トレーニング時間 368時間

トレーニング目標
トレーニングカテゴリコンピュータープログラミング
理由ビッグデータ分析は、さまざまな新しいアプリケーション分野の背後にある共通のコアテクノロジーです。たとえば、スマートデバイス、Internet of Things、モバイルアプリケーション、クラウドサービス、ブロックチェーンなどはすべてビッグデータに関連しており、これらのアプリケーション分野の価値と実用性を示しています。その行動パターンと主要な影響要因を見つけるためにデータ分析に依存する必要があります。ビッグデータデータ分析は将来の中長期的な傾向であることがわかります。さまざまな分析アプリケーションがさまざまな業界で徐々に発酵されています。これらの新しいアプリケーション分野で生成される多様で複雑な大量のデータとさまざまなアプリケーションの分析ニーズに直面して、データ分析では、どこから始めればよいか、データ分析手法の使用方法がわからないことが多く、分析結果と要点を一目ですぐに把握できます。ビッグデータ分析の価値はさらに困難です。
コース目標ビッグデータ分析の理論的手法と応用は、業界での実際の事例とともに、実際の問題を適用して解決する方法を具体的に説明し、学生のビッグデータ分析とデジタル意思決定能力を向上させて企業に適用します。
雇用見通​​し現在、ビッグデータ分析は小売、金融、ハイテク、医療、製造などの業界で徐々に深まり、そのアプリケーションにより、さまざまな業界の意思決定者がマーケティングの機会、ユーザーの習慣、および将来の傾向を発見できるようになります。研修終了後、研修生は、ビッグデータ分析、ヒュージデータ分析、エンタープライズデータ分析アーキテクチャの計画と設計、機械学習、データベースの計画と設計、Javaプログラミング、Pythonプログラミング、エンタープライズeコマースシステムなどの作業コンテンツに従事できます。設計、ビジネスモデルの計画および建設プロジェクト。データアナリスト、ビッグデータアナリスト、データサイエンティスト、人工知能エンジニア、機械学習エンジニア、運用分析エンジニア、情報システムコンサルタント、ビッグデータプロジェクトマネージャー、マーケティングプランナーなどの役職も務めることができます。

講座の内容
概要1.入学促進コース（1時間）：雇用資源の促進
2.オープニングトレーニング（1時間）：オープニングセレモニー
3.最終トレーニング（1時間）：最終トレーニングセレモニー
4.クラスミーティング（3時間）：クラスワーク管理
5.ジェンダー平等コース（3時間）：1。ジェンダーの自己理解2.ジェンダーと個人の関係3.ジェンダーの自己ブレークスルー4.ジェンダーの心身の発達
6.求職スキル+雇用動向コース（4時間）：1 。仕事を探すときの態度2.仕事探しの10のステップ3.仕事探しの三部作4.再開と自伝（1）再開とは（2）再開の内容の書き方（3）明確で正確な再開フレームワーク（4）間違った再開-例（5）良い再開-例5.台湾の産業開発と雇用機会6.企業の人的資源と外部の雇用資源：（1）政府情報ウェブサイト（2）人的資源銀行のウェブサイト（3）。企業の外部ウェブサイト（4）。インターネット検索エンジン
7. Pythonプログラムとデータ処理（16時間）：1。Pythonの基本的な知識とテクノロジー2. REPL3。タイプとオペレーター4 .Function 5.Pythonプログラムのパフォーマンスの向上6.Pythonデータ構造の紹介
8.MySQLデータの操作とアクセス（学習）（8時間）：1。データベースとMySQLの紹介2.基本的なクエリ3.式と関数4 。結合および結合クエリ5.データの保守
9.ネットワークデータのクロールと分析（学習）（4時間）：1。クローラーの概念の概要2.Web ページの構造の説明3.データのクロールスキル
10.Linuxの基本的なコマンド操作（学習） ）（6時間）：1。コンピューターの概要2.Linuxとは3.ホストプランニングとディスクパーティション4.Linuxのインストール5.Linuxファイルのアクセス許可とディレクトリ構成6.Linuxの基本的な手順
11. Hadoop（調査）（4時間）：1。データサイエンスVSデータテクノロジー2.Hadoopコアアーキテクチャ3.HDFS分散ファイルシステム4.YARN分散コンピューティングシステム5.Hadoopコアシステムの機能6.Hadoopエコシステムアーキテクチャ
12.Spark （学習）（4時間）：1。ApacheSparkシステムアーキテクチャ2.分散データ分析フレームワーク3. Spark実用アプリケーション
13.データの保存と管理（学習）（4時間）：1。HBaseシステム運用アーキテクチャ2.HBaseラージデータデータベース3.HBaseデータテーブルの表示4.HBase REST API 5. HBaseデータテーブルの管理
14.システム分析および設計の概要（学習）（8時間）：1。システム開発プロセス2.システム計画3.プロジェクト定義4。要件分析方法5.データ仕様6.ロジック設計の評価と確認7.ロジック設計8.ソフトウェアパッケージ9.システム出力設計10.システム入力設計
15.統計アプリケーションの実践（学習）（8時間）：1。基本概念：確率、人口2.サンプルとサンプリング3.記述統計：頻度分布（相互分析）、平均、分散、中央値、モード
16. AI機械学習と深層学習（学習）（8時間）： 1.予測（分類を含む）：回帰（線形、論理など）、ニューラルネットワーク（BPN、DNN）、サポートベクトルマシン2.分類：決定ツリー、C5.0、ランダムフォレスト、決定フォレスト
17.画像認識（ （4時間）：1。画像処理の概念の概要2.OpenCVの構築とライブラリの実用化3.画像の形式とデータ構造のタイプ4.画像の読み取りとチャネル変換
18.自然言語処理（テキスト分析）（調査）（4時間）：1。単語ベクトル表現：自然言語単語セグメンテーション方法の概要、テキストベクトル化のアプリケーション手順、およびテキストベクトル化プログラムの追跡。2.自然言語文処理：自然言語単語セグメンテーション方法の紹介、自然言語単語リストの確立3.自然言語記事分類：自然言語記事分類アプリケーション、自然言語記事分類構造の説明4.自然言語意味分析：自然言語意味分析メソッドの紹介、自然言語セマンティック分析トレーニングメソッドの説明。
19.ビッグデータチャート視覚化テクノロジー（学習）（16時間）：1。一般的な属性または方法2.データ構造3.データのロード4.データクリーニング5.データベースデータの統合6. UI / UXの概念
20。エンタープライズケースプロジェクト（調査）（4時間）：1。データの並べ替えと創造的思考2.関連文献のディスカッション
21. Pythonプログラムとデータ処理（手法）（24時間）：1。コレクション2.プロセス構文3。関数アプリケーション4.論理判断5.カテゴリ6.継承7.例外処理8.io9。データ分析10.Pythonとデータベースの相互作用11.デバッグ12.Pythonの包括的な演習13.統合テストシナリオの設計
22.MySQLデータ操作とアクセス（手術）（24時間）：1。文字セットとデータベース2.ストレージエンジンとデータタイプ3.表4.インデックス5.サブクエリ6.ビュー7.データベース情報8.エラー処理そしてクエリ9.データのインポートとエクスポート
23.ネットワークデータのクロールと分析（テクニック）（10時間）：1。Pythonクローラープログラミング2.Pythonクローラーのパフォーマンス調整3.Webページ構造分析4.bs4データクロール
24. Linuxの基本的な命令操作（手術）（15時間）：1。CentOSをインストールします2. UbuntuServerバージョンをインストールします3.Nginx + PHP-FPM（PHP7）ビルドステップ（Ubuntu18.04）4。Django Nginx + uwsgiインストール構成5. Apache + MariaDB + PHP（CentOS 7）
25。Hadoop（テクニック）（20時間）：1。Hadoopクラスター構成2.Hadoopクラスターコンテナーホストを作成して開始します3.クラスター構成ディレクトリ構造4.HDFS分散ファイルシステムをフォーマットします5. HDFSシステムアーキテクチャを開始および表示し、ルートディレクトリのアクセス許可を表示します。6。HDFS操作コマンド7.モノリシック並列アプリケーションシステムアーキテクチャ（モノリシック）8。MapReduceシャッフル設定9.YARN分散コンピューティングシステムの操作図10.YARN分散コンピューティングを開始および表示します。システム
26.Spark（技術）（20時間）：1。Spark実用アプリケーション2.Sparkスタンドアロンクラスター操作アーキテクチャのセットアップ3.Sparkスタンドアロンコンテナーホストの作成と開始4.spark-shell（scalaインタープリター）の開始5.pyspark会話モードの開始6配信モードでPythonアプリケーションを実行します7.クラスター展開モードでpi.pyを実行します8.Anacondaをインストールします9.Anacondaを使用するようにSparkクラスターを構成します10.Sparkスタンドアロンクラスターシステムを起動します11.JupyterServer起動コマンドを起動および設計します12.PythonNoteBookを作成します
27.データの保存と管理（手術）（20時間）：1。データサイエンティストのログインHadoopクライアント2.Hbaseデータセットテーブルの作成3.Pigプログラムの作成と実行4.Hiveの設定とHiveテーブルの作成5.HBaseRESTサービスの開始6.HBaseデータテーブルの管理7.分割データテーブルの作成8.演習の練習
28.統計的応用実践（科学）（8時間）：1。推定：点推定、間隔推定2.仮説テスト：Tテスト、Fテスト、Zテスト3.単一因子分散分析4.相関と回帰
29. AI機械学習と深層学習（手術）（32時間）：1。寸法縮小法：主成分分析法、線形弁別分析法、遺伝的アルゴリズム2.グループ化：2段階グループ化、K-mean、自己マッピングネットワーク3。アソシエーション：一次元アソシエーション、周期的アソシエーション、多次元アソシエーション4.ディープラーニング：CNN、RNN、LSTM、AutoEncoder
30.ビッグデータチャート視覚化テクノロジー（手術）（24時間）：1。データ収集2.データ視覚化Matplotlib3。データの視覚化Seaborn4。データの視覚化Bokeh5。線形回帰6.ロジスティック回帰7.データマイニングと単語ハイフネーション分析8.バージョン制御ソフトウェア
31.エンタープライズケースプロジェクトの実装（手法）（60時間）： 1.実装部門2.開発と設計3.テスト4.検証と変更5.プレゼンテーションの作成6.レポートの演習7.特別なシステム開発（1）システムアーキテクチャの設計（2）システム実装の開発（3）実験的な設計（4） ）データ分析（5）結論と展望