第一部份：某企業(yè)級大數(shù)據(jù)應用服務架構演進
1）大數(shù)據(jù)在企業(yè)中的主要應用
2）業(yè)務快速迭代背景下對技術的挑戰(zhàn)
3）企業(yè)級大數(shù)據(jù)應用服務整體介紹
第二部份：大數(shù)據(jù)服務高可用設計原則
1）多維度切入高可用架構設計理念
2）可用性評價維度介紹
3）資源隔離保護核心服務
4）流量控制打造柔性可用系統(tǒng)
5）分鐘級定位故障以及糾錯方案
6）兜底以及回滾、降級減少故障恢復時間
7）常態(tài)化的故障演練機制以及容災方案
第三部份：基于MySQL集群構建可伸縮性存儲層
1）數(shù)據(jù)量以及請求量對查詢服務的沖擊
2）可伸縮的應對上下游壓力的實踐
3）讀寫分離下MySQL的高可用設計
第四部份：基于HBase的支撐百億級別數(shù)據(jù)查詢（1）
1）hbase入門
2）hbase簡單操作
3）hbase架構詳解(what and why)
第五部份：基于hbase的支撐百億級別數(shù)據(jù)查詢（2）
1）hbase核心源碼深度剖析
2）hbase優(yōu)劣勢以及技術選型
3）hbase企業(yè)級典型應用場景以及較佳實踐
第六部份：企業(yè)級大數(shù)據(jù)OLAP介紹
1）OLAP是什么以及常見操作
2）OLAP引擎技術方案選型
第七部份：Kylin離線大數(shù)據(jù)OLAP引擎解決方案
1）Kylin介紹
2）海量數(shù)據(jù)較精確去重的實現(xiàn)
3）Kylin的優(yōu)勢以及局限
4）Apache Kylin的應用場景和較佳實踐
第八部份：Druid實時大數(shù)據(jù)分析引擎
1）Druid介紹
2）Druid原理深度剖析
3）Druid應用場景和較佳實踐
第九部份：大數(shù)據(jù)查詢服務 統(tǒng)一SQL引擎層
1）為什么需要SQL接口層
2）SQL接口層的技術方案選型
3）基于apache calcite實現(xiàn)標準SQL查詢
第十部份：深度挖掘企業(yè)大數(shù)據(jù)價值
1）企業(yè)大數(shù)據(jù)指標體系以及管理策略
2）我們需要收集哪些數(shù)據(jù)
3）企業(yè)大數(shù)據(jù)應用的痛點
4）討論一下機器學習的問題域
5）算法工程師們都在做些什么
第十一部份：機器學習算法入門
1）機器學習入門 — 什么是機器學習
2）線性回歸算法由淺入深— 麻雀雖小、五臟俱全
3）手把手完成線性擬合數(shù)據(jù)集實戰(zhàn)
第十二部份：用戶畫像應用介紹
1）比你更了解你，淺談用戶畫像
2）用戶畫像與個性化推薦系統(tǒng)領域
3）用戶畫像效果實時在線評估策略
第十三部份：競價廣告系統(tǒng)點擊率預測算法與實戰(zhàn)
1）線性模型logistic回歸算法介紹
2）基于線性模型logistic回歸的點擊率預測實戰(zhàn)
3）非線性模型GBDT算法介紹
4）非線性模型GBDT與推薦排序
5）基于AUC值、ROC曲線的模型評價方法 |
合作伙伴與授權機構
總部李老師
