我要預(yù)訂

咨詢電話：027-5111 9925 , 027-5111 9926手機(jī)：18971071887郵箱：Service@mingketang.com

課程簡(jiǎn)介

隨著大數(shù)據(jù)時(shí)代的快速到來，以及大數(shù)據(jù)在生產(chǎn)生活中迅速應(yīng)用，大數(shù)據(jù)領(lǐng)域如雨后春筍般的出現(xiàn)大量的新技術(shù)，如Hadoop、Spark等技術(shù)已經(jīng)成為大數(shù)據(jù)技術(shù)中最為重要的一部分，被越來越多的企業(yè)所使用。涵蓋了大數(shù)據(jù)領(lǐng)域的數(shù)據(jù)處理、統(tǒng)計(jì)分析、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能、大數(shù)據(jù)應(yīng)用開發(fā)等各種不同類型的計(jì)算操作，應(yīng)用范圍廣泛、前景非常廣闊。本課程是尹老師多年工作經(jīng)驗(yàn)的總結(jié)和歸納，從實(shí)際業(yè)務(wù)案例為入口，使學(xué)員從理論層到實(shí)操層面系統(tǒng)的學(xué)習(xí)數(shù)據(jù)處理技術(shù)，使學(xué)員深入理解數(shù)據(jù)分析。通過本課程的學(xué)習(xí)，學(xué)員即可以正確的分析企業(yè)的數(shù)據(jù)，為管理者、決策層提供數(shù)據(jù)支撐。

本課程重點(diǎn)講解的數(shù)據(jù)分析和數(shù)據(jù)挖掘方法論、算法、思路、流程、工具，并通過對(duì)SPSS與SAS數(shù)據(jù)處理軟件實(shí)現(xiàn)，為企業(yè)的戰(zhàn)略發(fā)展提供參考。

培訓(xùn)目標(biāo)

1、介紹數(shù)據(jù)分析、數(shù)據(jù)挖掘方法論、算法、常用工具，在工作中如何應(yīng)用數(shù)據(jù)分析；

2、介紹數(shù)據(jù)分析思路，學(xué)習(xí)提煉數(shù)據(jù)、分析數(shù)據(jù)和建立數(shù)據(jù)模型的方法和技巧；

3、讓學(xué)員掌握基礎(chǔ)統(tǒng)計(jì)分析知識(shí)，包括概率統(tǒng)計(jì)的概念、術(shù)語和基本統(tǒng)計(jì)的算法等；

4、使學(xué)員具備分析企業(yè)業(yè)務(wù)數(shù)據(jù)的能力，提高分析數(shù)據(jù)、發(fā)現(xiàn)問題的能力，提高工作效率；

5、使用SPSS實(shí)現(xiàn)數(shù)據(jù)挖掘與數(shù)據(jù)分析與建模；

6、使學(xué)員具備數(shù)據(jù)分析與建模為企業(yè)管理者制定戰(zhàn)略決策提供數(shù)據(jù)依據(jù)；

7、使學(xué)員深入理解數(shù)據(jù)分析與數(shù)據(jù)模型的概念、技術(shù)、思維模式；

8、使學(xué)員具備數(shù)據(jù)收集、數(shù)據(jù)挖掘、信息提取的能力；

9、使學(xué)員具備利用圖形輔助思考的能力；

10、使學(xué)員具備大數(shù)據(jù)技術(shù)梳理技能，如歷史數(shù)據(jù)+預(yù)測(cè)方法+標(biāo)準(zhǔn)工序。

培訓(xùn)對(duì)象

1、即將投身于大數(shù)據(jù)、數(shù)據(jù)分析、數(shù)據(jù)挖掘領(lǐng)域的企業(yè)或者個(gè)人；

2、本課程適合于想通過數(shù)據(jù)化決策制定企業(yè)戰(zhàn)略的決策者；

3、適合于經(jīng)常需要匯報(bào)工作的管理者；

4、對(duì)數(shù)據(jù)可視化分析、數(shù)據(jù)可視化展現(xiàn)等感興趣的人士；

5、對(duì)數(shù)據(jù)分析、數(shù)據(jù)挖掘算法等感興趣的人士；

6、大型集團(tuán)公司、大型網(wǎng)站、電商網(wǎng)站等數(shù)據(jù)挖掘、數(shù)據(jù)分析人員；

7、云計(jì)算、大數(shù)據(jù)從業(yè)者；

8、系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級(jí)程序員、資深開發(fā)人員；

9、牽涉到大數(shù)據(jù)的數(shù)據(jù)中心運(yùn)維、規(guī)劃、設(shè)計(jì)負(fù)責(zé)人；

10、政府機(jī)關(guān)，金融保險(xiǎn)、移動(dòng)互聯(lián)網(wǎng)、能源行業(yè)等大數(shù)據(jù)相關(guān)人員；

11、高校、科研院所統(tǒng)計(jì)分析研究員，涉及到數(shù)據(jù)處理的人員；

培訓(xùn)方式

以課堂講解、演示、案例分析為主，輔以互動(dòng)研討、現(xiàn)場(chǎng)答疑、學(xué)以致用。

課程內(nèi)容：

第一天

第1個(gè)主題：數(shù)據(jù)分析與數(shù)據(jù)挖掘概述（深入剖析數(shù)據(jù)數(shù)據(jù)分析與數(shù)據(jù)挖掘的過程與方法，介紹數(shù)據(jù)建模中的機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘）（60分鐘）

1、數(shù)據(jù)分析與建模的概念

2、數(shù)據(jù)分析與建模過程

3、數(shù)據(jù)分析模型開發(fā)過程

4、數(shù)據(jù)建模概述

5、機(jī)器學(xué)習(xí)概念

6、機(jī)器學(xué)習(xí)算法剖析

7、算法庫(kù)分類

8、算法庫(kù)

9、深度學(xué)習(xí)

10、神經(jīng)網(wǎng)絡(luò)

11、人工智能

12、商業(yè)智能

第2個(gè)主題：數(shù)據(jù)挖掘和應(yīng)用（介紹數(shù)據(jù)挖掘和應(yīng)用）（60分鐘）

1、數(shù)據(jù)挖掘的基本任務(wù)

2、數(shù)據(jù)挖掘建模過程

a)定義挖掘目標(biāo)

b)數(shù)據(jù)取樣

c)數(shù)據(jù)探索

d)數(shù)據(jù)預(yù)處理

e)挖掘建模

f)建立模型

g)業(yè)務(wù)理解

h)模型擬合

i)訓(xùn)練集

j)測(cè)試集

k)模型評(píng)價(jià)

3、常用的數(shù)學(xué)預(yù)測(cè)模型

a)線性回歸

b)回歸（預(yù)測(cè)）與分類

c)決策樹與隨機(jī)森林

d)聚類分析（kmeans）

e)關(guān)聯(lián)規(guī)則

f)時(shí)序模式

g)離群點(diǎn)檢測(cè)

h)深度學(xué)習(xí)

i)人工智能

j)神經(jīng)網(wǎng)絡(luò)

4、案例：如何從數(shù)據(jù)中挖掘出有價(jià)值的信息

第3個(gè)主題：數(shù)據(jù)預(yù)處理（剖析數(shù)據(jù)預(yù)處理技術(shù)）（60分鐘）

1、數(shù)據(jù)分析挖掘的過程

2、建立數(shù)據(jù)庫(kù)的方法

3、企業(yè)對(duì)數(shù)據(jù)分析挖掘的錯(cuò)誤認(rèn)識(shí)

4、有效運(yùn)用數(shù)據(jù)為客戶提供針對(duì)性、主動(dòng)化服務(wù)（精準(zhǔn)營(yíng)銷）

5、數(shù)據(jù)源

6、數(shù)據(jù)采集

7、隨機(jī)抽樣

8、數(shù)據(jù)去重

9、數(shù)據(jù)缺失值處理

10、檢驗(yàn)數(shù)據(jù)邏輯錯(cuò)誤

11、離群點(diǎn)檢測(cè)

12、數(shù)據(jù)轉(zhuǎn)換

13、數(shù)據(jù)分組

14、課堂實(shí)操：數(shù)據(jù)預(yù)處理案例講解

第4個(gè)主題：數(shù)據(jù)的描述性分析（深入剖析數(shù)據(jù)的描述性分析）（60分鐘）

1、統(tǒng)計(jì)學(xué)基本概念

2、統(tǒng)計(jì)數(shù)據(jù)的計(jì)量尺度

3、常用基本統(tǒng)計(jì)量

4、集中趨勢(shì)的描述指標(biāo)

5、離散趨勢(shì)的描述指標(biāo)

6、中心極限定理

7、大數(shù)定律

8、數(shù)據(jù)的分布

9、正態(tài)分布的特征

10、偏度和峰度

11、檢測(cè)數(shù)據(jù)集的分布

12、數(shù)據(jù)的分布擬合檢驗(yàn)與正態(tài)性檢驗(yàn)

13、抽樣標(biāo)準(zhǔn)

14、假設(shè)檢驗(yàn)

15、T檢驗(yàn)

16、置信區(qū)間

第5個(gè)主題：數(shù)據(jù)的可視化（實(shí)踐數(shù)據(jù)可視化）（90分鐘）

1、散點(diǎn)圖

2、直方圖

3、經(jīng)驗(yàn)分布函數(shù)

4、QQ圖

5、莖葉圖

6、離群點(diǎn)檢測(cè)

7、箱型圖檢驗(yàn)離群值

8、蓋帽法

9、課堂實(shí)操：SPSS描述性統(tǒng)計(jì)分析實(shí)現(xiàn)航空業(yè)客戶描述和行為分析模型

第6個(gè)主題：主成分分析和因子分析（深入剖析主成分分析及因子分析）（30分鐘）

1、主成分分析

2、總體主成分

3、樣本主成分

4、主成分分析模型

5、案例：SPSS主成分分析模型實(shí)現(xiàn)

6、課堂實(shí)操：SPSS主成分分析模型實(shí)現(xiàn)

第7個(gè)主題：方差分析（深入剖析方差分析方法及SPSS實(shí)現(xiàn)）（30分鐘）

1、單因素方差分析

2、單因素方差分析模型

3、因素效應(yīng)的顯著性檢驗(yàn)

4、因素各水平均值的估計(jì)與比較

5、兩因素等重復(fù)試驗(yàn)下的方差分析

6、統(tǒng)計(jì)模型

7、交互效應(yīng)及因素效應(yīng)的顯著性檢驗(yàn)

8、無交互效應(yīng)時(shí)各因素均值的估計(jì)與比較

9、有交互效應(yīng)時(shí)因素各水平組合上的均值估計(jì)與比較

10、兩因素非重復(fù)試驗(yàn)下的方差分析

11、金融案例：SPSS方差分析實(shí)現(xiàn)

12、課堂實(shí)操：SPSS方差分析實(shí)現(xiàn)

第8個(gè)主題：Bayes統(tǒng)計(jì)分析（深入剖析Bayes統(tǒng)計(jì)分析）（30分鐘）

1、Baves統(tǒng)計(jì)模型

2、Bayes統(tǒng)計(jì)分析的基本思想

3、Bayes統(tǒng)計(jì)模型

4、Bayes統(tǒng)計(jì)推斷原則

5、先驗(yàn)分布的Bayes假設(shè)與不變先驗(yàn)分布

6、共軛先驗(yàn)分布

7、先驗(yàn)分布中超參數(shù)的確定

8、Baves統(tǒng)計(jì)推斷

9、參數(shù)的Bayes點(diǎn)估計(jì)

10、Bayes區(qū)間估計(jì)

11、Bayes假設(shè)檢驗(yàn)

12、案例：SPSS實(shí)現(xiàn)Bayes統(tǒng)計(jì)分析建模

13、課堂實(shí)操：SPSS實(shí)現(xiàn)Bayes統(tǒng)計(jì)分析建模

第二天

第9個(gè)主題：數(shù)學(xué)建模（深入剖析數(shù)學(xué)建模）（30分鐘）

1、數(shù)學(xué)建模

2、數(shù)學(xué)預(yù)測(cè)模型

3、模型評(píng)估

4、模型參數(shù)優(yōu)化

第10個(gè)主題：回歸分析與分類分析原理與應(yīng)用（深入剖析數(shù)據(jù)的回歸分析與分類分析的原理以及應(yīng)用）（120分鐘）

1、回歸與分類

2、回歸分析概念

3、線性回歸模型及其參數(shù)估計(jì)

4、一元線性回歸

5、一元線性回歸模型

6、一元線性回歸模型求解參數(shù)

7、損失函數(shù)

8、求偏導(dǎo)

9、回歸方程的顯著性檢驗(yàn)

10、殘差分析

11、誤差項(xiàng)的正態(tài)性檢驗(yàn)

12、殘差圖分析

13、統(tǒng)計(jì)推斷與預(yù)測(cè)

14、回歸模型的選取

15、窮舉法

16、逐步回歸法

17、嶺回歸分析

18、SPSS一元線性回歸

19、金融案例：SPSS一元線性回歸模型檢驗(yàn)

20、多元線性回歸概述

21、多元線性回歸模型

22、金融案例：SPSS多元線性回歸實(shí)現(xiàn)航空業(yè)信用打分和評(píng)級(jí)模型

第11個(gè)主題：Logistic回歸分析（剖析Logistic回歸與其它回歸分析方法）（60分鐘）

1、Logistic回歸介紹

2、Logistic函數(shù)

3、Logistic回歸模型

4、案例：SPSS Logistic回歸實(shí)現(xiàn)

5、課堂實(shí)操：SPSS Logistic回歸實(shí)現(xiàn)航空業(yè)欺詐預(yù)測(cè)模型

6、課堂實(shí)操：SPSS Logistic回歸實(shí)現(xiàn)航空業(yè)風(fēng)險(xiǎn)分析模型

第12個(gè)主題：非線性回歸原理及應(yīng)用（剖析非線性回歸原理及應(yīng)用實(shí)踐）（60分鐘）

1、非線性回歸

2、雙曲線函數(shù)

3、冪函數(shù)

4、指數(shù)函數(shù)

5、對(duì)數(shù)函數(shù)

6、S型曲線

7、案例：SPSS非線性回歸實(shí)現(xiàn)

8、課堂實(shí)操：SPSS非線性回歸實(shí)現(xiàn)航空業(yè)經(jīng)營(yíng)分析和績(jī)效分析模型

第13個(gè)主題：數(shù)據(jù)建模常用距離（深入剖析數(shù)據(jù)建模過程中常用的距離模型）（30分鐘）

1、數(shù)據(jù)挖掘常用距離

2、歐氏距離

3、曼哈頓距離

4、切比雪夫距離

5、閔可夫斯基距離

6、標(biāo)準(zhǔn)化歐氏距離

7、馬氏距離

8、夾角余弦

9、漢明距離

10、杰卡德距離 & 杰卡德相似系數(shù)

11、相關(guān)系數(shù) & 相關(guān)距離

12、信息熵

第14個(gè)主題：聚類分析與建模實(shí)現(xiàn)（深入剖析聚類分析以及通過SPSS聚類算法模型分析數(shù)據(jù)）（60分鐘）

1、聚類分析

2、聚類算法

3、樣品間相近性的度量

4、快速聚類法

5、快速聚類法的步驟

6、用Lm距離進(jìn)行快速聚類

7、譜系聚類法

8、類間距離及其遞推公式

9、譜系聚類法的步驟

10、變量聚類

11、案例：SPSS聚類實(shí)現(xiàn)及繪圖

12、案例：Kmeans應(yīng)用案例剖析

13、課堂實(shí)操：編寫程序?qū)崿F(xiàn)Kmeans應(yīng)用案例剖析

第15個(gè)主題：決策樹分析與實(shí)現(xiàn)（深入剖析決策樹分析以及通過SPSS決策樹模型分析數(shù)據(jù)）（60分鐘）

1、決策樹分析

2、決策樹

3、決策樹構(gòu)成要素

4、決策樹算法原理

5、決策樹法的決策過程

6、決策樹算法

7、案例：SPSS實(shí)現(xiàn)決策樹分析

8、課堂實(shí)操：SPSS實(shí)現(xiàn)航空業(yè)客戶細(xì)分模型

9、隨機(jī)森林

第16個(gè)主題：關(guān)聯(lián)規(guī)則分析與實(shí)現(xiàn)（深入剖析關(guān)聯(lián)規(guī)則分析以及通過SPSS關(guān)聯(lián)規(guī)則算法模型分析數(shù)據(jù)）（60分鐘）

1、關(guān)聯(lián)規(guī)則

2、支持度與置信度

3、關(guān)聯(lián)規(guī)則挖掘的過程

4、Apriori算法

5、關(guān)聯(lián)規(guī)則案例

6、支持度與置信度計(jì)算

7、案例：SPSS實(shí)現(xiàn)關(guān)聯(lián)規(guī)則

8、課堂實(shí)操：SPSS實(shí)現(xiàn)航空業(yè)數(shù)據(jù)關(guān)聯(lián)規(guī)則分析

第17個(gè)主題：數(shù)據(jù)建模時(shí)序模式分析與實(shí)現(xiàn)（深入剖析時(shí)序模式分析）（60分鐘）

1、時(shí)序模式

2、時(shí)間序列分析

3、時(shí)間序列分析

4、時(shí)間序列

5、序列分析的三個(gè)階段

6、課堂實(shí)操：SPSS實(shí)現(xiàn)航空業(yè)客戶流失模型

第18個(gè)主題：數(shù)據(jù)分析工具SPSS/SAS在金融行業(yè)應(yīng)用案例（深入剖析數(shù)據(jù)分析工具SPSS/SAS在金融行業(yè)應(yīng)用案例）（60分鐘）

1、案例：風(fēng)險(xiǎn)分析模型

2、案例：信用打分和評(píng)級(jí)模型

3、案例：客戶細(xì)分模型

4、案例：客戶描述和行為分析模型

5、案例：欺詐預(yù)測(cè)模型

6、案例：客戶流失模型

7、案例：經(jīng)營(yíng)分析和績(jī)效分析模型

8、案例：交叉銷售和增量銷售模型

9、案例：SPSS實(shí)現(xiàn)航空業(yè)客戶流失模型建模

10、課堂實(shí)操：SPSS實(shí)現(xiàn)金融行業(yè)客戶流失模型建模

第19個(gè)主題：大數(shù)據(jù)個(gè)性化精準(zhǔn)推薦實(shí)戰(zhàn)（深入理解大數(shù)據(jù)個(gè)性化精準(zhǔn)推薦原理和實(shí)現(xiàn)技術(shù)）（60分鐘）

1、個(gè)性化推薦的理論依據(jù)

2、個(gè)性化推薦的價(jià)值

3、個(gè)性化推薦能達(dá)到的目的

4、個(gè)性化推薦的原則

5、個(gè)性化推薦技術(shù)發(fā)展史

6、個(gè)性化推薦的相關(guān)技術(shù)

7、基于用戶的常用推薦算法

8、基于用戶的協(xié)同過濾推薦

9、課堂實(shí)操：SPSS實(shí)現(xiàn)航空業(yè)交叉銷售和增量銷售模型

尹老師

多年從事人工智能、深度學(xué)習(xí)、大數(shù)據(jù)、區(qū)塊鏈、云計(jì)算、物聯(lián)網(wǎng)研發(fā)工作經(jīng)驗(yàn)，資深軟件架構(gòu)師，數(shù)學(xué)博士，北航移動(dòng)云計(jì)算碩士，Cloudera大數(shù)據(jù)認(rèn)證（圖1），項(xiàng)目管理師（PMP）認(rèn)證（圖2），移動(dòng)云計(jì)算專家，主要研究方向包括人工智能、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、數(shù)據(jù)分析、大數(shù)據(jù)、云計(jì)算、移動(dòng)開發(fā)、互聯(lián)網(wǎng)營(yíng)銷、電子商務(wù)、項(xiàng)目管理等；曾就職于阿里等互聯(lián)網(wǎng)企業(yè)，IBM、華為等知名大型企業(yè)，現(xiàn)任某大型知名互聯(lián)網(wǎng)企業(yè)首席架構(gòu)，負(fù)責(zé)人工智能、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、數(shù)據(jù)分析、大數(shù)據(jù)、區(qū)塊鏈、云計(jì)算、PaaS平臺(tái)研發(fā)工作。

IT從業(yè)近二十年，秉承理論與實(shí)踐相結(jié)合，在學(xué)習(xí)中實(shí)踐，在實(shí)踐中學(xué)習(xí)，積累了豐富的理論與實(shí)踐經(jīng)驗(yàn)，并且樂于將自己的經(jīng)驗(yàn)分享。尹老師具有敏銳的目光與頭腦，發(fā)現(xiàn)并集成整合社會(huì)資源，為企業(yè)節(jié)省資源并創(chuàng)造價(jià)值，達(dá)到為合作伙伴創(chuàng)收的目的。曾為多家國(guó)內(nèi)知名企業(yè)提供培訓(xùn)與咨詢，包含阿里集團(tuán)、華為、中國(guó)移動(dòng)、中國(guó)電信、中國(guó)聯(lián)通、當(dāng)當(dāng)網(wǎng)、中石油、中石化、中國(guó)電網(wǎng)、中國(guó)銀行、中國(guó)工商銀行、浦發(fā)銀行、阿爾卡特朗訊、中航國(guó)際等。擁有人工智能、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、數(shù)據(jù)分析、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、大流量、高并發(fā)、分布式的大型網(wǎng)站架構(gòu)和設(shè)計(jì)經(jīng)驗(yàn)。曾主導(dǎo)過多個(gè)人工智能、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、數(shù)據(jù)分析、區(qū)塊鏈、物聯(lián)網(wǎng)、私有云、公有云建設(shè)項(xiàng)目，早些年也主導(dǎo)過ERP、CMS等軟件項(xiàng)目，積累了豐富的實(shí)踐經(jīng)驗(yàn)，這些項(xiàng)目中包含多個(gè)數(shù)百萬、上千萬的大型項(xiàng)目。項(xiàng)目經(jīng)歷：呼叫中心人工智能客服研發(fā)項(xiàng)目、貴州省政府云呼叫中心建設(shè)項(xiàng)目、廣東發(fā)展銀行電營(yíng)、運(yùn)維大數(shù)據(jù)分析項(xiàng)目、中石油工程設(shè)計(jì)西南分公司云計(jì)算項(xiàng)目評(píng)審委員、中石油大數(shù)據(jù)挖掘項(xiàng)目，電商庫(kù)存預(yù)測(cè)大數(shù)據(jù)分析項(xiàng)目、大型ERP、電子商務(wù)、CRM、電子政務(wù)等多個(gè)項(xiàng)目。

尹老師在工作中研究新技術(shù)、新框架、及時(shí)更新知識(shí)體系，并長(zhǎng)期堅(jiān)持編寫架構(gòu)核心代碼。在技術(shù)平臺(tái)方面，善于TensorFlow、Keras、Hadoop、Spark、Docker、Kubernetes、OpenStack、Storm等技術(shù)平臺(tái)的應(yīng)用與運(yùn)維。深入理解TensorFlow、Keras、Hadoop、HDFS、HBase、MapReduce、Zookeeper、Hive、Sqoop、BigTable 等人工智能、大數(shù)據(jù)技術(shù)和開源框架理論。對(duì)于云計(jì)算體系有深刻認(rèn)識(shí)，及獨(dú)到的見解，如OpenStack的技術(shù)架構(gòu)、安裝部署、運(yùn)維等。在移動(dòng)云計(jì)算方面，善于設(shè)計(jì)與建設(shè)云計(jì)算體系；也善于移動(dòng)云計(jì)算相關(guān)的咨詢與培訓(xùn)。在項(xiàng)目管理方面，善于使用敏捷項(xiàng)目管理方法，把客戶的需求變更作為常態(tài)，作為軟件架構(gòu)設(shè)計(jì)的一部分，減少需求變更帶來的返工；善于捕捉、挖掘、分析客戶需求，為用戶提供滿意的產(chǎn)品。

講師經(jīng)驗(yàn)

1、阿里巴巴集團(tuán)云計(jì)算、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)咨詢師

2、百度云計(jì)算、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)咨詢師及講師

3、中國(guó)移動(dòng)多省人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、云計(jì)算特聘講師

4、中國(guó)移動(dòng)多省Docker特聘講師

5、中國(guó)移動(dòng)研究院微特聘講師

6、中國(guó)聯(lián)通總部人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、云計(jì)算特聘講師

7、中國(guó)電信人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、云計(jì)算、虛擬化特約講師

8、中國(guó)人民銀行人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)特聘講師

9、中國(guó)工商銀行人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)講師

10、花旗銀行人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)講師

11、招商銀行人工智能、大數(shù)據(jù)調(diào)優(yōu)、區(qū)塊鏈、物聯(lián)網(wǎng)講師

12、中信銀行人工智能、分布式數(shù)據(jù)庫(kù)、區(qū)塊鏈、物聯(lián)網(wǎng)講師

13、中國(guó)航天三院人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)咨詢師

14、中國(guó)石油人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、云計(jì)算特聘講師

15、中國(guó)石化人工智能、大數(shù)據(jù)、云計(jì)算特聘講師

16、中國(guó)電力科學(xué)研究院流計(jì)算特聘講師

17、西安電信十所人工智能、大數(shù)據(jù)架構(gòu)設(shè)計(jì)、區(qū)塊鏈、物聯(lián)網(wǎng)講師

18、RedHat（中國(guó)）大數(shù)據(jù)咨詢師

19、中電28所人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)特聘講師

20、北京中電普華人工智能、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)特聘講師

21、中國(guó)石油東方地球物理公司大數(shù)據(jù)咨詢師

22、當(dāng)當(dāng)網(wǎng)人工智能、云計(jì)算、大數(shù)據(jù)咨詢師

23、北航人工智能、云計(jì)算、大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)特聘企業(yè)講師

24、阿爾卡特-朗訊（Alcatel-Lucent）虛擬化與OpenStack培訓(xùn)特約講師

25、中石油工程設(shè)計(jì)西南分公司云計(jì)算數(shù)據(jù)中心建設(shè)項(xiàng)目

26、廣東發(fā)展信用卡精準(zhǔn)營(yíng)銷項(xiàng)目

27、廣東發(fā)展銀行電營(yíng)、運(yùn)維大數(shù)據(jù)分析項(xiàng)目

28、電商庫(kù)存預(yù)測(cè)大數(shù)據(jù)分析項(xiàng)目

29、中航國(guó)際大綜貿(mào)易云計(jì)算規(guī)劃項(xiàng)目咨詢、培訓(xùn)講師

30、北京民生軟件SaaS平臺(tái)研發(fā)咨詢師

31、北京立達(dá)資本項(xiàng)目管理信息系統(tǒng)解決方案咨詢師

32、曾任大型ERP、電子商務(wù)、CRM、電子政務(wù)等項(xiàng)目經(jīng)理

項(xiàng)目經(jīng)驗(yàn)

1、云呼叫中心人工智能客服項(xiàng)目研發(fā)

2、云呼叫中心PaaS平臺(tái)首席架構(gòu)師

3、貴州省政府云呼叫中心建設(shè)項(xiàng)目

4、廣東發(fā)展信用卡智能精準(zhǔn)營(yíng)銷項(xiàng)目

5、廣東發(fā)展銀行電營(yíng)、運(yùn)維大數(shù)據(jù)分析、區(qū)塊鏈、物聯(lián)網(wǎng)項(xiàng)目

6、中石油工程設(shè)計(jì)西南分公司云計(jì)算項(xiàng)目評(píng)審委員、培訓(xùn)講師

7、中石油人工智能、大數(shù)據(jù)挖掘、區(qū)塊鏈、物聯(lián)網(wǎng)項(xiàng)目，項(xiàng)目經(jīng)理

8、電商庫(kù)存預(yù)測(cè)大數(shù)據(jù)分析項(xiàng)目

9、智能物流、智能供應(yīng)鏈管理項(xiàng)目

10、中航國(guó)際大綜貿(mào)易云計(jì)算規(guī)劃項(xiàng)目咨詢、培訓(xùn)講師

11、北京民生軟件SaaS平臺(tái)研發(fā)咨詢師

12、北京立達(dá)資本項(xiàng)目管理信息系統(tǒng)解決方案咨詢師

13、曾任大型ERP、電子商務(wù)、CRM、電子政務(wù)等多個(gè)項(xiàng)目的項(xiàng)目經(jīng)理

我要預(yù)訂

咨詢電話：027-5111 9925 , 027-5111 9926手機(jī)：18971071887郵箱：Service@mingketang.com