国产精品女人一区二区三区|久久国产精品湿香蕉网|日韩欧美高清在线|国产精学生成a品人v在线播放

<ul id="zocbx"><legend id="zocbx"></legend></ul>
<i id="zocbx"></i>
<cite id="zocbx"><table id="zocbx"></table></cite>
    <dl id="zocbx"><label id="zocbx"></label></dl>
    <noscript id="zocbx"><ins id="zocbx"><ol id="zocbx"></ol></ins></noscript>

    1. <cite id="zocbx"><option id="zocbx"><em id="zocbx"></em></option></cite>
      <ul id="zocbx"><th id="zocbx"></th></ul><cite id="zocbx"><label id="zocbx"></label></cite>
      88 優(yōu)惠券
      2020年3月1日到期。滿 200 元可用
      立即使用
      立即使用
      • 參會報名
      • 會議介紹
      • 會議日程
      • 會議嘉賓
      • 參會指南
      • 手機(jī)下單 手機(jī)掃碼下單

      首頁 > 培訓(xùn)課程 > IT/技術(shù)培訓(xùn) > 2020大數(shù)據(jù)平臺搭建與高性能計算最佳實戰(zhàn)培訓(xùn)班(6月北京) 更新時間:2020-05-19T10:28:39

      大會站點分布:
      (點擊可切換)
      2020大數(shù)據(jù)平臺搭建與高性能計算最佳實戰(zhàn)培訓(xùn)班(6月北京)
      收藏3人
      分享到
      官方合作

      2020大數(shù)據(jù)平臺搭建與高性能計算最佳實戰(zhàn)培訓(xùn)班(6月北京) 已截止報名

      課程時間: 2020-06-18 08:00至 2020-06-21 18:00結(jié)束

      課程地點: 北京  詳細(xì)地址會前通知   周邊酒店預(yù)訂

      主辦單位: 北京中培偉業(yè)管理咨詢有限公司

      會議介紹

      會議內(nèi)容 主辦方介紹


      2020大數(shù)據(jù)平臺搭建與高性能計算最佳實戰(zhàn)培訓(xùn)班(6月北京)

      2020大數(shù)據(jù)平臺搭建與高性能計算最佳實戰(zhàn)培訓(xùn)班(6月北京)宣傳圖

      • 培訓(xùn)收益

      通過此次課程培訓(xùn),可使學(xué)習(xí)者獲得如下收益:

      1.深刻理解在“互聯(lián)網(wǎng)+”時代下大數(shù)據(jù)的產(chǎn)生背景、發(fā)展歷程和演化趨勢;

      2.了解業(yè)界市場需求和國內(nèi)外最新的大數(shù)據(jù)技術(shù)潮流,洞察大數(shù)據(jù)的潛在價值;

      3.理解大數(shù)據(jù)項目解決方案及業(yè)界大數(shù)據(jù)應(yīng)用案例,從而為企業(yè)在大數(shù)據(jù)項目中的技術(shù)選型及技術(shù)架構(gòu)設(shè)計提供決策參考;

      4.掌握業(yè)界最流行的Hadoop與Spark大數(shù)據(jù)技術(shù)體系;

      5.掌握大數(shù)據(jù)采集技術(shù);

      6.掌握大數(shù)據(jù)分布式存儲技術(shù);

      7.掌握NoSQL與NewSQL分布式數(shù)據(jù)庫技術(shù);

      8.掌握大數(shù)據(jù)倉庫與統(tǒng)計機(jī)器學(xué)習(xí)技術(shù);

      9.掌握大數(shù)據(jù)分析挖掘與商業(yè)智能(BI)技術(shù);

      10.掌握大數(shù)據(jù)離線處理技術(shù);

      11.掌握Storm流式大數(shù)據(jù)處理技術(shù);

      12.掌握基于內(nèi)存計算的大數(shù)據(jù)實時處理技術(shù);

      13.掌握大數(shù)據(jù)管理技術(shù)的原理知識和應(yīng)用實戰(zhàn);

      14.深入理解大數(shù)據(jù)平臺技術(shù)架構(gòu)和使用場景;

      15.嫻熟運(yùn)用Hadoop與Spark大數(shù)據(jù)技術(shù)體系規(guī)劃解決方案滿足實際項目需求;

      16.熟練地掌握基于Hadoop與Spark大數(shù)據(jù)平臺進(jìn)行應(yīng)用程序開發(fā)、集群運(yùn)維管理和性能調(diào)優(yōu)技巧。

      17.掌握基于Flink的大數(shù)據(jù)實時處理技術(shù)與批處理操作。

      • 培訓(xùn)特色

      1.課程培訓(xùn)業(yè)界最流行、應(yīng)用最廣泛的Hadoop、Spark和Flink大數(shù)據(jù)技術(shù)體系。強(qiáng)化大數(shù)據(jù)平臺的分布式集群架構(gòu)和核心關(guān)鍵技術(shù)實現(xiàn)、大數(shù)據(jù)應(yīng)用項目開發(fā)和大數(shù)據(jù)集群運(yùn)維實踐、以及Hadoop、Spark與Flink大數(shù)據(jù)項目應(yīng)用開發(fā)與調(diào)優(yōu)的全過程沙盤模擬實戰(zhàn)。

      2.通過一個完整的大數(shù)據(jù)開發(fā)項目及一組實際項目訓(xùn)練案例,完全覆蓋Hadoop、Spark與Flink生態(tài)系統(tǒng)平臺的應(yīng)用開發(fā)與運(yùn)維實踐。課堂實踐項目以項目小組的形式進(jìn)行沙盤實操練習(xí),重點強(qiáng)化理解Hadoop、Spark與Flink大數(shù)據(jù)項目各個階段的工作重點,同時掌握作為大數(shù)據(jù)項目管理者的基本技術(shù)與業(yè)務(wù)素養(yǎng)。

      3.本課程的授課師資都是有著多年在一線從事Hadoop、Spark與Flink大數(shù)據(jù)項目的資深講師,采用原理技術(shù)剖析和實戰(zhàn)案例相結(jié)合的方式開展互動教學(xué)、強(qiáng)化以建立大數(shù)據(jù)項目解決方案為主體的應(yīng)用開發(fā)、技術(shù)討論與交流咨詢,在學(xué)習(xí)的同時促進(jìn)講師學(xué)員之間的交流,讓每個學(xué)員都能在課程培訓(xùn)過程中學(xué)到實實在在的大數(shù)據(jù)技術(shù)知識體系,以及大數(shù)據(jù)技術(shù)應(yīng)用實戰(zhàn)技能,具備實際大數(shù)據(jù)應(yīng)用項目的動手開發(fā)實踐與運(yùn)維管理部署能力。授課過程中,根據(jù)學(xué)員需求,增設(shè)交流環(huán)節(jié),可將具體工作中遇到的實際問題展開討論,講師會根據(jù)學(xué)員的實際情況微調(diào)授課內(nèi)容,由講師帶著全部學(xué)員積極討論,并給出一定的時間讓學(xué)員上臺發(fā)言,現(xiàn)場剖析問題的癥結(jié),規(guī)劃出可行的解決方案。

      查看更多

      北京中培偉業(yè)管理咨詢有限公司 北京中培偉業(yè)管理咨詢有限公司

      北京中培偉業(yè)管理咨詢有限公司(以下簡稱“中培”)成立于2006年,其主營業(yè)務(wù)面向大中型企業(yè)的IT規(guī)劃咨詢業(yè)務(wù)和面向高端IT人才的培訓(xùn)類業(yè)務(wù),其中咨詢業(yè)務(wù)涉及大型集團(tuán)化企業(yè)的IT戰(zhàn)略規(guī)劃、IT架構(gòu)規(guī)劃、IT綜合管控等領(lǐng)域,培訓(xùn)業(yè)務(wù)涉及線上線下各種高級IT技術(shù)和管理類課程體系。借助于其優(yōu)質(zhì)的專家資源池和互聯(lián)網(wǎng)平臺,中培已經(jīng)為眾多的世界500強(qiáng)企業(yè)、國有大中型集團(tuán)化企業(yè)、國際知名互聯(lián)網(wǎng)企業(yè)提供過高質(zhì)量的信息化戰(zhàn)略規(guī)劃、組織架構(gòu)規(guī)劃、科技人才管理、信息技術(shù)架構(gòu)規(guī)劃、信息系統(tǒng)開發(fā)和運(yùn)維管理、信息化能力評測的相關(guān)培訓(xùn)與咨詢服務(wù)。

      會議日程 (最終日程以會議現(xiàn)場為準(zhǔn))


      日程

      培訓(xùn)模塊

      培訓(xùn)內(nèi)容

      第一天

      上午

      大數(shù)據(jù)技術(shù)基礎(chǔ)

      1. 大數(shù)據(jù)的產(chǎn)生背景與發(fā)展歷程
      2. 大數(shù)據(jù)的4V特征,以及與云計算的關(guān)系
      3. 大數(shù)據(jù)應(yīng)用需求以及潛在價值分析
      4. 業(yè)界最新的大數(shù)據(jù)技術(shù)發(fā)展態(tài)勢與應(yīng)用趨勢
      5. 大數(shù)據(jù)思維的轉(zhuǎn)變
      6. 大數(shù)據(jù)項目的系統(tǒng)與技術(shù)選型,及落地實施的挑戰(zhàn)
      7. “互聯(lián)網(wǎng)+”時代下的電子商務(wù)、制造業(yè)、交通行業(yè)、
      8. 電信運(yùn)營商、銀行金融業(yè)、電子政務(wù)、移動互聯(lián)網(wǎng)、
      9. 教育信息化等行業(yè)應(yīng)用實踐與應(yīng)用案例介紹

      ?

      業(yè)界主流的大數(shù)據(jù)技術(shù)方案

      1. 大數(shù)據(jù)軟硬件系統(tǒng)全棧與關(guān)鍵技術(shù)介紹
      2. 大數(shù)據(jù)生態(tài)系統(tǒng)全景圖
      3. 主流的大數(shù)據(jù)解決方案介紹
      4. Apache大數(shù)據(jù)平臺方案剖析
      5. CDH大數(shù)據(jù)平臺方案剖析
      6. HDP大數(shù)據(jù)平臺方案剖析
      7. 基于云的大數(shù)據(jù)平臺方案剖析
      8. 大數(shù)據(jù)解決方案與傳統(tǒng)數(shù)據(jù)庫方案比較
      9. 國內(nèi)外大數(shù)據(jù)平臺方案與廠商對比

      ?

      大數(shù)據(jù)計算模型(一)——批處理MapReduce

      1. MapReduce產(chǎn)生背景與適用場景
      2. MapReduce計算模型的基本原理
      3. MapReduce作業(yè)執(zhí)行流程
      4. MapReduce編程模型: Map處理和Reduce處理
      5. MapReduce處理流程:數(shù)據(jù)讀取collect、中間數(shù)據(jù)sort、
      6. 中間數(shù)據(jù)spill、中間數(shù)據(jù)shuffle、聚合分析reduce
      7. MapReduce開發(fā)高級應(yīng)用:Combiner技術(shù)與應(yīng)用場景、
      8. Partitioner技術(shù)與應(yīng)用場景、多Reducers應(yīng)用
      9. MapReduce開發(fā)與應(yīng)用實戰(zhàn):Hadoop平臺搭建與運(yùn)行;
      10. MapReduce安裝與部署;
      11. 應(yīng)用案例:基于HDFS+MapReduce集成的服務(wù)器日志分析采集、
      12. 存儲與分析MapReduce程序?qū)嵗_發(fā)與運(yùn)行
      13. MapReduce參數(shù)調(diào)優(yōu)與性能優(yōu)化技巧

      第一天

      下午

      大數(shù)據(jù)存儲系統(tǒng)與應(yīng)用實踐

      1. 分布式文件系統(tǒng)HDFS產(chǎn)生背景與適用場景
      2. HDFS master-slave系統(tǒng)架構(gòu)與讀寫工作原理
      3. HDFS核心組件技術(shù)講解,NameNode與fsimage、editslog,
      4. DataNode與數(shù)據(jù)塊
      5. HDFS Federation機(jī)制,viewfs機(jī)制,使用場景講解
      6. HDFS高可用保證機(jī)制,SecondaryNameNode,NFS冷備份,
      7. 基于zookeeper的HA方案
      8. HDFS參數(shù)調(diào)優(yōu)與性能優(yōu)化

      ?

      大數(shù)據(jù)實戰(zhàn)練習(xí)一

      1. Hadoop平臺搭建、部署與應(yīng)用實踐,包含HDFS分布式文件系統(tǒng),

      YARN資源管理軟件,MapReduce計算框架軟件

      2. HDFS 文件、目錄創(chuàng)建、上傳、下載等命令操作,HDFS合并、

      歸檔操作,HDFS監(jiān)控平臺使用

      3. MapReduce程序在YARN上運(yùn)行,YARN監(jiān)控平臺使用

      第二天

      上午

      Hadoop框架與生態(tài)發(fā)展,以及應(yīng)用實踐操作

      1. Hadoop的發(fā)展歷程
      2. Hadoop 1.0的核心組件JobTracker,TaskTracker,以及適用范圍
      3. Hadoop 3.0的核心組件YARN工作原理,以及與Hadoop 1.0的聯(lián)系與區(qū)別
      4. Hadoop關(guān)鍵機(jī)制:任務(wù)推測執(zhí)行,任務(wù)容錯,任務(wù)選擇執(zhí)行,心跳機(jī)制
      5. Hadoop?YARN的資源管理與作業(yè)調(diào)度機(jī)制:FIFO調(diào)度,Capacity調(diào)度器,F(xiàn)air調(diào)度器
      6. Hadoop 常用參數(shù)調(diào)優(yōu)與性能優(yōu)化技術(shù)

      ?

      大數(shù)據(jù)計算模型(二)——實時處理/內(nèi)存計算?Spark

      ?

      1. MapReduce計算模型的瓶頸
      2. Spark產(chǎn)生動機(jī)、基本概念與適用場景
      3. Spark編程模型與RDD彈性分布式數(shù)據(jù)集的工作原理與機(jī)制
      4. Spark實時處理平臺運(yùn)行架構(gòu)與核心組件
      5. Spark RDD主要Transformation:map, flatMap, filter, union, sample, join, reduceByKey, groupByKey
      6. Spark RDD主要action:count,collect,reduce,saveAsTextFile
      7. Spark寬、窄依賴關(guān)系與DAG圖分析
      8. Spark容錯機(jī)制
      9. Spark作業(yè)調(diào)度機(jī)制
      10. Spark緩存機(jī)制:Cache操作,Persist操作與存儲級別
      11. Spark作業(yè)執(zhí)行機(jī)制:執(zhí)行DAG圖、任務(wù)集、executor執(zhí)行模型、 BlockManager管理
      12. Spark standardalone,Spark on YARN運(yùn)行模式
      13. Scala開發(fā)介紹與Spark常用Transformation函數(shù)介紹
      14. Spark調(diào)優(yōu):序列化機(jī)制、RDD復(fù)用、Broadcast機(jī)制、高性能算子、資源參數(shù)調(diào)優(yōu)

      第二天

      下午

      大數(shù)據(jù)倉庫查詢技術(shù)Hive、SparkSQL、Impala,以及應(yīng)用實踐

      1. 基于MapReduce的大型分布式數(shù)據(jù)倉庫Hive基礎(chǔ)知識與應(yīng)用場景
      2. Hive數(shù)據(jù)倉庫的平臺架構(gòu)與核心技術(shù)剖析
      3. Hive metastore的工作機(jī)制與應(yīng)用
      4. Hive內(nèi)部表和外部表
      5. Hive 分區(qū)、分桶機(jī)制
      6. Hive行、列存儲格式
      7. 基于Spark的大型分布式數(shù)據(jù)倉庫SparkSQL基礎(chǔ)知識與應(yīng)用場景
      8. Spark SQL實時數(shù)據(jù)倉庫的實現(xiàn)原理與工作機(jī)制
      9. SparkSQL數(shù)據(jù)模型DataFrame
      10. SparkSQL程序開發(fā)與
      11. SparkSQL數(shù)據(jù)讀取與結(jié)果保存:json,Hive table,Parquet file,RDD
      12. SparkSQL和Hive的區(qū)別與聯(lián)系
      13. SparkSQL操作實戰(zhàn)
      14. 基于MPP的大型分布式數(shù)據(jù)倉庫Presto基礎(chǔ)知識與應(yīng)用場景
      15. Presto實時查詢系統(tǒng)平臺架構(gòu)、關(guān)鍵技術(shù)介紹,以及與Hive,SparkSQL的對比

      ?

      Hadoop集群運(yùn)維監(jiān)控工具

      1. Hadoop運(yùn)維管理監(jiān)控系統(tǒng)Ambari工具介紹

      2. 第三方運(yùn)維系統(tǒng)與工具Ganglia, Nagios

      ?

      大數(shù)據(jù)實戰(zhàn)練習(xí)二

      1. 基于 Hadoop平臺搭建、部署與配置Spark集群,Spark?shell環(huán)境實踐操作,Spark案例程序分析
      2. 基于sbt的Spark程序編譯、開發(fā)與提交運(yùn)行
      3. 應(yīng)用案例一:基于Spark的服務(wù)器運(yùn)行日志TopN分析、程序?qū)嵗_發(fā)
      4. 應(yīng)用案例二: 基于Spark的搜索引擎日志熱詞與用戶分析、程序?qū)嵗_發(fā)
      5. 基于MapReduce的Hive數(shù)據(jù)倉庫實踐,Hive集群安裝部署,基于文件的Hive數(shù)據(jù)倉庫表導(dǎo)入導(dǎo)出與分區(qū)操作,Hive SQL操作,Hive客戶端操作
      6. SparkSQL shell實踐操作:數(shù)據(jù)表讀取、查詢與結(jié)果保存

      第三天

      上午

      大數(shù)據(jù)計算模型(三)——流處理Storm, SparkStreaming

      ?

      1. 流數(shù)據(jù)處理應(yīng)用場景與流數(shù)據(jù)處理的特點
      2. 流數(shù)據(jù)處理工具Storm的平臺架構(gòu)與集群工作原理
      3. Storm關(guān)鍵技術(shù)與并發(fā)機(jī)制
      4. Storm編程模型與基本開發(fā)模式
      5. Storm數(shù)據(jù)流分組
      6. Storm可靠性保證與Acker機(jī)制
      7. Storm應(yīng)用案例分析
      8. 流數(shù)據(jù)處理工具Spark Streaming基本概念與數(shù)據(jù)模型
      9. SparkStreaming工作機(jī)制
      10. SparkStreaming程序開發(fā)介紹
      11. SparkStreaming的全局統(tǒng)計和窗口函數(shù)
      12. Storm與SparkStreaming的對比
      13. SparkStreaming開發(fā)案例:基于文件流的SparkStreaming程序開發(fā);基于socket消息的SparkStreaming程序開發(fā)

      ?

      大數(shù)據(jù)與機(jī)器學(xué)習(xí)技術(shù)

      1. 機(jī)器學(xué)習(xí)發(fā)展歷程
      2. 機(jī)器學(xué)習(xí)與大數(shù)據(jù)關(guān)聯(lián)與區(qū)別
      3. 數(shù)據(jù)挖掘經(jīng)典算法
      4. 預(yù)測算法:線性回歸與應(yīng)用場景,非線性回歸與應(yīng)用場景
      5. 分類算法:邏輯回歸與應(yīng)用場景,決策樹與應(yīng)用場景,樸素貝葉斯算法與應(yīng)用場景,支持向量機(jī)算法與應(yīng)用場景
      6. 聚類算法; k-means與應(yīng)用場景
      7. 基于Hadoop的大數(shù)據(jù)機(jī)器學(xué)習(xí)技術(shù)
      8. 基于MapReduce的機(jī)器學(xué)習(xí)庫Mahout
      9. Mahout支持的數(shù)據(jù)挖掘算法
      10. Mahout編程模型與發(fā)
      11. 基于Spark的機(jī)器學(xué)習(xí)庫Spark MLlib
      12. Spark MLlib支持的數(shù)據(jù)挖掘算法
      13. Spark MLlib編程模型與開發(fā):基于Spark MLlib的文本分類,基于Spark MLlib的聚類

      第三天

      下午

      大數(shù)據(jù)ETL操作工具,與大數(shù)據(jù)分布式采集系統(tǒng)

      1. Hadoop與DBMS之間數(shù)據(jù)交互工具的應(yīng)用
      2. Sqoop導(dǎo)入導(dǎo)出數(shù)據(jù)的工作原理
      3. Flume-NG數(shù)據(jù)采集系統(tǒng)的數(shù)據(jù)流模型與系統(tǒng)架構(gòu)
      4. Kafka分布式消息訂閱系統(tǒng)的應(yīng)用介紹與平臺架構(gòu),及其使用模式

      ?

      面向OLTP型應(yīng)用的NoSQL數(shù)據(jù)庫及應(yīng)用實踐

      1. 關(guān)系型數(shù)據(jù)庫瓶頸,以及NoSQL數(shù)據(jù)庫的發(fā)展,概念,分類,及其在半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)場景下的適用范圍
      2. 列存儲NoSQL數(shù)據(jù)庫HBase簡介與數(shù)據(jù)模型剖析
      3. HBase分布式集群系統(tǒng)架構(gòu)與讀寫機(jī)制,ZooKeeper分布式協(xié)調(diào)服務(wù)系統(tǒng)的工作原理與應(yīng)用
      4. HBase表設(shè)計模式與primary key設(shè)計規(guī)范
      5. 文檔NoSQL數(shù)據(jù)庫MongoDB簡介與數(shù)據(jù)模型剖析
      6. MongoDB集群模式、讀寫機(jī)制與常用API操作

      8.鍵值型NoSQL數(shù)據(jù)庫Redis簡介與數(shù)據(jù)模型剖析

      9.Redis多實例集群架構(gòu)與關(guān)鍵技術(shù)

      10.NewSQL數(shù)據(jù)庫技術(shù)簡介及其適用場景

      ?

      大數(shù)據(jù)ELT數(shù)據(jù)采集與應(yīng)用實戰(zhàn)

      1.Sqoop安裝、部署與配置,基于Sqoop、MySQL與Hive操作MySQL數(shù)據(jù)庫與Hive數(shù)據(jù)倉庫數(shù)據(jù)導(dǎo)入導(dǎo)出

      2.Kafka安裝、部署與配置,基于Kafka創(chuàng)建和消費topic實踐操作

      3.Flume+HDFS+MapReduce/Spark大數(shù)據(jù)采集、存儲與分析實踐操作

      ?

      新一代大數(shù)據(jù)處理引擎Flink

      Flink簡介,F(xiàn)link的體系架構(gòu),對比:Flink、Storm和Spark Streaming,Standalone的模式,Yarn模式的兩種模式,Yarn兩種模式的區(qū)分,F(xiàn)link on yarn內(nèi)部實現(xiàn),ZooKeeper的體系架構(gòu),F(xiàn)link Standalone HA 配置,F(xiàn)link on Yarn HA 配置,F(xiàn)link批處理開發(fā),

      Flink流處理開發(fā),F(xiàn)link的窗口操作,F(xiàn)link scala shell代碼調(diào)試

      第四天

      學(xué)習(xí)考核與業(yè)內(nèi)經(jīng)驗交流

      查看更多

      會議嘉賓 (最終出席嘉賓以會議現(xiàn)場為準(zhǔn))


      趙老師??清華大學(xué)計算機(jī)雙學(xué)士,京東大學(xué)大數(shù)據(jù)學(xué)院院長,甲骨文(中國)軟件系統(tǒng)有限公司高級技術(shù)顧問,大數(shù)據(jù)、數(shù)據(jù)庫、中間件技術(shù)和Java專家。16年IT行業(yè)從業(yè)經(jīng)歷,10年培訓(xùn)授課經(jīng)驗。具有豐富的大數(shù)據(jù)方法論、數(shù)據(jù)科學(xué)、大數(shù)據(jù)生態(tài)圈技術(shù)知識和大數(shù)據(jù)規(guī)劃建設(shè)、應(yīng)用實施和客戶培訓(xùn)經(jīng)驗。

      蔣老師??清華大學(xué)博士,云計算專家 熟悉主流的云計算平臺,并有商業(yè)與開源云計算平臺的實踐經(jīng)驗,對云計算關(guān)鍵技術(shù)有深刻了解和實踐經(jīng)驗,如分布式系統(tǒng)、虛擬化、分布式文件系統(tǒng)、云存儲等,參與并領(lǐng)導(dǎo)多個大型云計算項目。對大數(shù)據(jù)關(guān)鍵技術(shù)有深刻了解和實踐經(jīng)驗,如NoSQL數(shù)據(jù)庫、大數(shù)據(jù)處理、Hadoop、Hive、HBase、Spark等。

      張老師??天津大學(xué)軟件工程碩士,10多年的IT領(lǐng)域相關(guān)技術(shù)研究和項目開發(fā)工作,在長期軟件領(lǐng)域工作過程中,對軟件企業(yè)運(yùn)作模式有深入研究,熟悉軟件質(zhì)量保障標(biāo)準(zhǔn)ISO9003和軟件過程改進(jìn)模型CMM/CMMI,在具體項目實施過程中總結(jié)經(jīng)驗,有深刻認(rèn)識。通曉多種軟件設(shè)計和開發(fā)工具。對軟件開發(fā)整個流程非常熟悉,能根據(jù)項目特點定制具體軟件過程,并進(jìn)行項目管理和監(jiān)控,有很強(qiáng)的軟件項目組織管理能力。對C/C++ 、HTML 5、python、Hadoop、java、java EE、android、IOS、大數(shù)據(jù)、云計算有比較深入的理解和應(yīng)用,具有較強(qiáng)的移動互聯(lián)網(wǎng)應(yīng)用需求分析和系統(tǒng)設(shè)計能力,熟悉Android框架、IOS框架等技術(shù),了解各種設(shè)計模式,能在具體項目中靈活運(yùn)用。

      查看更多

      參會指南

      會議門票


      培訓(xùn)費6800元/人(含培訓(xùn)費、場地費、資料費、學(xué)習(xí)期間午餐),食宿可統(tǒng)一安排,費用自理。請學(xué)員帶身份證復(fù)印件一張。

      本課程由中國信息化培訓(xùn)中心頒發(fā)《大數(shù)據(jù)平臺搭建與高性能計算高級工程師》證書; 證書可作為專業(yè)技術(shù)人員職業(yè)能力考核的證明,以及專業(yè)技術(shù)人員崗位聘用、任職、定級和晉升職務(wù)的重要依據(jù)。

      查看更多

      溫馨提示
      酒店與住宿: 為防止極端情況下活動延期或取消,建議“異地客戶”與活動家客服確認(rèn)參會信息后,再安排出行與住宿。
      退款規(guī)則: 活動各項資源需提前采購,購票后不支持退款,可以換人參加。

      還有若干場即將舉行的 大數(shù)據(jù)大會

      猜你喜歡

      部分參會單位

      主辦方?jīng)]有公開參會單位
      活動家_小程序快捷下單

      微信掃一掃
      分享給朋友

      郵件提醒通知

      分享到微信 ×

      打開微信,點擊底部的“發(fā)現(xiàn)”,
      使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。

      錄入信息

      請錄入信息,方便生成邀請函