新课推介 | 《大数据技术的商业应用与实践》就要开课啦!

2024-04-13 21:58

本文主要是介绍新课推介 | 《大数据技术的商业应用与实践》就要开课啦!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

为丰富“大数据能力提升项目”课程内容,方便同学们课程安排,新增一门与美团共同推出的《大数据技术的商业应用与实践》(课程号:80231142)作为“能力提升模块”课程,欢迎大家报名参加! 

 

来自清华大学电子系和美团的共10位一线老师、资深研发工程师,将以大数据获取、存储、分析与挖掘技术作为线索,结合大数据在美团的应用与实践,通过课堂理论讲授、应用与案例介绍、基于实际系统的课程Project相结合的方式,帮助同学们全面理解和掌握大数据技术及其实际应用。

 

如果你想了解大数据技术理论,如果你想体验大数据业界实践,如果你想了解互联网公司前沿算法,就快来加入《大数据技术的商业应用与实践》课程吧!

 

课程信息

【课程名称】大数据技术的商业应用与实践

【上课时间】9月24日起每周四第六大节19:20

【上课地点】法图(廖凯原楼)B122

 

课程福利

1.选课同学均有机会获得实习名额

2.课程Preject,美团真实场景数据实战

3.“走进美团”,感受课堂外的美团(疫情允许下)

 

课程大纲

第一部分:课程引论、大数据平台及数据获取技术 (15学时)

第一章 课程导论及大数据概论(3学时)

第二章 美团实时数据收集与处理技术(3学时)

第三章 美团Hadoop、Spark系统实践(3学时)

第二部分:大数据查询、分析、处理与挖掘技术 (18学时)

第四章 数据挖掘方法及应用概述(3学时)

第五章 美团大数据查询技术与深度学习平台实践(3学时)

第六章 美团知识图谱实践(3学时)

第七章 美团推荐系统实践(3学时)

第八章 美团广告系统实践(3学时)

第九章 美团智能助手实践(3学时)

第十章 美团计算机视觉技术实践 (3学时)

第三部分:课程Project

基于美团真实业务场景和真实大数据,发布研究课题,主要涉及大数据平台、图像识别、搜索广告、推荐排序、语音助手、NLP等领域。

 

讲师介绍

李勇,清华大学电子系长聘副教授,博士生导师,长期从事数据科学与智能方面的科研工作。发表学术论文120余篇(CCF A类论文 90篇),论文总引用 9500 余次。获CCF A类会议UbiComp最佳论文奖、SIGIR最佳短论文提名奖、WWW最佳海报论文奖等,10篇论文入选ESI高被引用论文。入选国家“万人计划”青年拔尖人才计划、计算机领域全球“高被引科学家”名单、中国科协青年人才“托举工程”计划,获IEEE ComSoc亚太区杰出青年学者奖、教育部科技进步一等奖、电子学会自然科学二等奖、吴文俊人工智能优秀青年奖。

 

张锦懋,美团首席科学家,美团技术委员会执行主席,美团基础研发平台总负责人。毕业于清华大学,负责在基础设施及基础架构、大数据、服务运维、开发效能提升、安全以及企业办公线上化等一系列领域打造整个公司的关键能力。

 

李闻,美团大数据部数据平台中心负责人,曾任百度基础架构部架构师。2015年加入美团,整体负责美团数据平台,致力于构建稳定、易用、安全、高效的大数据基础设施,支撑公司业务数据赋能。

 

 

鞠大升,美团研究员,美团数据平台中心实时计算平台负责人,负责大数据开发工具链和实时计算平台建设。在分布式架构和大数据平台架构等方面有丰富的经验。 

 

谢语宸,美团高级研究员,美团离线计算平台与机器学习平台负责人,在分布式计算与调度, 分布式存储, 有多场景的实践经验和多次大规模横向架构调整项目落地经验。

 

张富峥,美团研究员,知识图谱团队负责人。目前主要负责美团生活服务领域中知识图谱、NLP等AI技术,以及新零售电商搜索系统的建设和应用,在KDD、WWW、AAAI等顶会和国际期刊里发表论文40余篇,曾获ICDM2013最佳论文奖。

 

张斌,美团推荐中心-交易链路团队负责人。先后在阿里、快手、美团从事推荐算法相关工作,负责快手新用户推荐、美团交易链路推荐等,有着非常丰富的、超大规模场景推荐算法落地经验。

 

 

雷军,美团研究员,广告平台负责人。毕业于清华大学,2015年加入美团,从0到1搭建了美团广告系统,在推荐系统和计算广告方向有丰富的经验。

 

杨帆,美团研究员,在搜索、问答、推荐等领域有近10年的工作经验。目前负责美团语音交互中心对话系统架构和核心策略的研发。

 

魏晓明,美团视觉智能中心视觉理解组负责人。9年视觉领域研发和技术管理经验,2015年加入美团后主导了50多个视觉项目及上百次的业务收益。

 

2019年课堂现场

 

清华校友、美团首席科学家张锦懋课堂现场

 

2019年课程Project现场

 

2019年课程结课现场

 

外校同学想听怎么办?在清华但不能选这门课怎么办?请添加微信小助手MTDPtech03,回复【0924】,进入大数据课程交流群,我们将在群内陆续发布课程回放观看通知~

 

这篇关于新课推介 | 《大数据技术的商业应用与实践》就要开课啦!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/901331

相关文章

防止Linux rm命令误操作的多场景防护方案与实践

《防止Linuxrm命令误操作的多场景防护方案与实践》在Linux系统中,rm命令是删除文件和目录的高效工具,但一旦误操作,如执行rm-rf/或rm-rf/*,极易导致系统数据灾难,本文针对不同场景... 目录引言理解 rm 命令及误操作风险rm 命令基础常见误操作案例防护方案使用 rm编程 别名及安全删除

C++统计函数执行时间的最佳实践

《C++统计函数执行时间的最佳实践》在软件开发过程中,性能分析是优化程序的重要环节,了解函数的执行时间分布对于识别性能瓶颈至关重要,本文将分享一个C++函数执行时间统计工具,希望对大家有所帮助... 目录前言工具特性核心设计1. 数据结构设计2. 单例模式管理器3. RAII自动计时使用方法基本用法高级用法

PHP应用中处理限流和API节流的最佳实践

《PHP应用中处理限流和API节流的最佳实践》限流和API节流对于确保Web应用程序的可靠性、安全性和可扩展性至关重要,本文将详细介绍PHP应用中处理限流和API节流的最佳实践,下面就来和小编一起学习... 目录限流的重要性在 php 中实施限流的最佳实践使用集中式存储进行状态管理(如 Redis)采用滑动

ShardingProxy读写分离之原理、配置与实践过程

《ShardingProxy读写分离之原理、配置与实践过程》ShardingProxy是ApacheShardingSphere的数据库中间件,通过三层架构实现读写分离,解决高并发场景下数据库性能瓶... 目录一、ShardingProxy技术定位与读写分离核心价值1.1 技术定位1.2 读写分离核心价值二

MyBatis-plus处理存储json数据过程

《MyBatis-plus处理存储json数据过程》文章介绍MyBatis-Plus3.4.21处理对象与集合的差异:对象可用内置Handler配合autoResultMap,集合需自定义处理器继承F... 目录1、如果是对象2、如果需要转换的是List集合总结对象和集合分两种情况处理,目前我用的MP的版本

深入浅出Spring中的@Autowired自动注入的工作原理及实践应用

《深入浅出Spring中的@Autowired自动注入的工作原理及实践应用》在Spring框架的学习旅程中,@Autowired无疑是一个高频出现却又让初学者头疼的注解,它看似简单,却蕴含着Sprin... 目录深入浅出Spring中的@Autowired:自动注入的奥秘什么是依赖注入?@Autowired

MySQL分库分表的实践示例

《MySQL分库分表的实践示例》MySQL分库分表适用于数据量大或并发压力高的场景,核心技术包括水平/垂直分片和分库,需应对分布式事务、跨库查询等挑战,通过中间件和解决方案实现,最佳实践为合理策略、备... 目录一、分库分表的触发条件1.1 数据量阈值1.2 并发压力二、分库分表的核心技术模块2.1 水平分

GSON框架下将百度天气JSON数据转JavaBean

《GSON框架下将百度天气JSON数据转JavaBean》这篇文章主要为大家详细介绍了如何在GSON框架下实现将百度天气JSON数据转JavaBean,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录前言一、百度天气jsON1、请求参数2、返回参数3、属性映射二、GSON属性映射实战1、类对象映

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

Java+AI驱动实现PDF文件数据提取与解析

《Java+AI驱动实现PDF文件数据提取与解析》本文将和大家分享一套基于AI的体检报告智能评估方案,详细介绍从PDF上传、内容提取到AI分析、数据存储的全流程自动化实现方法,感兴趣的可以了解下... 目录一、核心流程:从上传到评估的完整链路二、第一步:解析 PDF,提取体检报告内容1. 引入依赖2. 封装