大数据建模与分析挖掘技术已经逐步地应用到新兴互联网企业（如电子商务网站、搜索引擎、社交网站、互联网广告服务提供商等）、银行金融证券企业、电信运营等行业，给这些行业带来了一定的数据价值增值作用。 本次课程面向有一定的数据分析挖掘算法基础的工程师，带大家实践大数据分析挖掘平台的项目训练，系统地讲解： （1）数据分析与挖掘的背景、基本概念、能干什么、优势何在、方法步骤、项目思路。 （2）大数据分析挖掘和机器学习的模型、建模方法和案例，重点是决策树机器学习模型和关联规则机器学习模型及其应用； （3）SPSS大数据建模与挖掘软件的应用实践，包括决策树，关联规则，朴素贝叶斯网络，SVM模型的实践与操作； （4）Python朴素贝叶斯、决策树、逻辑回归机器学习模型及应用实践操作； （5）数据建模、分析挖掘技术体系及其平台方案实现； （6）机器学习和大数据建模在电商、电信领域的用户画像应用案例。

本课程主要讲解Flink的核心设计原理，实时计算，SQL计算等使用场景，同时通过实战案例与实际业务的场景相结合，让学员轻松掌握Flink在实时计算领域的独特魅力。 本次课程的代码实现以 Scala语言为主，配套有Java语言代码实现，要求学员至少具备Java基础，讲师会提供培训过程中用到的项目代码（Scala实现和Java实现）。

本次课程主要针对大数据平台中MapReduce，Hive的原理及使用，以及Spark中的Spark core、Spark SQL 、SparkStreaming这些内容进行讲解，通过这些内容的学习，可以掌握MapReduce的编程思想，以及如何使用SQL计算HDFS上的海量数据，以及掌握Spark中的离线计算和实时计算。

本次课程主要针对大数据平台中实时计算相关组件的技术和实战分享，主要针对Redis、Kafka、Spark、Flink的核心原理、实战应用以及生产环境下的使用注意事项等内容进行分析，可以帮助学员对整个实时计算的处理架构有一定的了解，可以快速掌握实时计算的相关程序开发。

近些年，随着数据中台、大数据、机器学习、人工智能等高科技技术的不断发展，越来越多的企业开始着眼于整理自己的数据资产、挖掘自身的数据业务、开拓自己的数据产品。然而，由于各个企业自身的起点不同，有的是从开展简单的分析任务开始，有的是如何建设自己的数据中台。同时，这个过程中也遇到了诸多的难题与困惑，不知道如何更加有效地开展工作，未来的发展方向又在哪里。 本课程从实战的角度，讲解了不同阶段数据应用的建设思路，规划未来发展的路线图。最初，如何开展简单的数据分析任务，确定问题→数据清洗→数据建模→数据验证的设计套路，以及由粗到细挖掘有价值的数据的分析思路。然后，为了长期持久地分析应用数据，如何建设数据中台，开展数据资产治理的工作，包括数据采集、ETL过程、建立数据仓库、形成数据集市、建设应用系统。并且，在这个过程中如何开展数据质量管理、数据血缘管理，等等。接着，在这样的基础上如何数据驱动、价值变现、形成数据产品，如数据风控、数字化运营、推荐系统、精准营销，这些系统的建设思路。更进一步，如何运用数据挖掘算法，开展数据预测、用户画像、机器学习等任务。最后，运用实际案例讲解，人工智能的系统建设，建设套路以及关键点与难点。

该课程讲授有关使用微软Excel组件的数据采集、筛选与清洗（整理）的工具和技巧。内容数据应用的基本规范、导入外部数据、数据筛选和数据整理。 本课程将通过案例式教学方式，结合动手实验进行讲授。