刘晖：5G、云计算如何提升网格线数字化转型体系化培训方案

刘晖注册讲师 18查看

课程概要

培训时长 : 2天

课程价格 : 扫码添加微信咨询

课程分类 : 5G

课程编号 : 16908

联系老师

适用对象

课程介绍

【课程时长】

2天（6小时/天）

【课程特点】

课上采用案例式教学，通俗易懂，课下一对一辅导强化训练，学与练交叉进行强化记忆，你所要做的就是认真听，勤于问，乐于练。
清晰的知识结构，根据应用经验采用最优化授课模式。
内容充沛、详略得当，前后呼应。
讲师资历丰富，具有丰富的实践经验。
知识讲授+贴身案例+场景故事+互动讨论+现场演练+落地跟踪

【培训目标】

在网络线深度转型的大背景下，以提升网络线划小组织业务能力，以小CEO、主管等关键岗位、关键人员为培训重点，以点带面提升网络线数字化转型能力，面向业务需求，结合网络演进趋势，以牵引转型为目标，提升智网工程师，云网工程师，智家工程师网络线维护人员综合素质、提升理论及实操能力。同时提升自主运营，自主建设，自主优化等五自工作质量，最终形成若干面向网络线重大项目，重点工作，能有效解决问题的BU团队，实现网络线各项工作上台阶

【课程大纲】（2天*6小时）

时间

内容

案例实践与练习

Day1

1. 5G系统标准发展概述

1.1 移动通信技术演进规律

1.2 4G/4.5G/5G标准主要技术特征

1.3 移动通信技术愿景和路标

2. 5G系统核心能力指标

2.1 5G八大关键能力指标

2.2 5G频率挑战、技术挑战、效率挑战和运营挑战

3. 5G系统关键无线技术

3.1 5G面临的挑战和应对思路

3.2 5G主要关键技术

4. 5G系统新型网络架构

4.1 5G网络架构构成

4.2 5G网络三大模块主要功能

4.3 5G网络架构关键技术

5. 5G系统重要网络技术

6. 云计算技术：

6.1何为云

6.2云计算的相关技术和交付模式——云的获取

6.3服务模式及理论价值——云的形态

6.3.1 软件即服务的价值

6.3.2 平台即服务的价值

6.3.3 基础设施即服务的价值

6.4核心结构——云的架构

6.4.1 云架构的基本层次

6.4.2 云架构的服务层次

6.4.3 云发展的驱动力

6.4.4 期待明天会更好

6.5云计算所带来的现实业务价值

6.6云与客户关系

6.7基于云计算的商业模型的出现

6.8如何选择和管理云

6.9怎么实施

6.10安全云策略

6.11云计算技术和管理发展挑战

实战：

沃云产品及服务，如何将“沃云”应用到行业数字化转型中？

通过实例更深刻理解5G、云计算技术及其前瞻趋势发展。

课程中会加入课堂讨论、课堂模拟实战等环节。

Day2

营销实战：

网格化（划小）单元营业收入提升的四步：

第一步：建立网格需求客户鱼塘

----网格单元目标客户的数量与质量决定了网格的营业收入

1. 网格内营业收入提升的困境：客户发展困难

2. 建立有足够多需求的客户鱼塘

3. 如何建立营业收入提升的客户鱼塘：

4. 向忠诚客户寻找目标需求的客户鱼塘：

案例分享：运营商营业厅忠诚客户主动推荐客户方法

5. 向老客户寻找意向需求的客户鱼塘：

——如何让老客户愿意进行客户转介绍

——老客户客户转介绍的六种方法

话术分享：让老客户帮忙转介绍的话术提炼

6. 向新客户寻找潜在需求的客户鱼塘

7、向社区寻找潜在需求的客户鱼塘

8、向精准商家“借”客户鱼塘

9、从竞争对手的客户鱼塘中快速提现客户

案例分享：运营商电子渠道如何建立自己的客户鱼塘

社会渠道十年时间不同阶段建立客户鱼塘分享

第二步：挖掘网格单元需求潜能

----网格单元需求客户的数量与质量决定了网格的营业收入

1.基于网格单元的客户鱼塘挖掘电信客户需求

案例研讨：已用云产品的客户如何挖掘其消费需求？

没有云产品需求的客户如何挖掘其消费需求？

2.通过硬宣传和软宣传变现客户鱼塘由需求到收入

案例研讨：社区和闹区如何通过软宣传来变现客户鱼塘价值？

3、通过营销活动变现客户鱼塘由需求到现金

4、通过信任建立变现客户鱼塘由关系到现金

5、通过现场营销变现客户鱼塘由需求到现金

6、通过互联网营销变现客户鱼塘由需求到现金

案例分享：5G与云产品如何嵌入电信划小区域

如何管理划小区域的需求客户

第三步：精细管理网格单元业绩

----网格单元管理效能的质量与结果决定了网格的营业收入

精细化管理决定了网格单元的营业收入的持续性
精细化管理区别于网格管理的压制式管理和指标式管理
精细化管理的重心在于运营的精准化、管理的精确化；
运营的精准化在于构建属于自己区域的运营模式
管理的精确化在于建立适应自我风格的团队

案例分享：某运营商网格精细化管理的标杆案例

工具学习：精细化管理的工具和方法学习

第四步：打造异质的精品网格单元

----网格单元营业收入的持续性在于打造精品的品牌网格单元

1、网格单元精品化和品牌化的可持续作用

2、寻找与总结属于自身网格单元的核心竞争优势

方法学习：核心竞争优势的维度分析方法

3、基于自身核心竞争能力优化关键成功因素

方法学习：关键成功因素的画布指引

4、以关键成功因素建立精品网格单元

5、打造以差异化个性化服务为特点的精品网格单元

案例分享：江苏一卖场网格的个性化服务精品网格模式

6、打造以客户为本的客户忠诚关系的精品网格单元

7、打造以运营精细化为特点的精品网格单元

案例分享：网格精细化运营的精品网格分享

案例剖析：

案例一：面向5G、云计算、大数据的智慧轨交运营解决方案

1 智慧轨交运营应用场景和实施挑战

1.1 智慧轨交运营应用场景

1.2 问题和实施挑战

2 当运营商大数据遇上智慧轨交

2.1 运营商大数据的亮点

2.2 室内蜂窝定位的亮点

2.3 运营商大数据在智慧轨交运营中的优势

2.4 基于运营商大数据的智慧轨交解决方案

3 解决方案的价值

3.1 为城市增添智慧

3.2 让地铁更加智能

3.3 为运营商带来新机遇

4 商业模式

4.1 商业模式

4.2 产业发展倡议

5 未来发展趋势及展望

案例二：5G、云计算赋能构筑万物互联新时代

刘晖老师的其他课程

• 刘晖：数据治理原理、方法: 【课程介绍】帮助数据管理从业人士，通过学习数据管理基础理论，借鉴行业最佳实践，提升数据规划能力，从数据管理专业知识体系，核心数据管理技能和数据管理专业人员职业能力等方面提供训练，帮助数据管理专业人士获得企业数字化转型战略下的必备能力，形成企业所需新数字经济下的核心竞争能力。【课程收益】通过学习本课程，您将获得如下收益：1、数据管理基础理论：介绍DAMA-DMBOK数据管理知识体系、DGI数据治理理论、数据资产管理2.0白皮书等数据管理理论内容，帮助数据管理从业人员理解国际数据管理理论趋势、国内数据资产管理政策及实施策略等内容；2、数据能力成熟度：介绍国际DMM、国内DCMM、IBM数据治理成熟度模型，结合当前数据监管法案及行业监管指引，提出企业数据管理能力匹配原则，帮助企业掌握当前数据管理能力所处的发展阶段，并提出未来发展和提升方向；3、数据管理：通过最佳实践案例解读帮助学员借鉴最佳实践，掌握企业数字化转型的总体规划能力。数据治理最佳实践从企业的数据管理组织、制度和流程方面提出要求，构建完整的数据治理管理体系，并阐述行业最佳实践案例；数据架构最佳实践从企业级数据模型、数据流转、数据分布、元数据管理等方面提出要求，构建完备的企业级数据模型，并阐述行业最佳实践案例；数据标准最佳实践从企业业务术语、参考数据、主数据、数据元、指标数据标准提出要求，构建全面的数据标准管理体系，并阐述行业最佳实践案例；数据质量最佳实践从数据质量基础、数据质量工程方法、数据质量评估和改进等方面提出要求，构建持续提升的数据质量最佳实践案例。【课程特色】1. 课上采用案例式教学，通俗易懂，课下一对一辅导强化训练，学与练交叉进行强化记忆，你所要做的就是认真听，勤于问，乐于练。2. 清晰的知识结构，根据应用经验采用最优化授课模式。3. 内容充沛、详略得当，前后呼应。4. 讲师资历丰富，具有丰富的实践经验。5. 知识讲授+贴身案例+场景故事+互动讨论+现场演练+落地跟踪【课程对象】营销经理、小CEO、自有营业厅小CEO，驻地网营销部小CEO等【课程时长】 2天（6小时/天）【课程大纲】培训模块培训内容数据管理基础理论1. DAMA 数据管理知识体系2. DGI 数据治理3. 数据资产管理4. CDO 首席数据官5. 数据师的职业生涯规划数据能力成熟度1. DMM 简介、主要内容和评估2. DCMM 简介、主要内容和评估3. IBM 数据治理成熟度简介、主要内容和评估4. 数据监管法案及行业监管指引数据治理最佳实践1. 数据治理概述2. 数据治理体系3. 数据治理主要内容及最佳实践数据架构最佳实践1. 数据架构概述2. 数据架构最佳实践3. 元数据管理及最佳实践数据标准最佳实践1. 数据标准定义规范2. 数据标准化最佳实践数据质量最佳实践1. 数据质量管理基础2. 数据质量工程实践3. 数据质量评估与改进4. 数据质量专项提升最佳实践

• 刘晖：数据工程专项培训: 【课程收益】掌握数据仓库模型及相关知识；掌握数据存储方案的设计；掌握数据处理过程的规划、设计、优化；【课程特色】1. 课上采用案例式教学，通俗易懂，课下一对一辅导强化训练，学与练交叉进行强化记忆，你所要做的就是认真听，勤于问，乐于练。2. 清晰的知识结构，根据应用经验采用最优化授课模式。3. 内容充沛、详略得当，前后呼应。4. 讲师资历丰富，具有丰富的实践经验。5. 知识讲授+贴身案例+场景故事+互动讨论+现场演练+落地跟踪【课程对象】相关人员【课程时长】2天（6小时/天）【课程大纲】第一部分：数据仓库数据仓库与数据挖掘概述数据仓库的发展与展望数据仓库的体系结构数据仓库的参照结构数据挖掘技术概述数据挖掘技术与工具数据挖掘的应用数据仓库开发模型数据仓库开发模型数据仓库概念模型数据仓库逻辑模型数据仓库的物理模型数据仓库的元数据模型数据仓库的粒度和聚集模型数据仓库开发应用过程数据仓库的规划数据仓库的概念模型设计数据仓库的逻辑模型设计数据仓库的物理模型设计数据仓库的实施数据仓库的应用、支持和增强OLAP 技术OLAP 技术概念OLAP 与多维分析OLAP 的实施多维 OLAP 与关系 OLAPOLAP 技术评价数据挖掘技术传统的统计分析类数据挖掘技术统计分析类工具统计分析类工具的应用统计分析类工具应用的问题知识挖掘系统的体系结构现代挖掘技术及应用知识发现工具与应用数据挖掘技术的发展数据挖掘的主要算法和模型聚集决策树神经网络关联分析序列分析数据预处理技术数据清理集成和变换规范化数据归约维归约数据压缩数值归约数据仓库应用与管理数据仓库用户数据仓库应用案例数据仓库的运行技术管理数据仓库的元数据管理数据仓库应用中的法律问题数据仓库的成本与效益分析数据仓库开发实例实例数据仓库的规划与分析数据仓库开发工具的应用数据仓库创建实例数据仓库事实表与多维数据集的建立数据仓库与挖掘应用实例数据仓库的数据加载与钻取数据挖掘模型的设计数据挖掘工具的应用数据仓库客户端界面的设计第二部分：数据存储方案分布式存储系统概述大数据集（超大文件）存储海量小文件存储分布式存储技术发展新动向和趋势从Google云计算体系，理解海量数据处理的方法从Hadoop云计算项目，进一步研究云数据处理方法从Windows Azure，理解平台即服务的本质从Amazon云计算，讨论如何提供云服务实施云计算的关键点：安全策略当前数据中心如何向云计算环境转变？基础设施即服务（IaaS）关键实现技术软件即服务（SaaS）关键实现技术第三部分数据处理过程的规划、设计、优化什么是数据工程师数据科学家和数据工程师的区别数据工程中的不同角色核心数据工程技能课程1：大数据技术基础与应用时间内容案例实践与练习一、大数据时代背景二、大数据业务应用场景三、大数据在各行业最佳实践案例案例讨论：大数据行业应用价值一、大数据处理技术发展趋势二、大数据主要存储技术介绍三、大数据主要计算技术介绍案例分析：大数据与传统存储计算技术的关系课程2：大数据基础理论与算法入门时间内容第1个主题：概率论与数理统计入门聊聊概率这件事什么是随机变量什么是概率分布什么是古典概型联合概率与边缘概率乘法与全概率公式贝叶斯公式介绍独立性与独立事件课堂实操：概率统计各种相关类型习题讲解，由浅入深探索概率统计在各种业务/项目上的应用。第2个主题：离散值的概率分布定义与分布律介绍离散型随机变量介绍伯努利、二项及泊松分布期望值及其计算方法方差与标准差介绍大数定理介绍课堂实操：概率统计各种相关类型习题讲解，由浅入深探索概率统计第3个主题：SQL语法与应用实战SQL概述数据库基本操作数据类型和约束条件数据填充与数据导入查询操作符与子查询SQL查询函数介绍课堂实操：动手实际实现客户订单查询案例第4个主题：数据预处理数据审核数据筛选数据排序数据清洗数据集成数据变换数据归约课堂实操：合并不同数据源数据、缺失值与异常值处理、数据标准化处理、Matplotlib绘图第5个主题：数据分析入门数据分析概述数据分析开发环境搭建数据分析学习技巧课堂实操：量化炒股实例、python常用科学计算第6个主题：数据算法基础K最邻近算法朴素贝叶斯线性回归梯度下降最大似然估计多重回归模型Logistic回归Logistic函数介绍支持向量机课堂实操：算法练习第7个主题：数据算法基础什么是决策树什么是熵神经网络的感知机前向传播神经网络什么是聚类K均值算法自然语言处理推荐系统介绍课堂实操：实现机器学习相关完整案例课程3：Hadoop生态系统时间内容案例实践与练习一、HDFS特征及读写文件二、NameNode的考虑三、HDFS安全概览案例练习：HDFS基础命令一、运用 Hadoop文件Shell二、利用Flume 从外部源摄取数据三、利用Sqoop从关系数据库摄取数据案例练习：HDFS脚本及接口命令一、MapReduce原理及特征二、YARN2.0架构与原理三、Zookeeper和YARN2.0关系案例练习：MapReduce运行及调度一、SQOOP原理及特征二、SQOOP开发应用三、SQOOP和Hadoop关系案例练习：SQOOP开发一、zookeeper原理及特征二、zookeeper架构与应用三、Zookeeper和Hadoop关系案例练习：Zookeeper集群管理命令一、HBase原理及特征二、HBase and RDBMS三、HBase Shell案例练习：HBase Shell命令一、创建表二、HBase 的ROWKEY设计三、Hbase的优化设计案例练习：HBase 优化设计一、Hive模式和数据存储二、Hive与传统数据库的比较三、Hive应用案例案例练习：Hive模式及管理命令一、HQL基础DDL编程二、HQL基础DML编程三、HQL实现关联操作案例练习：Hive 基础开发一、Hive管理的各中表与模型应用二、装载数据进入Hive 三、Hive维度模型开发应用案例练习：Hive模型开发一、Flume装载数据进入Hive 二、SQOOP装载数据进入Hive三、Hive开发与Hadoop关系案例练习：Hive接口开发一、Scala基础知识二、Scala常用集合三、Scala应用场景案例练习：Scala基础开发一、函数对象二、编程实例三、Scala高级开发应用案例练习：Scala开发应用课程4：Spark生态系统时间内容案例实践与练习一、Spark发展历史及简介二、Spark业务应用场景三、Spark与Hadoop系统关系案例讨论：Spark与Hadoop系统关系一、Spark原理及特征二、Spark架构及组件应用场景三、Spark接口及应用场景案例讨论：Spark接口及应用场景一、RDD基础二、转换操作与执行操作三、共享变量案例练习：RDD基础开发操作一、Spark计算框架原理及特征二、Spark架构与应用三、Spark之宽窄依赖和DAG调度案例练习：Spark计算模型及运行日志查看一、Spark资源调度原理及特征二、Spark资源调度架构及应用三、Spark资源调度基于Hadoop案例练习：Spark调度命令一、Spark生态系统接口介绍二、Spark生态系统接口与Hadoop三、Spark生态系统接口与大数据分析案例练习：Spark接口开发一、Spark SQL原理与架构二、Hive SQL与Spark SQL 三、Spark SQL开发应用案例练习：Spark SQL基础开发一、Spark SQL与Hive二、Spark SQL与模型构建三、Spark SQL与数据挖掘分析案例练习：Spark SQL模型开发一、Spark Streaming基本原理二、Spark Streaming开发基础三、Spark Streaming开发应用案例练习：Spark Streaming开发一、Spark ML读取数据二、Spark ML对数据进行探索三、Spark ML训练模型案例练习：Spark Mllib开发一、Spark ML组装任务二、Spark ML评估、优化模型三、Spark Mllib开发案例练习：Spark Mllib开发一、Spark GraphX 的核心代码剖析二、Spark GraphX 命令方式操作三、Spark GraphX 的客户端 API 介绍案例练习：Spark Graphx开发课程5：大数据流式处理技术入门时间内容案例实践与练习一、大数据流式处理技术原理与架构二、大数据实时计算应用场景三、大数据实时计算与Hadoop系统案例讨论：大数据实时计算与Hadoop系统一、大数据流式处理组件介绍二、SparkStreaming与各流计算组件特点三、大数据流式处理技术选型实践案例讨论：大数据流式处理技术选型一、FLUME基本原理二、FLUME架构部署三、FLUME管理运维开发命令案例练习：FLUME开发基础一、FLUME读取数据二、FLUME处理数据三、FLUME写入数据案例练习：FLUME开发应用一、Kafka基本原理二、Kafka架构部署三、Kafka管理运维开发命令案例练习：Kafka开发基础一、Kafka读取数据二、Kafka处理数据三、Kafka写入数据案例练习：Kafka开发应用一、ELK各组件特点二、ELK架构优势三、ELK开发应用场景案例练习：ELK开发基础一、ELK部署配置二、ELK管理运维三、ELK开发应用案例练习：ELK开发应用一、Flink原理二、Flink架构优势三、Flink开发应用场景案例练习：Flink开发基础一、Flink部署配置二、Flink管理运维三、Flink开发应用案例练习：Flink开发应用

• 刘晖：数据分析培训班（6门课程，共18天）: （1）培训背景随着互联网、云计算、大数据、物联网、人工智能等科技的快速发展，经济发展已经进入全球化时代，企业的命运与国际经济环境紧密联系，如美国的经济危机会波及到全球各个国家与地区和企业，国家和企业已经不是孤立的存在。在经济全球化时代商业环境极其复杂，不仅要考虑国内、国外经济环境，同时还要考虑不同国家的国家政策，不同民族的民族文化，不同宗教的宗教信仰等，更加加深入了商业环境的复杂程度。在极其复杂的国际商业环境中，作为大型企业领导者仅凭经验与智慧无法全面了解与掌控企业、了解国际化的商业环境，因此很难做出正确的企业战略决策，甚至更无法做到企业精细化管理，更不可能做到高效运营，那么，如何突破因商业环境复杂度而导致的企业失控呢？并在复杂的商业竞争环境中脱颖而出并获得最大利润呢？答案是掌握企业数据和掌握国际化数据，并建立高效的数据分析体系，探索数据、挖掘数据高效准确的获取国际化的经济环境状况，洞察市场趋势提前做出有利于企业的战略决策，提高企业竞争力，规避市场风险，数据分析则是提升企业管理水平，实现上述目标的一种行之有效的方法。国际化的竞争就是信息的国际化竞争。随着大数据、人工智能的快速发展，数据的价值越发突显，并为海量的高并发的数据分析提供了新的工具与可行性，较以往的传统数据分析工具更为有效，甚至传统数据分析工具做不到的，大数据、人工智能都能做到。因此不仅仅企业，社会各个方面也因大数据的价值而提高了对数据的关注程度，也加大了数据分析的投入力度。无论是企业管理、战略决策、精准营销、精细化管理等都无处不体现着数据分析的重要性。数据如此重要，如何建设一个高效的数据分析体系呢？至少要具备以下两个条件：一是在宏观层面上正确理解数据分析；二是丰富的IT系统建设经验、分布式技术和较强的数据技术能力。第一点尤为重要，因为一旦在思想和认识层面对数据分析体系理解有误，那么即使精通于各种技术方案，所建立起来的也只是一堆技术架构的粗糙堆砌，虽然也能达到部分数据分析的效果，但必定会事倍功半。（2）培训目标本次数据分析技术培训课程，整个课程体系设计完备，思路清晰，学员通过本次课程的系统性学习可以掌握如下技能：了解数据分析的基础知识及基本理论；结合Python语言学会数据的产生、导入与预处理。掌握大数据生成与导入，数据分析流程与建模思想，数据清洗与数据加工等内容；结合Python语言掌握数据分析与挖掘基础。学习常见数据分析方法与数据挖掘概述，描述型数据分析。学习数据分析工具Python语言的数据分析实战。掌握结构化数据工具SQL的应用及相关知识。学习大数据可视化技术。包括数据可视化技术概述及培训关键点概述，数据挖掘与可视化工具介绍（Excel、SPSS、Tableau等），可视化案例分享等内容。学习Python与数据分析实战。包括Python语言入门，Python网络编程、爬虫与机器学习，Python数据分析案例分享等内容。（3）教学计划本系列课程总共由6门课程组成：教学设计NO.课程名称课程天数基础理论1概率论与数理统计1天SQL语法基础及进阶2数据分析与挖掘基础2天Python入门3Python环境准备及相关数据分析库（pandas、numpy、matplotlib、scipy）的安装及应用2天4Python语言基础知识1天5正则表达式及Python编程1天Python与数据分析实战6数据采集1天7数据分析4天8爬虫技术与实践4天数据可视化9大数据可视化2天（4）具体课程方案（含课程大纲）课程1：概率论与数理统计-1天【匹配关键知识点】课程目标1：建立必要的概率论与数理统计基本知识素养，掌握探索随机现象统计规律的一般方法。课程目标2：掌握概率论与数理统计的基本概念、基本理论、基本方法和运算技能。包括概率论的基本概念、随机变量、多维随机变量、随机变量的数字特征、数理统计的基本概念、参数估计等相关知识。熟悉数据处理、数据分析、数据推断的各种基本方法。课程目标3：掌握处理随机现象的基本思想和方法，培养抽象概括、推理论证、严密的逻辑思维能力，以及使用概率论与数理统计的方法去分析和解决有关实际问题的能力。【课程时间】1天（8小时/天）【课程简介】通过本课程的学习，应掌握概率论与数理统计的基本概念，了解它的基本理论和方法，从而使学生初步掌握处理随机现象的基本思想和方法，培养学生运用概率统计方法分析和解决实际问题的能力，并且在知识传授的同时起到价值引领的作用，积极培育和践行社会主义核心价值观，培养学生科学、严谨的思维能力。【课程特点】教学中以课堂讲授为主，以讨论为辅。采用启发式教学法，适当运用讨论式教学法。融入联系应用的案例式教学法，并倡导利用结合软件技术解决实际问题的实验式教学法。恰当使用多媒体教学与传统教学相结合的教学手段，充分运用教师对学生讲授与学生间自由讨论相结合、传统解题训练与开放型问题探索相结合、以及实体课堂面对面交流与虚拟课堂数字信息交流相结合的交互式教学手段，合理利用网络资源实施开放性教学手段，采用规范统考与多样化考查相结合的考核手段。【课程大纲】（1天*8小时）时间内容案例实践与练习Day1数据分析概述1面向小白的统计学：描述性统计（均值，中位数，众数，方差，标准差，与常见的统计图表）2概率的基本概念(方差、分位数、随机试验、样本空间、事件、频率、概率、排列组合)，古典概型3条件概率与贝叶斯公式，独立性4微积分：随机变量及其分布（二项分布，均匀分布，正态分布）5多维随机变量及其分布6随机变量的期望，方差与协方差7大数定律、中心极限定理与抽样分布8从抽样推测规律之一：点估计与区间估计9从抽样推测规律之二：参数估计10基于正态总体的假设检验11秩和检验12预测未来的技术：回归分析13时间序列分析案例练习：研讨：课程3：数据分析与挖掘基础-6天【匹配关键知识点】常见数据分析方法与数据挖掘概述，描述型数据分析，常见数据分析与挖掘算法（Kmeans、购物篮、决策树、朴素贝叶斯等）等内容。【课程时间】6天（8小时/天）【课程简介】随着大数据时代的快速到来，以及大数据在生产生活中迅速应用，数据分析、数据建模、数据挖掘、机器学习、神经网络、深度学习、人工智能等重要性越发突出，本课程是针对大数据时代的特点，尹老师总结多年数据分析经验，而精心设计的课程，课程内容涵盖了数据领域的数据处理、统计分析、数据挖掘、机器学习、神经网络、深度学习、人工智能等内容，以及人工智能的应用范围、发展前景剖析。【课程收益】1、常见数据分析方法与数据挖掘概述；2、描述型数据分析；3、常见数据分析与挖掘算法（Kmeans、购物篮、决策树、朴素贝叶斯等）等。【课程特点】常见数据分析方法与数据挖掘概述，描述型数据分析，常见数据分析与挖掘算法（Kmeans、购物篮、决策树、朴素贝叶斯等）等内容。【课程对象】 数据分析师、技术经理、产品经理、产品助理等 将承担数据分析师职责的业务人员或信息化人员 希望加强数据分析能力的软件开发人员 系统集成企业售前工程师、售前顾问及方案制作人员【学员基础】 具有2年以IT部门工作经验，将负责数据分析等相关任务的技术人员【课程大纲】（6天*8小时）时间内容案例实践与练习Day1常见数据分析方法与数据挖掘概述数据分析与建模的概念数据分析与建模过程数据分析模型开发过程数据建模概述机器学习概念机器学习算法剖析算法库分类算法库深度学习神经网络人工智能商业智能案例练习：通过案例的剖析数据分析过程，体会数据分析的难点和要点。研讨：数据分析的过程Day2描述型数据分析统计学基本概念统计数据的计量尺度常用基本统计量集中趋势的描述指标离散趋势的描述指标中心极限定理大数定律数据的分布正态分布的特征偏度和峰度检测数据集的分布数据的分布拟合检验与正态性检验抽样标准假设检验T检验置信区间案例练习：通过案例的剖析数据分析过程，体会数据分析的难点和要点。研讨：描述性数据分析Day3常见数据分析与挖掘算法数据挖掘的基本任务数据挖掘建模过程定义挖掘目标数据取样数据探索数据预处理挖掘建模建立模型业务理解模型拟合训练集测试集模型评价常用的数学预测模型线性回归回归（预测）与分类决策树与随机森林聚类分析（kmeans）关联规则时序模式离群点检测深度学习人工智能神经网络案例：如何从数据中挖掘出有价值的信息案例研讨：通过案例的剖析数据分析过程，体会数据分析的难点和要点。研讨：常用数据分析方法与算法Day4朴素贝叶斯与回归分析主成分分析和因子分析（深入剖析主成分分析及因子分析）主成分分析总体主成分样本主成分主成分分析模型案例：主成分分析模型实现课堂实操：主成分分析模型实现方差分析（深入剖析方差分析方法及实现）单因素方差分析单因素方差分析模型因素效应的显著性检验因素各水平均值的估计与比较两因素等重复试验下的方差分析统计模型交互效应及因素效应的显著性检验无交互效应时各因素均值的估计与比较有交互效应时因素各水平组合上的均值估计与比较两因素非重复试验下的方差分析金融案例：方差分析实现课堂实操：方差分析实现Bayes统计分析（深入剖析Bayes统计分析）Baves统计模型Bayes统计分析的基本思想Bayes统计模型Bayes统计推断原则先验分布的Bayes假设与不变先验分布共轭先验分布先验分布中超参数的确定Baves统计推断参数的Bayes点估计Bayes区间估计Bayes假设检验案例：实现Bayes统计分析建模课堂实操：实现Bayes统计分析建模数学建模（深入剖析数学建模）数学建模数学预测模型模型评估模型参数优化回归分析与分类分析原理与应用（深入剖析数据的回归分析与分类分析的原理以及应用）回归与分类回归分析概念线性回归模型及其参数估计一元线性回归一元线性回归模型一元线性回归模型求解参数损失函数求偏导回归方程的显著性检验残差分析误差项的正态性检验残差图分析统计推断与预测回归模型的选取穷举法逐步回归法岭回归分析一元线性回归金融案例：一元线性回归模型检验多元线性回归概述多元线性回归模型金融案例：多元线性回归实现航空业信用打分和评级模型 Logistic回归分析（剖析Logistic回归与其它回归分析方法）Logistic回归介绍Logistic函数Logistic回归模型案例：SPSS Logistic回归实现课堂实操： Logistic回归实现航空业欺诈预测模型课堂实操： Logistic回归实现航空业风险分析模型非线性回归原理及应用（剖析非线性回归原理及应用实践）非线性回归双曲线函数幂函数指数函数对数函数S型曲线案例：非线性回归实现课堂实操：非线性回归实现航空业经营分析和绩效分析模型案例练习：通过案例的剖析数据分析过程，体会数据分析的难点和要点。研讨：主成分分析模型实现Day5聚类分析与关联规则挖掘数据建模常用距离（深入剖析数据建模过程中常用的距离模型）数据挖掘常用距离欧氏距离曼哈顿距离切比雪夫距离闵可夫斯基距离标准化欧氏距离马氏距离夹角余弦汉明距离杰卡德距离 & 杰卡德相似系数相关系数 & 相关距离信息熵聚类分析与建模实现（深入剖析聚类分析以及通过SPSS聚类算法模型分析数据）聚类分析聚类算法样品间相近性的度量快速聚类法快速聚类法的步骤用Lm距离进行快速聚类谱系聚类法类间距离及其递推公式谱系聚类法的步骤变量聚类案例：SPSS聚类实现及绘图案例：Kmeans应用案例剖析课堂实操：编写程序实现Kmeans应用案例剖析关联规则分析与实现（深入剖析关联规则分析以及通过SPSS关联规则算法模型分析数据）关联规则支持度与置信度关联规则挖掘的过程Apriori算法关联规则案例支持度与置信度计算案例：SPSS实现关联规则课堂实操：SPSS实现航空业数据关联规则分析案例练习：通过编写程序实现Kmeans应用案例的剖析数据分析过程，体会数据分析的难点和要点。研讨：编写程序实现Kmeans应用案例剖析Day6决策树与随机森林决策树分析与实现（深入剖析决策树分析以及通过SPSS决策树模型分析数据）决策树分析决策树决策树构成要素决策树算法原理决策树法的决策过程决策树算法案例：实现决策树分析课堂实操：实现航空业客户细分模型随机森林数据建模时序模式分析与实现（深入剖析时序模式分析）时序模式时间序列分析时间序列分析时间序列序列分析的三个阶段课堂实操：实现航空业客户流失模型案例练习：通过实现航空业客户细分模型案例的剖析数据分析过程，体会数据分析的难点和要点。研讨：实现航空业客户细分模型课程8：大数据可视化-2天【匹配关键知识点】数据可视化技术概述及培训关键点概述，数据挖掘与可视化工具介绍（SAS、Project、Excel、SPSS、Tableau等），可视化案例分享等内容。【课程时间】2天（8小时/天）【课程简介】随着互联网、移动智能设备、云计算技术、大数据技术的迅猛发展，使人类产生与获取数据的能力成数量级地增加，面对如此浩瀚的数据海洋，想通过人工分析大数据从而得到大数据中隐含的有价值的模式，几乎是不可能的。因此人们需要借助新的技术挖掘大数据中所蕴含的价值，采用数据可视化技术绝对是一个明智的选择。随着科学技术的不断发展，大量的由计算机产生的中间数据都需要进行可视化处理，以求达到辅助分析、再现客观事实的目的。通过视觉化呈现数据，可揭示了令人惊奇的模式和观察结果，某些数据是不可能通过简单统计就能显而易见的看到的模式和结论。正如作家、记者和信息设计师 David McCandless 在 TED 上说道：“通过视觉化，我们把信息变成了一道可用眼睛来探索的风景线，一种信息地图。当你在迷失在信息中时，信息地图非常实用”。由此足见数据可视化的价值。无论获得信息还是表达信息，最佳方式之一是通过视觉化方式，快速捕捉和展现信息要点与核心要义，这是数据可视化的价值点所在。数据可视化技术有着广阔的发展和应用空间，越来越受到人们的关注。【课程收益】1、数据可视化技术概述及培训关键点概述；2、数据挖掘与可视化工具介绍；3、可视化案例分享【课程特点】数据可视化技术概述及培训关键点概述，数据挖掘与可视化工具介绍（SAS、Project、Excel、SPSS、Tableau等），可视化案例分享等内容。【课程对象】 数据分析师、技术经理、产品经理、产品助理等 将承担数据分析师职责的业务人员或信息化人员 希望加强数据分析能力的软件开发人员 系统集成企业售前工程师、售前顾问及方案制作人员【学员基础】 具有2年以IT部门工作经验，将负责数据分析等相关任务的技术人员【课程大纲】（2天*8小时）时间内容案例实践与练习Day1数据可视化技术概述及培训关键点概述数据可视化问题剖析（深入大数据时代数据可视化存在的问题）大数据特征vs数据可视化传统数据可视化问题剖析传统数据可视化工具特点剖析数据可视化概述（介绍数据可视化工具、特征及基础架构）数据可视化概念数据可视化作用数据可视化目标数据可视化应用数据维度和指标图表产生过程可视化的表现形式可视化的显示可视化的色彩可视化案例实战：仪表盘制作标准图表的表现能力标准图表的选择标准图表制作原则可视化案例实战：数据占比柏拉图绘制可视化的决定性因素数据可视化技巧数据化可视化工具创意性数据可视化虚拟实现技术防止过度可视化一图胜千言可视化的升华：声音可视化的探索性分析和数据挖掘工具（学习可视化数据挖掘工具）TableauExcelEChartsQlikViewR语言PythonSPSSSAS 数据可视化图表详解（通过实例讲述数据可视化方法、过程及含义）散点图雷达图条形图柱形图饼图直方图箱线图QQ图柏拉图制作仪表盘制作玫瑰图制作热力图制作地图制作文字云制作案例剖析案例练习：通过仪表盘制作案例的剖析数据分析过程，体会数据分析的难点和要点。研讨：仪表盘制作Day2数据挖掘与可视化工具介绍（SAS、Project、Excel、SPSS、Tableau等），可视化案例分享 Tableau简介Tableau历史与趋势剖析Tableau使用Tableau的数据类型介绍Tableau的数据结构介绍Tableau数据的读入和输出Tableau数据库的读/写Tableau与Kylin集成定性变量离散变量连续变量多元变量日期和时间数据的操作处理数据可视化应用场景，具体案例分析淘宝24小时生活数据可视化案例无线淘宝数据可视化案例Google公司数据可视化案例Facebook用户画像可视化案例个人用户画像案例大数据可视化呈现ECharts实战（通过一个完整的实例讲述使用ECharts数据可视化的过程与方法）Echarts使用项目案例Echarts概述ECharts特性ECharts架构图整合How to use？Step1. 引入模块加载器Step2. 设置具备大小的DomStep3. 配置echarts模块路径Step4.动态加载echartsoption的使用InterfacesetOptionOption全局属性titlelegenddataRangetoolboxdataZoomgridxAxis/yAxis/axiscolor数值型类目型tooltip.formatterseries高度个性化其它参考图形热力图社交网络分析结果呈现和分析报告撰写合理的数据呈现报告分析模板如何撰写一份优秀的数据分析报告案例研讨：通过淘宝24小时生活数据可视化案例的剖析数据分析过程，体会数据分析的难点和要点。研讨：淘宝24小时生活数据可视化案例课程9：Python与数据分析实战-13天【匹配关键知识点】Python语言入门，Python网络编程、爬虫与机器学习，Python数据分析案例分享，基于spark集群的python数据分析实战等内容。【课程时间】13天（8小时/天）【课程简介】随着大数据时代的快速到来，以及大数据在生产生活中迅速应用，大数据领域如雨后春笋般的出现大量的新技术，如Hadoop、Spark等技术，其中Python语言已经成为大数据技术中最为重要的一部分，被越来越多的企业所使用。Python语言的功能涵盖了大数据领域的数据处理、统计分析、数据挖掘、机器学习、人工智能、大数据应用开发等各种不同类型的计算操作，应用范围广泛、前景非常广阔。本课程是尹老师多年工作经验的总结和归纳，从实际业务案例为入口，使学员从理论层到实操层面系统的学习数据处理技术，使学员深入理解Python语言等数据分析工具。通过本课程的学习，学员即可以正确的分析企业的数据，为管理者、决策层提供数据支撑。【课程收益】1、Python语言入门；2、Python网络编程；3、Python网络爬虫；4、Python机器学习；5、Python数据分析案例分享；6、基于spark集群的python数据分析实战；【课程特点】Python语言入门，Python网络编程、爬虫与机器学习，Python数据分析案例分享，基于spark集群的python数据分析实战等内容。【课程对象】数据分析师、技术经理、产品经理、产品助理等将承担数据分析师职责的业务人员或信息化人员希望加强数据分析能力的软件开发人员系统集成企业售前工程师、售前顾问及方案制作人员【学员基础】 具有2年以IT部门工作经验，将负责数据分析等相关任务的技术人员【课程大纲】（13天*8小时）时间内容案例实践与练习Day1~Day3Python语言入门Python语言基础知识（介绍Python语言基础知识，包括Python语言数据类型、基础概念等）Python语言历史与趋势剖析Python语言安装如何运行Python程序PyCharm开发环境介绍Anaconda3开发环境介绍（以Anaconda3作为程序演示环境，Python3作为演示语言）Python语言help()命令Python基本命令变量(Variables)表达式(Expressions)基本数据类型字符串与正则表达式Python条件表达式循环（loops）案例实战：正则表达式在爬虫中应用实例Python数据结构Python创建数组Python矩阵运算Python语言语法结构案例：Python语言实现运营商数据分析处理 Python函数（深入Python函数的编写语言）Python函数介绍数据分析与建模过程Python语言定义函数规则Python语言自定义函数Python匿名函数Python内置函数Python函数案例 Python类（class）（深入剖析Python类的原理）类（class）介绍Python多重继承Python不支持函数重载Class and Instance VariablesMethod ObjectsPython类编写案例实战 Python异常处理(Exceptions)（深入剖析Python异常处理）异常处理(Exceptions)简介Python标准异常类Python异常类编程案例实战（爬虫实例） Python模块 (Modules)（深入剖析模块 (Modules)）Python模块 (Modules)介绍Python自定义模块Python模块的导入与添加Python标准函数库模块Python第三方模块 Python文件读写（深入剖析Python文件读写）Python文件读写简介Python读写方法介绍Python读写文本文件Python读写二进制文件Python读写json文件Python读写xml文件 Python操作关系型数据库（深入剖析Python操作关系型数据）Python2安装MySQL Connector Python3安装MySQL ConnectorPython语言操作数据库Python语言数据库优化案例：Python语言实现话务数据时间序列建模案例练习：通过Python语言实现运营商数据分析处理案例的剖析数据分析过程，体会数据分析的难点和要点。研讨：Python语言实现运营商数据分析处理Day4～Day5Python网络编程多线程编程 (用实战实例介绍如何实现多线程) Python开发多线程的原理多线程创建线程锁网络应用程序编程实例：比如生成发送电子邮件 Python网络编程（介绍Python网络编程）TCP/IP网络介绍Socket基础知识Socket客户端服务器连接案例：聊天功能实战 Python Web开发实战（介绍Python Web实战）Python Web开发Django框架介绍定义和使用模型Django MVC架构Django开发环境搭建Django Session应用Django框架应用Django高级应用案例：客户通话历史记录查询案例练习：通过案例的剖析数据分析过程，体会数据分析的难点和要点。研讨：网络编程Day6~Day7Python网络爬虫 Python基础知识和网络程序基础知识（介绍Python基础知识和网络程序基础知识）Python语言简介Python开发环境搭建和选择IO编程进程和多线程基础知识网络编程和TCP协议 Web前端基础知识（介绍Web前端基础知识）Web程序的结构Web前端的内容HTMLCSSJavaScriptXPathJsonHTTP协议标准HTTP头和主体Cookie信息网络爬虫基础知识（介绍网络爬虫基础知识）网络爬虫概述网络爬虫及其应用网络爬虫结构HTTP请求的Python实现urllib2/urllib实现httplib/urllib实现更人性化的Requests HTML解析（HTML解析原理介绍）初识Firebug安装和配置Firebug正则表达式基本语法与使用Python中使用正则表达式BeautifulSoup概述安装和配置BeautifulSoupBeautifulSoup的使用lxml的XPath解析基本的爬虫程序开发（介绍基本的爬虫程序开发）基础爬虫架构及运行流程URL管理器HTML下载器HTML解析器数据存储器爬虫调度器协议分析（协议分析）Web端协议分析网页登录POST分析隐藏表单分析加密数据分析验证码问题IP代理Cookie登录传统验证码识别人工打码滑动验证码PC客户端抓包分析HTTPAnalyzer简介虾米音乐PC端API实战分析App抓包分析Wireshark简介酷我听书App端API实战分析API爬虫：爬取mp3资源信息 Scrapy爬虫框架（介绍Scrapy爬虫框架）Scrapy爬虫架构安装Scrapy创建cnblogs项目创建爬虫模块定义Item翻页功能构建ItemPipeline内置数据存储启动爬虫强化爬虫调试方法异常控制运行状态ItemLoaderItem与ItemLoader输入与输出处理器ItemLoaderContext?请求与响应下载器中间件Spider中间件扩展突破反爬虫案例研讨：通过案例的剖析数据分析过程，体会数据分析的难点和要点。研讨：网络爬虫的实现Day8Python的NumPy模块NumPy 安装NumPy Ndarray 对象NumPy 数据类型NumPy 数组属性NumPy 创建数组NumPy 从已有的数组创建数组NumPy 从数值范围创建数组NumPy 切片和索引NumPy 高级索引NumPy 广播(Broadcast)NumPy 迭代数组Numpy 数组操作NumPy 位运算NumPy 字符串函数NumPy 数学函数NumPy 算术函数NumPy 统计函数NumPy 排序、条件刷选函数NumPy 字节交换NumPy 副本和视图NumPy 矩阵库(Matrix)NumPy 线性代数NumPy IONumPy Matplotlib案例练习：通过NumPy的案例的剖析数据分析过程，体会数据分析的难点和要点。研讨：NumPy的数据处理Day9Python的Pandas模块Pandas环境安装配置Pandas数据结构Pandas快速入门Pandas系列Pandas数据帧（DataFrame）Pandas面板（Panel）Pandas基本功能Pandas描述性统计Pandas函数应用Pandas重建索引Pandas迭代Pandas排序Pandas字符串和文本数据Pandas选项和自定义Pandas索引和选择数据Pandas统计函数Pandas窗口函数Pandas聚合Pandas缺失数据Pandas分组（GroupBy）Pandas合并/连接Pandas级联Pandas日期功能Pandas时间差（Timedelta）Pandas分类数据Pandas可视化Pandas IO工具Pandas稀疏数据Pandas注意事项＆窍门Pandas与SQL比较案例练习：通过Pandas使用案例的剖析数据分析过程，体会数据分析的难点和要点。研讨：Pandas的使用方法Day10Python机器学习Python平台下的机器学习开发技术（介绍Python平台下的机器学习开发技术）Python平台下的数据分析工具Python平台下的数据分析工具概述NumPy数据处理NumPy案例Scipy数值计算SymPy符号处理Matplotlib绘制图表Pandas数据分析、探索工具Pandas的DataFrameDataFrame的构造StatsModels数据统计建模分析Scikit-Learn机器学习库Keras人工神经网络Keras的设计原则Gensim文本挖掘库OpenCV计算机视觉库案例：Python语言实现基于聚类的图像分割方法案例练习：通过案例的剖析数据分析过程，体会数据分析的难点和要点。研讨：Python语言实现基于聚类的图像分割方法Day11Python机器学习聚类模型原理与实现（深入剖析聚类原理以及通过Python语言实现聚类算法模型）聚类介绍聚类算法应用场景聚类算法应用案例样品间相近性的度量快速聚类法快速聚类法的步骤用Lm距离进行快速聚类谱系聚类法类间距离及其递推公式谱系聚类法的步骤变量聚类K-Means(K均值)聚类均值漂移聚类基于密度的聚类方法(DBSCAN)用高斯混合模型（GMM）的最大期望（EM）聚类凝聚层次聚类图团体检测(Graph Community Detection)案例：Python语言聚类实现及绘图案例：Kmeans应用案例剖析课堂实操：Python语言实现基于聚类的图像分割方法决策树模型原理与实现（深入剖析决策树原理以及通过Python语言实现决策树模型）决策树介绍决策树应用场景决策树应用案例信息熵ID3算法C4.5算法CART算法决策树算法剪枝过拟合与调参决策树算法原理决策树法的决策过程案例：Python语言实现决策树模型课堂实操：Python语言实现决策树模型随机森林案例练习：通过案例的剖析数据分析过程，体会数据分析的难点和要点。研讨： Python语言实现基于聚类的图像分割方法Day12Python数据分析案例分享随机森林模型原理与实现（深入剖析随机森林原理以及通过Python语言实现随机森林模型）随机森林介绍随机森林的特点随机森林的相关基础知识信息、熵以及信息增益的概念随机森林的生成随机森林算法随机森林算法原理袋外错误率（oob error）随机森林应用场景随机森林应用案例案例：Python语言实现随机森林模型课堂实操：Python语言实现随机森林模型xgboost 支持向量机模型原理与实现（深入剖析支持向量机算法原理以及通过Python语言实现支持向量机模型）支持向量机介绍支持向量机应用场景支持向量机应用案例支持向量机算法支持向量机算法原理线性可分支持向量机间隔最大化和支持向量对偶问题求解柆格朗日函数非线性支持向量机和核函数超平面线性核多项式核高斯核拉普拉斯核sigmiod核线性支持向量机（软间隔支持向量机）与松弛变量松驰因子案例：Python语言实现支持向量机模型课堂实操：Python语言实现基于SVM的字符识别方法神经网络模型原理与实现（深入剖析神经网络算法原理以及通过Python语言实现神经网络模型）神经网络介绍神经网络概念神经网络发展历史神经网络的别名神经网络研究的主要内容神经网络基本构成神经网络模拟人的智能行为的四个方面神经网络的特点学习能力适应性问题神经网络基本网络模型单层网络多层网络循环网络基本网络结构特点典型训练算法运行方式典型问题解决方法感知机线性神经网络BP神经网络RBF网络竞争网络反馈神经网络随机神经网络遗传算法PSO与神经网络优化自定义深度神经网络结构深度神经网络的优化方法深度框架的损失函数课堂实操：Python语言实现基于神经网络的人脸识别方法

刘晖：5G、云计算如何提升网格线数字化转型体系化培训方案

课程概要

适用对象

课程介绍

刘晖老师的其他课程

相关课程

添加企业微信

刘晖：5G、云计算如何提升网格线 数字化转型体系化培训方案

课程概要

适用对象

课程介绍

刘晖老师的其他课程

相关课程

添加企业微信

刘晖：5G、云计算如何提升网格线数字化转型体系化培训方案