北京后厂理工

招生对象：滴滴认证资深大数据工程师培养计划为什么选择后厂理工学院&滴滴出行大数据课程课程定位资深课程依托于滴滴盖亚开放数据计划脱敏后的开放数据集，使用前沿的大数据技术对海量数据进行采集、存储、分析处理、展现等端到端全链路处理过程，理论、实战相结合的课程.区别于市面上多数技术难点和深度较低的课程，更区别于一些拼凑式的demo项目课程实战项目资深课程中涉及到的技术，我们都采用开源技术，同时部分需求需要在开源技术的基础之上进行二次源码级的开发和优化，区别普通大数据项目的开发，对人员的编码能力要求极具挑战。适合具有多年编程经验，想通过完整项目实战提升自身实战能力的人群，同时适应多年DBA工作经验的人群想做最后一次努力去拥抱大数据,跟上技术潮流课程知识体系课程在设计上与滴滴进行了深入的探讨，对于项目涉及到的订单和轨迹数据中的敏感信息进行了脱敏,把授课的内容重点放在数据处理的解决方案和实现上,知识点贯穿前端，java中台，大数据后端，项目代码管理等多个环节，重塑学生的知识体系，系统而又全面的将工作中需要技术解决方案和经验教授给大家，帮助大家对于一个完成项目开发过程有一个整体的掌握授课形式资深课程以正式直播课为主，直播答疑课为辅，帮助学生解决学习中的难点和问题进行自身能力全面提升。真正做到为学生负责，为我们的教育结果负责。整个课程不单单只是一门课，而是培养一位具有职业全能竞争力的大数据工程师课程适合人群具有一定的大数据技术与分布式系统的理论基础，需要了解大数据技术在实际业务中如何使用的人员有过Java，Scala编程经验，想要系统地学习大数据项目开发完整流程的人员具有3-5年大数据开发经验，想要积累自己的项目经验的人群有较强的思维逻辑能力，应对复杂业务场景处理，需要提升自身端到端大数据全栈开发能力的人群学习本课程您能掌握1. 掌握数据从终端(APP)的产生到数据中台处理再到大数据后台处理的整个链路技术2. 掌握大数据量计算与存储分离解决方案，海量级数据秒查询优化方案3. 掌握真实企业大数据平台(CDH)调优4. 大数据主流技术hadoop二次开发修改NameNode的bug，hbase，kafka源码，spark自定义数据源实现列剪枝灵活查询海量数据5. 重构SparkSql构建多数据源(hbase，redis，jdbc，kafka，elasticsearch)的数据查询平台课程大纲后厂理工学院严格遵守滴滴出行的数据安全标准，本培养计划中：订单、车辆分布和收入总数等数据均采用模拟数据集实现，此类功能点在大纲中用标注。海量数据实时可视化项目hadoop nameNode秒级千次高并发源码改造项目Kafka核心源码剖析与每秒GB级数据场景实例分析SparkSQl重构自定义多数据源处理平台项目

招生对象：阿里云双证认证高级架构师培养计划：   项目背景：云时代已经来临，通过云计算可以极大降低技术开发成本、使数据能够在任何地 方被访问、业务需求也能够灵活扩展，云计算的诸多优势共同决定了企业上云已成为一种大势所趋。   当越来越多的企业希望把自己的解决方案从传统IT架构向云平台进行迁移时，市 场上经验丰富的云架构师是极其稀缺的，这直接导致企业上云之旅注定是一场不停试错、不停容忍的痛苦过程！   在这种时代背景下，本套课程应运而生，后厂理工学院推出本套课程， 整套课程设计是从多种传统架构升级改造、到掌握如何将传统架构飞速无障碍迁移上云， 最终让学员们具备可支撑高并发的弹性伸缩云架构能力， 帮助企业培养出一大批掌握传统架构师能力、云架构师能力的高级架构师。课程面向人群拥有微服务真实开发经验，对容器化技术有一定了解的高级工程师想要快速掌握企业上云的架构师想要提升从传统IT架构上云改造迁移架构能力的伙伴课程亮点讲解各种传统IT架构改造到云迁移的完整历程课程内容案例均由真实解决方案演变而来能够快速找到适合自己公司架构的上云解决方案进行快速上云，节省试错时间提供实操演练场景，真正完成整个上云过程课程介绍《智能互联网时代下的架构殿堂之路》架构思维: 互联网架构升级演进之路架构进阶: 互联网架构之升级改造篇架构突破: 高可用弹性伸缩的云架构之迁移改造篇架构殿堂: 高可用弹性伸缩的云架构之高并发实战篇

招生对象：课程大纲人工智能与自然语言处理Artificial Intelligence ForNatural L anguage Processing自然语言处理方向(Natural LanguageProcessing)主要用于解决文本自动分类、文本重要信息自动提取、数据挖掘、推荐系统、文本自动生成、对话机器人、知识图谱等领域，用以解决人类对文本信息分析与理解的自动化。本课程内容主要涉及经典人工智能方法、机器学习与深度学习方法。深度学习与计算机视觉Computer Vision Courses计算机视觉(Computer Vision)主要用于解决人类对图形、图像、视频等信息的自动化处理。本课程面向希望从事图像智能处理与识别、视频检测、图像自动生成、无人驾驶、人脸识别与检测等方向的学员。本课程主要内容涉及计算机视觉的深度学习方法，并包括集计算机图形学、经典计算机视觉中的重点方法，同时也覆盖了基于对抗生成网络(GAN) 的图像生成方法。计算广告与机器学习MarTech and Machine Learning计算广告与机器学习(MarTech andMachine Learning)算法变现是互联网商业化中重要的环节,本质是广告主，用户，媒体主三方利益的协调。在计算广告中包括了大量的业务场景，比如CTR/CVR预估, Bidding策略,推荐系统，数据挖掘，知识图谱，广告优化师等，除此以外，我们还需要考虑到模型准确率对于商业化决策的影响(比如广告收益，用户复购率,千人千面的个性化推荐等)。本课程涉及经典的机器学习，深度学习,以及推荐系统，广告预测，反欺诈识别和智能设计。