采购,购票后不支持退款,可以换人参加。

        还有若干场即将举行的 数据中台大会

        猜你喜欢

        部分参会单位

        主办方没有公开参会单位
        活动家_小程序快捷下单

        微信扫一扫
        分享给朋友

        邮件提醒通知

        分享到微信 ×

        打开微信,点击底部的“发现”,
        使用“扫一扫”即可将网页分享至朋友圈。

        录入信息

        请录入信息,方便生成邀请函