大数据和大模型算法实战专家—周红伟老师
课程背景
随着大模型发展和数据要素入表的客观要求，大数据技术和大数据应用也迎来了二次爆发。同时运营商也累计了大量的数据，也希望实现数据要素估值、流通和变现。避免运营商睡在大数据的金矿上。
本课程主要内容包括：大数据应用开发流程、大数据主流技术、大数据场景化解决方案（离线批处理、实时检索、实时流处理）。包括大数据应用开发，大数据离线处理技术和场景化解决方案，大数据实时检索技术和场景化解决方案，大数据实时流处理技术和场景化解决方案。同时包括大数据场景化应用案例。
课程收益
学员熟悉大数据的技术体系和技术原理，大数据的应用价值，特别是针对大数据在不同场景下，如何构建大数据的场景化应用解决方案（离线批处理、实时检索、实时流处理）。学会分析大数据在运营商行业的价值所在；熟悉大数据技术在运营商行业的典型应用案例；培养学员运用大数据解决运营商实际问题的能力。
授课形式：
理论讲解+案例分析+视频分享+课堂练习+实战演练+小组研讨+互动答疑
课程时间
2天
课程大纲
第一章 大数据技术体系和发展趋势
1.1.大数据的技术体系
1.2.大数据的应用价值分析
1.3.大数据应用场景分类
1.4.大数据的业务客观要求
1.5.大模型对大数据的发展要求
1.6.数据资产入表对大数据的客观要求
1.7.大数据技术的发展趋势
1.8.案例分享：招行的大数据应用战略和案例
第二章 大数据业务流程和架构设计
2.2.1.大数据的业务调研
2.2.大数据的业务开发流程
2.3.大数据的场景分类
2.4.大数据的架构分析
2.5.大数据的业务架构和数据架构设计
2.6.大数据架构落地流程
2.7.案例分析：阿里的大数据业务流程和架构设计
第三章 大数据离线处理技术和场景化解决方案
3.3.1.离线处理方案
3.2.离线处理技术框架
3.2.1.数据存储HDFS
3.2.2.数据仓库Hive和离线分析SparkSQL
3.2.3.数据采集工具
3.3.离线批处理实战
3.4.案例分析：银行离线数据分析案例
第四章 大数据实时检索技术和场景化解决方案
4.4.1.实时检索的业务流程
4.2.大数据实时检索架构设计
4.3.实时检索场景应用
4.4.实时检索技术
4.5.Elasticsearch实时检索
4.6.案例分析：银行实时检索实际案例
第五章 大数据实时流处理技术和场景化解决方案
5.5.1.大数据实时流处理技术与应用场景
5.2.大数据实时处理方案架构设计
5.3.大数据实时处理技术实现框架
5.4.实时处理技术框架
5.4.1. Flume
5.4.2. Kafka
5.4.3. Flink
5.5.案例分析：银行大数据实时流处理项目实战
授课老师
周红伟 前阿里人工智能算法专家
常驻地：重庆
邀请老师授课：13439064501 陈助理
