• 參會(huì)報(bào)名
  • 會(huì)議介紹
  • 會(huì)議日程
  • 會(huì)議嘉賓
  • 參會(huì)指南

首頁(yè) > 商務(wù)會(huì)議 > IT/技術(shù)會(huì)議 > 大數(shù)據(jù)建模與分析挖掘應(yīng)用實(shí)戰(zhàn)培訓(xùn)班(5月成都) 更新時(shí)間:2021-04-20T18:46:58

大會(huì)站點(diǎn)分布:
(點(diǎn)擊可切換)
大數(shù)據(jù)建模與分析挖掘應(yīng)用實(shí)戰(zhàn)培訓(xùn)班(5月成都)
收藏人
分享到

大數(shù)據(jù)建模與分析挖掘應(yīng)用實(shí)戰(zhàn)培訓(xùn)班(5月成都) 已過(guò)期

會(huì)議時(shí)間:2021-05-28 09:00至 2021-05-31 17:00結(jié)束

會(huì)議地點(diǎn): 成都  會(huì)前統(tǒng)一通知  

會(huì)議規(guī)模:30人

主辦單位: 中國(guó)信息化人才培訓(xùn)中心

發(fā)票類型:增值稅普通發(fā)票 增值稅專用發(fā)票

行業(yè)熱銷熱門關(guān)注看了又看 換一換

        會(huì)議介紹

        會(huì)議內(nèi)容 主辦方介紹


        大數(shù)據(jù)建模與分析挖掘應(yīng)用實(shí)戰(zhàn)培訓(xùn)班(5月成都)

        大數(shù)據(jù)建模與分析挖掘應(yīng)用實(shí)戰(zhàn)培訓(xùn)班(5月成都)宣傳圖

        ???????? 大數(shù)據(jù)建模與分析挖掘技術(shù)已經(jīng)逐步地應(yīng)用到新興互聯(lián)網(wǎng)企業(yè)(如電子商務(wù)網(wǎng)站、搜索引擎、社交網(wǎng)站、互聯(lián)網(wǎng)廣告服務(wù)提供商等)、銀行金融證券企業(yè)、電信運(yùn)營(yíng)等行業(yè),給這些行業(yè)帶來(lái)了一定的數(shù)據(jù)價(jià)值增值作用。

        ?本次課程面向有一定的數(shù)據(jù)分析挖掘算法基礎(chǔ)的工程師,帶大家實(shí)踐大數(shù)據(jù)分析挖掘平臺(tái)的項(xiàng)目訓(xùn)練,系統(tǒng)地講解數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)建模、挖掘模型建立、大數(shù)據(jù)分析與挖掘算法應(yīng)用在業(yè)務(wù)模型中,結(jié)合主流的Hadoop與Spark大數(shù)據(jù)分析平臺(tái)架構(gòu),實(shí)現(xiàn)項(xiàng)目訓(xùn)練。

        ?結(jié)合業(yè)界使用最廣泛的主流大數(shù)據(jù)平臺(tái)技術(shù),重點(diǎn)剖析基于大數(shù)據(jù)分析算法與BI技術(shù)應(yīng)用,包括分類算法、聚類算法、預(yù)測(cè)分析算法、推薦分析模型等在業(yè)務(wù)中的實(shí)踐應(yīng)用,并根據(jù)講師給定的數(shù)據(jù)集,實(shí)現(xiàn)兩個(gè)基本的日志數(shù)據(jù)分析挖掘系統(tǒng),以及電商(或內(nèi)容)推薦系統(tǒng)引擎。

        ??? 本課程基本的實(shí)踐環(huán)境是Linux集群,JDK1.8, Hadoop 2.7.*,Spark 2.1.*。

        ??? 學(xué)員需要準(zhǔn)備的電腦最好是i5及以上CPU,4GB及以上內(nèi)存,硬盤空間預(yù)留50GB(可用移動(dòng)硬盤),基本的大數(shù)據(jù)分析平臺(tái)所依賴的軟件包和依賴庫(kù)等,講師已經(jīng)提前部署在虛擬機(jī)鏡像(VMware鏡像),學(xué)員根據(jù)講師的操作任務(wù)進(jìn)行實(shí)踐。

        本課程采用技術(shù)原理與項(xiàng)目實(shí)戰(zhàn)相結(jié)合的方式進(jìn)行教學(xué),在講授原理的過(guò)程中,穿插實(shí)際的系統(tǒng)操作,本課程講師也精心準(zhǔn)備的實(shí)際的應(yīng)用案例供學(xué)員動(dòng)手訓(xùn)練。

        大數(shù)據(jù)建模與分析挖掘應(yīng)用實(shí)戰(zhàn)培訓(xùn)班(5月成都)

        培訓(xùn)時(shí)間及地點(diǎn)

        2021年04月22日-04月24日(21日?qǐng)?bào)到)地點(diǎn):廣州

        2021年05月28日-05月31日(27日?qǐng)?bào)到)地點(diǎn):成都

        培訓(xùn)目標(biāo)

        1.本課程讓學(xué)員充分掌握大數(shù)據(jù)平臺(tái)技術(shù)架構(gòu)、大數(shù)據(jù)分析的基本理論、機(jī)器學(xué)習(xí)的常用算法、國(guó)內(nèi)外主流的大數(shù)據(jù)分析與BI商業(yè)智能分析解決方案、以及大數(shù)據(jù)分析在搜索引擎、廣告服務(wù)推薦、電商數(shù)據(jù)分析、金融客戶分析方面的應(yīng)用案例。

        2.本課程強(qiáng)調(diào)主流的大數(shù)據(jù)分析挖掘算法技術(shù)的應(yīng)用和分析平臺(tái)的實(shí)施,讓學(xué)員掌握主流的基于大數(shù)據(jù)Hadoop和Spark、R的大數(shù)據(jù)分析平臺(tái)架構(gòu)和實(shí)際應(yīng)用,并用結(jié)合實(shí)際的生產(chǎn)系統(tǒng)案例進(jìn)行教學(xué),掌握基于Hadoop大數(shù)據(jù)平臺(tái)的數(shù)據(jù)挖掘和數(shù)據(jù)倉(cāng)庫(kù)分布式系統(tǒng)平臺(tái)應(yīng)用,以及商業(yè)和開(kāi)源的數(shù)據(jù)分析產(chǎn)品加上Hadoop平臺(tái)形成大數(shù)據(jù)分析平臺(tái)的應(yīng)用剖析。

        3.讓學(xué)員掌握常見(jiàn)的機(jī)器學(xué)習(xí)算法,深入講解業(yè)界成熟的大數(shù)據(jù)分析挖掘與BI平臺(tái)的實(shí)踐應(yīng)用,并以客戶分析系統(tǒng)、日志分析和電商推薦系統(tǒng)為案例,串聯(lián)常用的數(shù)據(jù)挖掘技術(shù)進(jìn)行應(yīng)用教學(xué)。

        培訓(xùn)人群

        1.大數(shù)據(jù)分析應(yīng)用開(kāi)發(fā)工程師

        2.大數(shù)據(jù)分析項(xiàng)目的規(guī)劃咨詢管理人員

        3.大數(shù)據(jù)分析項(xiàng)目的IT項(xiàng)目高管人員

        4.大數(shù)據(jù)分析與挖掘處理算法應(yīng)用工程師

        5.大數(shù)據(jù)分析集群運(yùn)維工程師

        6.大數(shù)據(jù)分析項(xiàng)目的售前和售后技術(shù)支持服務(wù)人員

        培訓(xùn)特色

        ?定制授課+ 實(shí)戰(zhàn)案例訓(xùn)練+ 互動(dòng)咨詢討論

        (說(shuō)明:講師會(huì)提供虛擬機(jī)鏡像,并把Hadoop,Spark等系統(tǒng)提前部署在虛擬機(jī)中,分析挖掘平臺(tái)構(gòu)建在Hadoop與Spark之上,學(xué)員自帶筆記本,運(yùn)行虛擬機(jī),并利用同樣的鏡像啟動(dòng)多臺(tái)虛擬機(jī),構(gòu)建實(shí)驗(yàn)集群,鏡像會(huì)提前給學(xué)員)

        查看更多

         中國(guó)信息化人才培訓(xùn)中心 中國(guó)信息化人才培訓(xùn)中心

        天博信通-中國(guó)信息化人才培訓(xùn)中心率先在國(guó)內(nèi)開(kāi)展高級(jí)軟件架構(gòu)等IT高端培訓(xùn)的公開(kāi)課。多年來(lái)持續(xù)不斷的投入精力創(chuàng)新課程體系,至今已在國(guó)內(nèi)開(kāi)展公開(kāi)課培訓(xùn)的課程達(dá)十幾門,分別涵蓋、云計(jì)算、大數(shù)據(jù)、軟件架構(gòu)、軟件設(shè)計(jì)、高級(jí)UI設(shè)計(jì)、項(xiàng)目管理、質(zhì)量管理、需求工程、運(yùn)營(yíng)管理等領(lǐng)域,也根據(jù)企事業(yè)單位的實(shí)用需求, 通過(guò)定制培訓(xùn)方案,培訓(xùn)后的技術(shù)服務(wù),將企業(yè)單位的信息化投資的效益發(fā)揮到最高點(diǎn)。目前中心已經(jīng)與幾百家企事業(yè)單位建立了長(zhǎng)期的培訓(xùn)合作關(guān)系, 深得用戶信賴和好評(píng)。

        會(huì)議日程

        (最終日程以會(huì)議現(xiàn)場(chǎng)為準(zhǔn))


        ?

        兩個(gè)完整的項(xiàng)目任務(wù)和實(shí)踐案例(重點(diǎn))

        1.日志分析建模與日志挖掘項(xiàng)目實(shí)踐

        a)Hadoop,Spark,并結(jié)合ELK技術(shù)構(gòu)建日志分析系統(tǒng)和日志數(shù)據(jù)倉(cāng)庫(kù)

        b)互聯(lián)網(wǎng)微博日志分析系統(tǒng)項(xiàng)目

        2.推薦系統(tǒng)項(xiàng)目實(shí)踐

        a)電影數(shù)據(jù)分析與個(gè)性化推薦關(guān)聯(lián)分析項(xiàng)目

        b)電商購(gòu)物籃分析項(xiàng)目

        Hadoop,Spark,可結(jié)合Oryx分布式集群在個(gè)性化推薦和精準(zhǔn)營(yíng)銷項(xiàng)目。

        項(xiàng)目的階段性步驟貫穿到三天的培訓(xùn)過(guò)程中,第三天完成整個(gè)項(xiàng)目的原型

        培訓(xùn)內(nèi)容安排如下

        時(shí)間

        內(nèi)容提要

        授課詳細(xì)內(nèi)容

        實(shí)踐訓(xùn)練

        第一天

        業(yè)界主流的數(shù)據(jù)倉(cāng)庫(kù)工具和大數(shù)據(jù)分析挖掘工具

        1. 業(yè)界主流的基于Hadoop和Spark的大數(shù)據(jù)分析挖掘項(xiàng)目解決方案
        2. 業(yè)界數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)分析挖掘平臺(tái)軟件工具
        3. Hadoop數(shù)據(jù)倉(cāng)庫(kù)工具Hive
        4. Spark實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)工具SparkSQL
        5. Hadoop數(shù)據(jù)分析挖掘工具M(jìn)ahout
        6. Spark機(jī)器學(xué)習(xí)與數(shù)據(jù)分析挖掘工具M(jìn)Llib
        7. 大數(shù)據(jù)分析挖掘項(xiàng)目的實(shí)施步驟

        配置數(shù)據(jù)倉(cāng)庫(kù)工具Hadoop Hive和SparkSQL

        ?

        部署數(shù)據(jù)分析挖掘工具Hadoop Mahout和Spark MLlib

        大數(shù)據(jù)分析挖掘項(xiàng)目的數(shù)據(jù)集成操作訓(xùn)練

        1. 日志數(shù)據(jù)解析和導(dǎo)入導(dǎo)出到數(shù)據(jù)倉(cāng)庫(kù)的操作訓(xùn)練
        2. 從原始搜索數(shù)據(jù)集中抽取、集成數(shù)據(jù),整理后形成規(guī)范的數(shù)據(jù)倉(cāng)庫(kù)
        3. 數(shù)據(jù)分析挖掘模塊從大型的集中式數(shù)據(jù)倉(cāng)庫(kù)中訪問(wèn)數(shù)據(jù),一個(gè)數(shù)據(jù)倉(cāng)庫(kù)面向一個(gè)主題,構(gòu)建兩個(gè)數(shù)據(jù)倉(cāng)庫(kù)
        4. 同一個(gè)數(shù)據(jù)倉(cāng)庫(kù)中的事實(shí)表數(shù)據(jù),可以給多個(gè)不同類型的分析挖掘任務(wù)調(diào)用
        5. 去除噪聲

        項(xiàng)目數(shù)據(jù)集加載ETL到Hadoop Hive數(shù)據(jù)倉(cāng)庫(kù)并建立多維模型

        基于Hadoop的大型數(shù)據(jù)倉(cāng)庫(kù)管理平臺(tái)—HIVE數(shù)據(jù)倉(cāng)庫(kù)集群的多維分析建模應(yīng)用實(shí)踐

        1. 基于Hadoop的大型分布式數(shù)據(jù)倉(cāng)庫(kù)在行業(yè)中的數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用案例
        2. Hive數(shù)據(jù)倉(cāng)庫(kù)集群的平臺(tái)體系結(jié)構(gòu)、核心技術(shù)剖析
        3. Hive Server的工作原理、機(jī)制與應(yīng)用
        4. Hive數(shù)據(jù)倉(cāng)庫(kù)集群的安裝部署與配置優(yōu)化
        5. Hive應(yīng)用開(kāi)發(fā)技巧
        6. Hive SQL剖析與應(yīng)用實(shí)踐
        7. Hive數(shù)據(jù)倉(cāng)庫(kù)表與表分區(qū)、表操作、數(shù)據(jù)導(dǎo)入導(dǎo)出、客戶端操作技巧
        8. Hive數(shù)據(jù)倉(cāng)庫(kù)報(bào)表設(shè)計(jì)
        9. 將原始的日志數(shù)據(jù)集,經(jīng)過(guò)整理后,加載至Hadoop + Hive數(shù)據(jù)倉(cāng)庫(kù)集群中,用于共享訪問(wèn)

        利用HIVE構(gòu)建大型數(shù)據(jù)倉(cāng)庫(kù)項(xiàng)目的操作訓(xùn)練實(shí)踐

        Spark大數(shù)據(jù)分析挖掘平臺(tái)實(shí)踐操作訓(xùn)練

        1. Spark大數(shù)據(jù)分析挖掘平臺(tái)的部署配置
        2. Spark數(shù)據(jù)分析庫(kù)MLlib的開(kāi)發(fā)部署
        3. Spark數(shù)據(jù)分析挖掘示例操作,從Hive表中讀取數(shù)據(jù)并在分布式內(nèi)存中運(yùn)行

        ?

        第二天

        聚類分析建模與挖掘算法的實(shí)現(xiàn)原理和技術(shù)應(yīng)用

        1. 聚類分析建模與算法原理及其在Spark MLlib中的實(shí)現(xiàn)與應(yīng)用,包括:
          1. Canopy聚類(canopy clustering)
          2. K均值算法(K-means clustering)
          3. 模糊K均值(Fuzzy K-means clustering)
          4. EM聚類,即期望最大化聚類(Expectation Maximization)
          5. 以上算法在Spark MLib中的實(shí)現(xiàn)原理和實(shí)際場(chǎng)景中的應(yīng)用案例。
        2. Spark聚類分析算法程序示例

        基于Spark MLlib的聚類分析算法,實(shí)現(xiàn)日志數(shù)據(jù)集中的用戶聚類

        分類分析建模與挖掘算法的實(shí)現(xiàn)原理和技術(shù)應(yīng)用

        1. 分類分析建模與算法原理及其在Spark MLlib中的實(shí)現(xiàn)與應(yīng)用, 包括:
          1. Spark決策樹(shù)算法實(shí)現(xiàn)
          2. 邏輯回歸算法(logistics regression)
          3. 貝葉斯算法(Bayesian與Cbeyes)
          4. 支持向量機(jī)(Support vector machine)
          5. 以上算法在Spark MLlib中的實(shí)現(xiàn)原理和實(shí)際場(chǎng)景中的應(yīng)用案例。
        2. Spark客戶資料分析與給用戶貼標(biāo)簽的程序示例
        3. Spark實(shí)現(xiàn)給商品貼標(biāo)簽的程序示例
        4. Spark實(shí)現(xiàn)用戶行為的自動(dòng)標(biāo)簽和深度技術(shù)

        基于Spark MLlib的分類分析算法模型與應(yīng)用操作

        關(guān)聯(lián)分析建模與挖掘算法的實(shí)現(xiàn)原理和技術(shù)應(yīng)用

        1. 預(yù)測(cè)、推薦分析建模與算法原理及其在Spark MLlib中的實(shí)現(xiàn)與應(yīng)用,包括:
          1. Spark頻繁模式挖掘算法(parallel FP Growth Algorithm)應(yīng)用
          1. Spark關(guān)聯(lián)規(guī)則挖掘(Apriori)算法及其應(yīng)用
          1. 以上算法在Spark MLib中的實(shí)現(xiàn)原理和實(shí)際場(chǎng)景中的應(yīng)用案例。
        1. Spark關(guān)聯(lián)分析程序示例

        基于Spark MLlib的關(guān)聯(lián)分析操作

        第三天

        推薦分析挖掘模型與算法技術(shù)應(yīng)用

        1. 推薦算法原理及其在Spark MLlib中的實(shí)現(xiàn)與應(yīng)用,包括:
          1. Spark協(xié)同過(guò)濾算法程序示例
          2. Item-based協(xié)同過(guò)濾與推薦
          3. User-based協(xié)同過(guò)濾與推薦
          4. 交叉銷售推薦模型及其實(shí)現(xiàn)

        推薦分析實(shí)現(xiàn)步驟與操作(重點(diǎn))

        回歸分析模型與預(yù)測(cè)算法

        1. 利用線性回歸(多元回歸)實(shí)現(xiàn)訪問(wèn)量預(yù)測(cè)
        2. 利用非線性回歸預(yù)測(cè)成交量和訪問(wèn)量的關(guān)系
        3. 基于R+Spark實(shí)現(xiàn)回歸分析模型及其應(yīng)用操作
        4. Spark回歸程序?qū)崿F(xiàn)異常點(diǎn)檢測(cè)的程序示例

        回歸分析預(yù)測(cè)操作例子

        圖關(guān)系建模與分析挖掘及其鏈接分析和社交分析操作

        1. 利用Spark GraphX實(shí)現(xiàn)網(wǎng)頁(yè)鏈接分析,計(jì)算網(wǎng)頁(yè)重要性排名
        2. 實(shí)現(xiàn)信息傳播的社交關(guān)系傳遞分析,互聯(lián)網(wǎng)用戶的行為關(guān)系分析任務(wù)的操作訓(xùn)練

        圖數(shù)據(jù)的分析挖掘操作,實(shí)現(xiàn)微博數(shù)據(jù)集的社交網(wǎng)絡(luò)建模與關(guān)系分析

        神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)算法模型及其應(yīng)用實(shí)踐

        1. 神經(jīng)網(wǎng)絡(luò)算法Neural Network的實(shí)現(xiàn)方法和挖掘模型應(yīng)用
        2. 基于人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)的訓(xùn)練過(guò)程
          1. 傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法
          2. Deep Learning的訓(xùn)練方法
        3. 深度學(xué)習(xí)的常用模型和方法
          1. CNN(Convolutional Neural Network)卷積神經(jīng)網(wǎng)絡(luò)
          2. RNN(Recurrent Neural Network)循環(huán)神經(jīng)網(wǎng)絡(luò)模型
          3. Restricted Boltzmann Machine(RBM)限制波爾茲曼機(jī)
        4. 基于Spark的深度學(xué)習(xí)算法模型庫(kù)的應(yīng)用程序示例

        基于Spark或TensorFlow神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)庫(kù)實(shí)現(xiàn)文本與圖片數(shù)據(jù)挖掘

        項(xiàng)目實(shí)踐

        1. 日志分析系統(tǒng)與日志挖掘項(xiàng)目實(shí)踐
          1. Hadoop,Spark,ELK技術(shù)構(gòu)建日志數(shù)據(jù)倉(cāng)庫(kù)
          2. 互聯(lián)網(wǎng)微博日志分析系統(tǒng)項(xiàng)目
        2. 推薦系統(tǒng)項(xiàng)目實(shí)踐
          1. 電影數(shù)據(jù)分析與個(gè)性化推薦關(guān)聯(lián)分析項(xiàng)目

        項(xiàng)目數(shù)據(jù)集和詳細(xì)的實(shí)驗(yàn)指導(dǎo)手冊(cè)由講師提供

        ?

        培訓(xùn)總結(jié)

        1. 項(xiàng)目方案的課堂討論,討論實(shí)際業(yè)務(wù)中的分析需求,剖析各個(gè)環(huán)節(jié)的難點(diǎn)、痛點(diǎn)、瓶頸,啟發(fā)出解決之道;完成講師布置的項(xiàng)目案例,鞏固學(xué)過(guò)的大數(shù)據(jù)分析挖掘處理平臺(tái)技術(shù)知識(shí)以及應(yīng)用技能

        討論交流

        查看更多

        會(huì)議嘉賓

        (最終出席嘉賓以會(huì)議現(xiàn)場(chǎng)為準(zhǔn))


        周老師

        男,中國(guó)科學(xué)院通信與信息系統(tǒng)專業(yè)博士。北京郵電大學(xué)移動(dòng)互聯(lián)網(wǎng)與信息化實(shí)驗(yàn)室特聘研究員、對(duì)外經(jīng)貿(mào)大學(xué)信息學(xué)院特聘兼職教師、中國(guó)移動(dòng)集團(tuán)高級(jí)培訓(xùn)講師,長(zhǎng)期從事大數(shù)據(jù)、4G、移動(dòng)互聯(lián)網(wǎng)安全、管理及大數(shù)據(jù)精確營(yíng)銷等研究方向。國(guó)內(nèi)頂級(jí)信息系統(tǒng)架構(gòu)師,金牌講師,技術(shù)顧問(wèn),移動(dòng)開(kāi)發(fā)專家。擁有豐富的通信信息系統(tǒng)設(shè)計(jì)、開(kāi)發(fā)經(jīng)驗(yàn)及培訓(xùn)行業(yè)經(jīng)驗(yàn),先后為全國(guó)超過(guò)15家省移動(dòng)公司,超過(guò)30家地市移動(dòng)公司有過(guò)項(xiàng)目開(kāi)發(fā)合作及授課,擔(dān)任多個(gè)大型通信項(xiàng)目的總師。

        張老師

        阿里大數(shù)據(jù)高級(jí)專家,國(guó)內(nèi)資深的Spark、Hadoop技術(shù)專家、虛擬化專家,對(duì)HDFS、MapReduce、HBase、Hive、Mahout、Storm、spark和openTSDB等Hadoop生態(tài)系統(tǒng)中的技術(shù)進(jìn)行了多年的深入的研究,更主要的是這些技術(shù)在大量的實(shí)際項(xiàng)目中得到廣泛的應(yīng)用,因此在Hadoop開(kāi)發(fā)和運(yùn)維方面積累了豐富的項(xiàng)目實(shí)施經(jīng)驗(yàn)。近年主要典型的項(xiàng)目有:某電信集團(tuán)網(wǎng)絡(luò)優(yōu)化、中國(guó)移動(dòng)某省移動(dòng)公司請(qǐng)賬單系統(tǒng)和某省移動(dòng)詳單實(shí)時(shí)查詢系統(tǒng)、中國(guó)銀聯(lián)大數(shù)據(jù)數(shù)據(jù)票據(jù)詳單平臺(tái)、某大型銀行大數(shù)據(jù)記錄系統(tǒng)、某大型通信運(yùn)營(yíng)商全國(guó)用戶上網(wǎng)記錄、某省交通部門違章系統(tǒng)、某區(qū)域醫(yī)療大數(shù)據(jù)應(yīng)用項(xiàng)目、互聯(lián)網(wǎng)公共數(shù)據(jù)大云(DAAS)和構(gòu)建游戲云(Web Game Daas)平臺(tái)項(xiàng)目等。

        查看更多

        參會(huì)指南

        會(huì)議門票 場(chǎng)館介紹


        7800元/人(含培訓(xùn)費(fèi)、資料費(fèi)、考試費(fèi)、證書費(fèi)、講義費(fèi)等)

        需要住宿學(xué)員請(qǐng)?zhí)崆巴ㄖ山y(tǒng)一安排,費(fèi)用自理。

        參加相關(guān)培訓(xùn)并通過(guò)考試的學(xué)員,可以獲得:

        1.工業(yè)和信息化部頒發(fā)的-大數(shù)據(jù)建模與分析挖掘證書。該證書可作為專業(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(jí)和晉升職務(wù)的重要依據(jù)。

        注:請(qǐng)學(xué)員帶二寸彩照2張(背面注明姓名)、身份證復(fù)印件一張。

        查看更多

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

        會(huì)議支持:

        • 會(huì)員折扣
          該會(huì)議支持會(huì)員折扣
          具體折扣標(biāo)準(zhǔn)請(qǐng)參見(jiàn)plus會(huì)員頁(yè)面
        • 會(huì)員返積分
          每消費(fèi)1元累積1個(gè)會(huì)員積分。
          僅PC站支持。
        • 會(huì)員積分抵現(xiàn)
          根據(jù)會(huì)員等級(jí)的不同,每抵用1元可使用的積分也不一樣,具體可參見(jiàn)PLUS會(huì)員頁(yè)面。 僅PC站支持。

        部分參會(huì)單位

        主辦方?jīng)]有公開(kāi)參會(huì)單位

        郵件提醒通知

        分享到微信 ×

        打開(kāi)微信,點(diǎn)擊底部的“發(fā)現(xiàn)”,
        使用“掃一掃”即可將網(wǎng)頁(yè)分享至朋友圈。

        錄入信息

        請(qǐng)錄入信息,方便生成邀請(qǐng)函