大数据数据仓库建模和实战教程（理论和业务结合）
什么是数据仓库呢？数据仓库是一个为数据分析而设计的企业级数据管理系统。数据仓库可集中、整合多个信息源的大量数据，借助数据仓库的分析能力，企业可从数据中获得宝贵的信息进而改进决策。同时，随着时间的推移，数据仓库中积累的大量历史数据对于数据科学家和业务分析师也是十分宝贵的。 数据仓库建模的意义是什么呢？如果把数据看作图书馆里的书，我们希望看到它们在书架上分门别类地放置；如果把数据看作城市的建筑，我们希望城市规划布局合理；如果把数据看作电脑文件和文件夹，我们希望按照自己的习惯有很好的文件夹组织方式，而不是糟糕混乱的桌面，经常为找一个文件而不知所措。数据模型就是数据组织和存储方法，它强调从业务、数据存取和使用角度合理存储数据。只有将数据有序的组织和存储起来之后，数据才能得到高性能、低成本、高效率、高质量的使用。 数据仓库建模的最终目的是什么呢？高性能：良好的数据模型能够帮助我们快速查询所需要的数据。低成本：良好的数据模型能减少重复计算，实现计算结果的复用，降低计算成本。高效率：良好的数据模型能极大的改善用户使用数据的体验，提高使用数据的效率。高质量：良好的数据模型能改善数据统计口径的混乱，减少计算错误的可能性。 本课程将基于理论和实践讲解数据仓库，包含基础知识:数据仓库建模方法论、数据仓库分层模型、数据仓库构建流程、事实表、维度表、指标体系、拉链表、维度模型等 ，基于真实电商业务作为实战，讲解电商数仓的整个构建过程，让大家在实战中理解和掌握数仓的理论知识。
共17节 462人已学习¥199.0 免费试学
Java基于PowerDesigner的数据库设计与建模（理论和实战驱动）
在设计数据库时，对现实世界进行分析、抽象、并从中找出内在联系，进而确定数据库的结构，这一过程就称为数据库建模。它主要包括两部分内容：确定最基本的数据结构；对约束建模。数据库建模的过程：概念模型->逻辑模型->物理模型概念模型的用途:概念模型用于信息世界的建模是现实世界到机器世界的一个中间层次是数据库设计的有力工具数据库设计人员和用户之间进行交流的语言 对概念模型的基本要求: 较强的语义表达能力能够方便、直接地表达应用中的各种语义知识简单、清晰、易于用户理解 逻辑模型：对概念模型的进一步细化，逻辑模型主要包括网状模型、层次模型、关系模型、面向对象模型等 物理模型：是概念数据模型和逻辑数据模型在计算机中的具体表示。该模型描述了数据在物理存储介质上的具体组织结构，不但与具体的数据库管理系统相关，同时还与具体的操作系统以及硬件有关。 可以通过物理模型直接生成对应数据库的SQL，也在此模型上调整对应数据库特有的内容。比如Oracle的表空间等。 对于数据模型的建模，最有名的要数PowerDesigner，PowerDesigner是在中国软件公司中非常有名的，其易用性、功能、对流行技术框架的支持、以及它的模型库的管理理念，都深受设计师们喜欢。他的优势在于：不用在使用create table等语句创建表结构，数据库设计人员只关注如何进行数据建模即可，将来的数据库语句，可以自动生成 课程将基于上述理论进行讲解，会讲解理论以及实战，课程涉及内容：数据设计思想1、建模理论2、设计规范数据库建模设计1、逻辑模型2、物理模型3、汽车租赁系统建模实战
共14节 211人已学习¥99.0 免费试学
JavaSpringBoot+Vue前后端分离电商管理系统（软件和代码及部署文
随着互联网的高速发展，电商可以说是一个企业必不可少的一个销售渠道，所以电商系统随着时间的发展，会越来越好，越来越完善，电商后台管理系统可以说是电商系统的基础，管理着所有的电商信息，可以说是非常重要。 本课程就是基于电商业务实现的电商管理系统，包含几大核心模块：品牌管理、会员管理、商品管理、商品类目管理、订单管理、系统管理（用户管理、角色管理、菜单管理、日志管理、字典管理等） 基于SpringBoot+Vue技术栈实现，包含了SpringBoot、MyBatis、MySQL、Spring Secutury、验证码技术、Vue技术等，课程会讲解整个部署过程，有需要的伙伴可以使用。本课程不涉及细节讲解，主要是从项目环境搭建和代码启动和效果演示进行讲解，适合直接需要代码的学员。课程会讲解整个部署过程，有需要的伙伴可以直接使用或进行二次开发。
共9节 226人已学习¥98.0 免费试学
Java前后端分离图书管理系统（自研系统提供软件和代码及部署文档）
随着信息时代的快速发展，传统的记账式图书管理方式已经不再具有实用性，面对越来越多图书信息的接踵而至，为了方便图书管理员的操作，减少图书管理员的工作量并使其能更有效管理书库中的图书，实现了传统的图书管理工作的信息化建设。 本课程就是基于图书业务实现的图书管理系统，包含几大核心模块：书籍管理、会员管理、借阅管理、书籍类目管理、归还管理、系统管理（用户管理、角色管理、菜单管理、日志管理、字典管理等）基于SpringBoot+Vue技术栈实现，包含了SpringBoot、MyBatis、MySQL、Spring Secutury、验证码技术、Vue技术等，课程会讲解整个部署过程，有需要的伙伴可以使用。 本课程不涉及细节讲解，主要是从项目环境搭建和代码启动和效果演示进行讲解，适合直接需要代码的学员。课程会讲解整个部署过程，有需要的伙伴可以直接使用或进行二次开发。
共9节 121人已学习¥98.0 免费试学
Java前后端分离酒店管理系统（自研系统提供软件和代码及部署文档）
随着人们生活水平的提高，越来越注重生活质量的追求，所以旅游成为人们生活中并不可少的一部分，这也让酒店的需求也提升起来，为了更便捷的为用户提供服务，很多酒店慢慢开始把业务拓展到网上，酒店管理系统开发应运而生，实现了手机预约的便捷式服务平台。 本课程就是基于酒店业务实现的酒店管理系统，包含几大核心模块：酒店管理、会员管理、订单管理、预定管理、客房管理、系统管理（用户管理、角色管理、菜单管理、日志管理、字典管理等）基于SpringBoot+Vue技术栈实现，包含了SpringBoot、MyBatis、MySQL、Spring Secutury、验证码技术、Vue技术等，课程会讲解整个部署过程，有需要的伙伴可以使用。 本课程不涉及细节讲解，主要是从项目环境搭建和代码启动和效果演示进行讲解，适合直接需要代码的学员。课程会讲解整个部署过程，有需要的伙伴可以直接使用或进行二次开发。
共9节 183人已学习¥98.0 免费试学
Java基于SpringBoot+Vue前后端分离设备管理系统（自研系统提供软
随着计算机技术的迅猛发展以及Internet进入商业和社会应用阶段，设备的种类、数量越来越多，如何利用先进的网络技术和日新月异的计算机设备来有效地收集、处理这些设备，建立以信息化为核心的管理体制，减轻管理人员和业务人员的数据处理负担，极大地提高设备管理效率和管理手段，己经成为当今社会的潮流。在现代化大型研究所信息化管理体系建设中，设备管理系统被看作是重中之重。因为设备是工厂生产中的主体，随着科学技术的不断发展，生产设备日益机械化、自动化、大型化、高速化和复杂化，设备在现代工业生产中的作用和影响也随之增大，在整个工业生产过程中对设备的依赖程度也越来越高。设备管理的各项制度、流程涉及的点多面广。 本课程就是基于设备实现的后端管理系统，包含几大模块：设备管理、巡检管理、报修管理、采购管理、系统管理（用户管理、角色管理、菜单管理、日志管理、字典管理等）基于SpringBoot+Vue技术栈实现，包含了SpringBoot、MyBatis、MySQL、Spring Secutury、验证码技术、Vue技术等，课程会讲解整个部署过程，有需要的伙伴可以使用。 本课程不涉及细节讲解，主要是从项目环境搭建和代码启动和效果演示进行讲解，适合直接需要代码的学员。课程会讲解整个部署过程，有需要的伙伴可以直接使用或进行二次开发
共9节 522人已学习¥98.0 免费试学
Java基于SpringBoot+Vue前后端分离物业管理系统（自研系统提供软
物业管理系统是现代居住小区不可缺少的一部分。一个好的物业管理系统可以提升小区的管理水平，使小区的日常管理更加方便。将计算机的强大功能与现代的管理思想相结合，建立现代的智能小区是物业管理发展的方向。重视现代化的管理，重视细致周到的服务是小区工作的宗旨。以提高物业管理的经济效益、管理水平，确保取得比较大的经济效益为目标。 本课程就是基于物业业务实现的后端管理系统，包含几大模块：收费管理、房产管理、业务管理、停车管理、报修管理，系统管理（用户管理、角色管理、菜单管理、日志管理、字典管理等）基于SpringBoot+Vue技术栈实现，包含了SpringBoot、MyBatis、MySQL、Spring Secutury、验证码技术、Vue技术等，课程会讲解整个部署过程，有需要的伙伴可以使用。 本课程不涉及细节讲解，主要是从项目环境搭建和代码启动和效果演示进行讲解，适合直接需要代码的学员。课程会讲解整个部署过程，有需要的伙伴可以直接使用或进行二次开发。
共9节 678人已学习¥98.0 免费试学
Java基于SpringBoot+Vue前后端分离外卖管理系统（自研系统提供软
现在是一个移动互联网时代，外卖成了年轻人的选择，我们平时用的外卖app上点餐等功能，都是会有后端管理系统。 本课程就是基于外卖业务实现的后端管理系统，基于SpringBoot+Vue技术栈实现，包含了SpringBoot、Mysbatis、MySQL、Spring Secutury、验证码技术、Vue技术等， 本课程不涉及细节讲解，主要是从项目环境搭建和代码启动和效果演示进行讲解，适合直接需要代码的学员。课程会讲解整个部署过程，有需要的伙伴可以直接使用或进行二次开发。
共9节 163人已学习¥98.0 免费试学
大数据基于SpringBoot+XXL-JOb构建大数据调度平台教程
想每月25号，信用卡自动还款想每年4月1日自己给当年暗恋女神发一封匿名贺卡想每隔1小时，备份一下自己的爱情片 学习笔记到云盘这些问题总结起来就是：在某一个有规律的时间点干某件事。并且时间的触发的条件可以非常复杂（比如每月最后一个工作日的17:50），复杂到需要一个专门的框架来干这个事。 以上这些是我们日常常见的任务调度需求，企业里面会有大量的任务调度需求，可以说任务调度是一个企业很重要的一部分。传统的定时任务有很多的缺点，1、不支持集群：集群情况下容易造成任务重复问题2、不支持失败重试：失败即结束，不支持重试3、不支持动态调整：修改任务参数时需要修改代码，并且要重启服务4、无报警机制：任务失败后没有提醒功能5、无统一管理：没有办法手动关闭或开启任务针对上面的一些问题和缺点，XXL-JOB可以实现我们的需求。 XXL-JOB是一个开源的，具有丰富的任务管理功能以及高性能，高可用等特点的轻量级分布式任务调度平台，其核心设计目标是开发迅速、学习简单、轻量级、易扩展、开箱即用！！！ 课程会带大家构建XXL-JOB调度平台，实战讲解多种类型任务调度配置，会基于大数据推荐系统案例讲解XXL-JOB使用，让大家在实战中掌握XXL-JOB。课程所用的开发环境为：Window10 开发工具：IDEA 本课程用到技术：XXL-JOBKafkaHiveHadoopSparkFlumeMySQLZookeeper等
共26节 340人已学习¥199.0 免费试学
计算机视觉基于SpringBoot+Python多语言文档扫描处理和OCR识别系
计算机视觉（Computer Vision）又称为机器视觉（Machine Vision），顾名思义是一门“教”会计算机如何去“看”世界的学科。在机器学习大热的前景之下，计算机视觉与自然语言处理（Natural Language Process， NLP）及语音识别（Speech Recognition）并列为机器学习方向的三大热点方向。在如今互联网时代，人工智能发展迅速，计算机视觉领域应用非常广泛，对人才的需求也是非常大，计算机视觉在IT领域的工资水平非常高，初级就能达到一个很好的薪资水平，学好计算机视觉，势在必得，增加自己的竞争力以及给自己一个好的薪水。 以下是计算机视觉部分应用场景，可以看到它的需求非常大：1.Google, MS, Facebook, Apple,华为，阿里，腾讯，百度等世界科技公司，无一没有建立自己的AI实验室，AI里面，计算机视觉或图像处理是非常重要的一块，当然它们研究方向就多了，几乎会涵盖所有方向。2.世界各大汽车公司，如特斯拉，宝马。汽车公司开始发力自动驾驶，而自动驾驶里面最核心的技术就是“教”汽车里的电脑如何通过摄像头实时产生的图片和视频自动驾驶。因此视觉和图像处理便是核心技术所在，如行人探测，道路识别，模式识别。3.Adobe，美图秀秀等照片、winrar、real player等视频处理、压缩软件。这个不多说，直观的应用，比如降噪，图像分割、图像压缩、视频压缩。4.AR（增强现实）最近由于Pockman GO的风靡全球又被推到第一线，而Google Class或者三星Gear眼镜等等，也无不和图像处理、计算机视觉的科研有关。预测这将是未来几年主推的东西。5.迪士尼等各大电影制片公司。3-D电影，以及各种炫酷的电影特效，当然里面不光有图像处理，还有计算机图形学的东西在里面。6.地平线，大疆无人机等机器人公司。和自动驾驶一个道理，机器人要通过摄像头“判断”并躲开前方障碍物，核心技术都在视觉和图像处理。7.医疗器械设备公司。医学图像处理，核磁共振，断层扫描等等，众所周知医疗行业都是暴利阿。8.工业级摄像头；包括高速路上的摄像头，机场火车站安检摄像头，工业流水线上的摄像头，嵌入了人脸或次品识别的芯片，智能地识别罪犯、次品，等等。 基于SpringBoot+Python多语言文档扫描处理和OCR识别系统，将以基础知识为根基，带大家完成一个强大的文档扫描处理和OCR识别系统，该系统将包含算法部分，算法服务，算法商业化api部分等。应用场景可以为：爬虫图片文字识别、文档图片自动整理和输出文字、实时扫描输出系统、PDF文档转换系统等等，算法可以商业化，系统同时实现了商业化api功能，商业价值非常高，大家可以基于课程项目的基础上进一步完善，做到商用，学到知识的同时，给自己额外增加收入。 本课程包含的技术： 开发工具为：IDEA、WebStorm、PyCharmPythonAnconaOpencvDjangoSpringBootSpringCouldVue+ElementUI+NODEJS等等 课程亮点： 1.与企业接轨、真实工业界产品2.强大的计算机视觉库OPENCV3.从基础到案例，逐层深入，学完即用4.市场主流的前后端分离架构和人工智能应用结合开发5.多语言结合开发，满足多元化的需求6.商业化算法api实现7.多Python环境切换8.微服务SpringBoot9.集成SpringCloud实现统一整合方案 10.全程代码实操，提供全部代码和资料 11.提供答疑和提供企业技术方案咨询
共57节 633人已学习¥399.0 免费试学
Java电商平台每秒100万高并发请求的秒杀系统架构设计和实现
电商项目中，秒杀属于技术挑战难度很大的业务。后台可以发布秒杀商品后或者将现有商品列入秒杀商品，热点分析系统会对商品进行分析，对热点商品做特殊处理。商城会员可以在秒杀活动开始的时间内进行抢购，抢购后可以在线进行支付，支付完成的订单由平台工作人员发货，超时未支付订单会自动取消。 秒杀系统中一共涉及到管理员后台、搜索系统、秒杀系统、抢单流程系统、热点数据发现系统等等。B2B 、B2C商城秒杀商品数据一般都是非常庞大，流量特别高，尤其是双十一等节日，所以设计秒杀系统，既要考虑系统抗压能力，也要考虑系统数据存储和处理能力。秒杀系统虽然流量特别高，但往往高流量抢购的商品为数不多，因此我们系统还需要对抢购热门的商品进行有效识别。 那秒杀系统里面需要解决的问题有哪些呢？1、如何应对海量商品访问？2、热点分析系统该如何设计，实现普通商品和热点商品的实时转换？3、普通商品和热点商品的抢单该如何设计和实现？4、面对海量的订单，我们该如何实现订单生成？5、面对用户超时未支付的订单，我们该如何设计和处理，包括订单信息变更和库存变更等。等等的问题？ 本课程将从实战角度带你构建秒杀系统，解决以上我们关注的问题，同时结合实战讲解技术点，让大家在实战中掌握知识点。课程包含JavaEE、微服务、Linux、任务调度、大数据等综合性知识,让大家成为一个综合人才，提高自己的竞争力，为以后跳槽涨薪做好重复准备，机遇来了就能抓住。 课程所用的开发环境为：window10 开发工具：IDEA本课程用到技术：SpringBootSpringCloudMyBatisMySQLFreemark模板引擎BinlogCanalXXL-JOB分布式任务调度NginxLua轻量级脚本语言Flink实时分析KafkaZookeeperRedisOpenrestyMaven等等
共40节 400人已学习¥299.0 免费试学
大数据基于Spark电商数据分析的设计与实现(毕业设计和环境搭建、代码完整)
课题:基于Spark电商数据分析的设计与实现需求：1、分析电商页面跳转情况 2、分析用户session情况 3、热门品类分析 本课程提供了对应的环境搭建、代码、数据库脚本等，适合大学毕业生的毕设设计和想了解大数据的学员学习观看。课题来源某211高校毕业学生，学员可以进行二次开发。
共13节 2372人已学习¥98.0 免费试学
大数据基于Spark的在线教育学习数据分析设计与实现(毕业设计和环境搭建、代
课题:在线教育学习数据分析的设计与实现需求：1.统计在线学习情况2.分析出在线学习人群3.学习情况和相应的学习时间本课程提供了对应的环境搭建、代码、数据库脚本等，适合大学毕业生的毕设设计和想了解大数据的学员学习观看。课题来源某211高校毕业学生，学员可以进行二次开发。
共15节 346人已学习¥98.0 免费试学
大数据基于Spark的新闻实时推荐系统的设计与实现(毕业设计和环境搭建、代码
课题:基于Spark的新闻实时推荐系统的设计与实现需求：1.登录注册，登陆之后可以修改密码，头像，个人基本信息等；退出登陆2.新闻资讯列表，新闻通过爬虫取得，需要有一个新闻资讯列表，能够浏览新闻，可以进入到新闻详情页面，对新闻进行点赞，可以看到新闻的浏览量，点赞量3.每一个新闻都有一个标签，能够按照用户浏览新闻的标签，给用户推荐相同标签的新闻，新闻推荐通过Spark来完成本课程提供了对应的环境搭建、代码、数据库脚本等，适合大学毕业生的毕设设计和想了解大数据的学员学习观看。课题来源某211高校毕业学生，学员可以进行二次开发。
共15节 461人已学习¥98.0 免费试学
Java构建前后端分离的电商微服务优惠券系统
优惠券作为一种常见的促销手段，其本质是经济学中的价格歧视：形式上给予消费者心理一定的折扣，然后促成订单。商家向不同的消费者提供相同的商品或相同质量的服务，但是在消费者之间实行不同的销售价格。优惠券的生命周期分为：生成、审核、推广、发放/领取、使用、退还。本课程从无到有带大家实现一个亿级优惠劵系统，开发过程模拟真实企业开发方式，系统采用前后端分离开发。前端采用时下热门的前端技术架构Vue.JS+Node.JS，后端采用微服务技术架构Spring Boot+ Spring Cloud。开发工具是：IDEA Webstorm本课程用到技术：Spring Boot版本：2.0.2.RELEASESpring-Cloud版本：Finchley.RELEASEVue.js、Nodejs、Webpack、Maven、Nginx、分布式部署、负载均衡等
共55节 180人已学习¥399.0 免费试学
微服务基于云原生架构构建亿级多语言电商平台设计到落地实现（开发+测试+部署）
技术的变革，一定是思想先行，云原生是一种构建和运行应用程序的方法，是一套技术体系和方法论。 云原生（CloudNative）是一个组合词，Cloud+Native。Cloud表示应用程序位于云中，而不是传统的数据中心；Native表示应用程序从设计之初即考虑到云的环境， 原生为云而设计，在云上以最佳姿势运行，充分利用和发挥云平台的弹性+分布式优势。云原生概括为4个要点：DevOps+持续交付+微服务+容器。 符合云原生架构的应用程序应该是：采用开源堆栈（K8S+Docker）进行容器化，基于微服务架构提高灵活性和可维护性，借助敏捷方法、DevOps支持持续迭代和运维自动化， 利用云平台设施实现弹性伸缩、动态调度、优化资源利用率。 要转向云原生应用需要以新的云原生方法开展工作，云原生包括很多方面：基础架构服务、虚拟化、容器化、容器编排、微服务。 本课程凝聚老师多年经验，基于真实工业界电商业务讲解，涉及多种技术落地方案，涉及多语言的协调开发，让学员在实战中熟悉云原生开发的全流程，感受云原生带来的开发便利。目前对云原生的人才需求也非常的大，谁尽早掌握，谁就能抓住这个风口，实现收入的增长。 本课程将分为3个阶段： 第一阶段：会基于云原生实现电商系统的大部分核心服务,包括:用户服务，商品服务，商品类目服务，商品属性服务，品牌服务，订单服务，网关服务等等。 第二阶段：基于云原生完成整个项目的持续集成，持续交付、持续部署，完成整个项目的自动化上云等等。 第三阶段： 进一步完善和优化电商系统，加入大数据，智能AI等等。 本课程包含的技术： IDEA集成开发工具 SpringBoot SpringCloud SpringCloud Alibaba Devops Maven Jenkins CI/CD 持续集成 持续交付 Git Docker Kubertenes 分布式系统微服务注册中心与配置中心：Nacos 分布式系统微服务流量防卫兵：Sentinel 分布式系统微服务网关：Gateway 分布式系统微服务负载均衡：Feign 分布式系统微服务链路追踪：Sleuth，Zipkin 分布式系统微服务端点监控：spring boot admin SpringSecurity和JWT(认证和授权) 消息中间件解决方案（RabbitMQ） MySQL（数据库） MyCat MySQL分布式集群解决方案 Lucene、Elasticsearch（搜索） Nginx（web服务器） 多语言（Go语言 Python语言 Java语言） CORS实现跨域 Swagger2 文档生成工具 Quartz分布式任务调度 Zookeeper Ehcache Restful VUE+jQuery+Ajax+NodeJS VUE+Element-UI Go+Gin 、 TensorFlow、RNN 、LSTM、Django、Spark 大数据相关技术 等等 课程亮点： 1.与企业无缝对接、工业界真实业务场景 2.集后端+前台+测试+运维一体，全面掌握技术链 3.多语言Java+Go+Python协调开发，属于语言应用场景 4.支持项目快速迭代和开发 5.使用微服务技术栈+前后端分离构建项目 6.云上的开发体系，打造新一代研发平台 7.引入全新的设计理念 8.集成SpringCloud Alibaba实现统一整合方案 9 Kubernetes+Docker容器化部署和管理 10 Devops全自动化持续集成和持续交付、部署 11.TensorFlow、RNN 、LSTM综合应用 12.动态扩展,弹性自动伸缩 13.高并发下的服务降级、限流实战 14.实现高并发请求和实现高可用架构解决方案 15.引入大数据技术 16.引入人工智能技术 17.全程代码实操，提供课程代码和资料
共63节 446人已学习¥599.0 免费试学
Java基于SpringBoot+Flink构建千万级订单生成架构设计和实现
基于SpringBoot+Sharding-JDBC+Flink构建千万级订单生成架构设计和落地实现随着互联网发展，数据不断增加，像订单数据达到千万级别该怎么存储，怎么生成呢？随着数据量的增长，一般DB的架构，经历如下演进：单库主从、单库双主多从架构、分区表、横向分表、多库。分库分表实现会带来怎么的困难？如何监控和分析订单分布等？本课程将以实战方式讲解各个架构，让大家再实战中掌握各个知识点，同时也会实战讲解分表分库监控分析，掌握SpringBoot知识的同时也掌握大数据的相关技术。 课程所用的开发环境为：Window10 开发工具：IDEA本课程用到技术：SpringBootSharding-JDBCFlinkMysqlBinlogCanalKafkaMaven等
共21节 2112人已学习¥199.0 免费试学
计算机视觉基于SpringBoot+Python多语言银行卡识别系统
计算机视觉（Computer Vision）又称为机器视觉（Machine Vision），顾名思义是一门“教”会计算机如何去“看”世界的学科。在机器学习大热的前景之下，计算机视觉与自然语言处理（Natural Language Process， NLP）及语音识别（Speech Recognition）并列为机器学习方向的三大热点方向。在如今互联网时代，人工智能发展迅速，计算机视觉领域应用非常广泛，对人才的需求也是非常大，计算机视觉在IT领域的工资水平非常高，初级就能达到一个很好的薪资水平，学好计算机视觉，势在必得，增加自己的竞争力以及给自己一个好的薪水。 以下是计算机视觉部分应用场景，可以看到它的需求非常大：1.Google, MS, Facebook, Apple,华为，阿里，腾讯，百度等世界科技公司，无一没有建立自己的AI实验室，AI里面，计算机视觉或图像处理是非常重要的一块，当然它们研究方向就多了，几乎会涵盖所有方向。2.世界各大汽车公司，如特斯拉，宝马。汽车公司开始发力自动驾驶，而自动驾驶里面最核心的技术就是“教”汽车里的电脑如何通过摄像头实时产生的图片和视频自动驾驶。因此视觉和图像处理便是核心技术所在，如行人探测，道路识别，模式识别。3.Adobe，美图秀秀等照片、Winrar、Real player等视频处理、压缩软件。这个不多说，最最直观的应用，比如降噪，图像分割、图像压缩、视频压缩。4.AR（增强现实）最近由于Pockman GO的风靡全球又被推到第一线，而Google Class或者三星Gear眼镜等等，也无不和图像处理、计算机视觉的科研有关。预测这将是未来几年主推的东西。5.迪士尼等各大电影制片公司。3-D电影，以及各种炫酷的电影特效，当然里面不光有图像处理，还有计算机图形学的东西在里面。6.地平线，大疆无人机等机器人公司。和自动驾驶一个道理，机器人要通过摄像头“判断”并躲开前方障碍物，核心技术都在视觉和图像处理。7.医疗器械设备公司。医学图像处理，核磁共振，断层扫描等等，众所周知医疗行业都是暴利阿。8.工业级摄像头；包括高速路上的摄像头，机场火车站安检摄像头，工业流水线上的摄像头，嵌入了人脸或次品识别的芯片，智能地识别罪犯、次品，等等。 基于SpringBoot+Python多语言银行卡识别系统，将以基础知识为根基，带大家完成一个强大的银行卡识别系统。该系统将包含算法部分，算法服务，算法商业化api部分等。应用场景可以为：帮助用户快速完成信息录入和银行卡绑定、批量快速录入银行卡号的业务场景、商场购物现场扫码app绑定银行卡等等，算法可以商业化，系统同时实现了商业化api功能，商业价值非常高，大家可以基于课程项目的基础上进一步完善，做到商用，学到知识的同时，给自己额外增加收入。 本课程包含的技术： 开发工具为：IDEA、WebStorm、PyCharmPythonAnconaOpencvDjangoSpringBootSpringCloudVue+ElementUI+NODEJS等等 课程亮点： 1.与企业接轨、真实工业界产品2.强大的计算机视觉库OPENCV3.从基础到案例，逐层深入，学完即用4.市场主流的前后端分离架构和人工智能应用结合开发5.多语言结合开发，满足多元化的需求6.商业化算法api实现7.多Python环境切换8.微服务SpringBoot9.集成SpringCloud实现统一整合方案 10.全程代码实操，提供全部代码和资料 11.提供答疑和提供企业技术方案咨询
共58节 493人已学习¥399.0 免费试学
大数据基于Kettle+Clickhouse+Superset构建实时大数据
1、ETL（Extract-Transform-Load的缩写，即数据抽取、转换、装载的过程），对于企业或行业应用来说，我们经常会遇到各种数据的处理，转换，迁移，所以掌握一个ETL工具的使用，必不可少。Kettle作为ETL工具是非常强大和方便的。Kettle是一款国外开源的ETL工具，纯java编写，可以在Window、Linux、Unix上运行，绿色无需安装，数据抽取高效稳定。Kettle中文名称叫水壶，该项目的主程序员MATT希望把各种数据放到一个壶里，然后以一种指定的格式流出。Kettle这个ETL工具集，它允许你管理来自不同数据库的数据，通过提供一个图形化的用户环境来描述你想做什么，而不是你想怎么做。Kettle中有两种脚本文件，transformation和job，transformation完成针对数据的基础转换，job则完成整个工作流的控制。2、Clickhouse 是俄罗斯的“百度”Yandex公司在2016年开源的，一款针对大数据实时分析的高性能分布式数据库，与之对应的有hadoop生态hive，Vertica和百度出品的palo。这是战斗民族继nginx后，又开源的一款“核武器”。Hadoop 生态体系解决了大数据界的大部分问题，当然其也存在缺点。Hadoop 体系的最大短板在于数据处理时效性。基于 Hadoop 生态的数据处理场景大部分对时效要求不高，按照传统的做法一般是 T + 1 的数据时效。即 Trade + 1，数据产出在交易日 + 1 天。ClickHouse 的产生就是为了解决大数据量处理的时效性。独立于Hadoop生态圈。3、Superset 是一款由 Airbnb 开源的“现代化的企业级 BI（商业智能） Web 应用程序”，其通过创建和分享 dashboard，为数据分析提供了轻量级的数据查询和可视化方案。 Superset 的前端主要用到了 React 和 NVD3/D3，而后端则基于 Python 的 Flask 框架和 Pandas、SQLAlchemy 等依赖库，主要提供了这几方面的功能：01、集成数据查询功能，支持多种数据库，包括 MySQL、PostgresSQL、Oracle、SQL Server、SQLite、SparkSQL 等，并深度支持 Druid。02、通过 NVD3/D3 预定义了多种可视化图表，满足大部分的数据展示功能。如果还有其他需求，也可以自开发更多的图表类型，或者嵌入其他的 JavaScript 图表库（如 HighCharts、ECharts）。03、提供细粒度安全模型，可以在功能层面和数据层面进行访问控制。支持多种鉴权方式（如数据库、OpenID、LDAP、OAuth、REMOTE_USER 等）。 基于Kettle+Clickhouse+Superset构建亿级大数据实时分析平台课程将联合这三大开源工具，实现一个强大的实时分析平台。该系统以热门的互联网电商实际业务应用场景为案例讲解，对电商数据的常见实战指标处理使用kettle等工具进行了详尽讲解，具体指标包括：流量分析、新增用户分析、活跃用户分析订单分析、团购分析。能承载海量数据的实时分析，数据分析涵盖全端（PC、移动、小程序）应用。项目代码也是具有很高的商业价值的，大家可以根据自己的业务进行修改,便可以使用。本课程包含的技术：开发工具为：IDEAKettleClickhouseSupersetBinlogCanalKafkaHbaseHadoopZookeeperFlinkSpringBootSpringCouldPythonAnconaMySQL等 课程亮点：1.与企业对接、真实工业界产品2.强大的ETL工具Kettle全流程讲解实现3.ClickHouse高性能列式存储数据库4.Superset现代化的企业级BI可视化5.数据库实时同步解决方案6.集成Flink实时数据转换解决方案7.主流微服务SpringBoot后端系统8.互联网大数据企业热门技术栈9.支持海量数据的实时分析10.支持全端实时数据分析11.全程代码实操，提供全部代码和资料12.提供答疑和提供企业技术方案咨询
共75节 925人已学习¥499.0 免费试学
大数据基于Flink+Alink构建全端亿级实时用户画像系统
用户画像，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。用户画像最初是在电商领域得到应用的，在大数据时代背景下，用户信息充斥在网络中，将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化，从而为用户提供有针对性的服务。还记得年底收到的支付宝年度消费账单吗？帮助客户回顾一年的消费细节，包括消费能力、消费去向、信用额度等等，再根据每位客户的消费习惯，量身定制商品推荐列表……这一活动，将数据这个量化的词以形象生动的表现手法推到了大众面前。这就是用户画像在电商领域的一个应用，随着我国电子商务的高速发展，越来越多的人注意到数据信息对于电商市场的推动作用。基于数据分析的精准营销方式，可以最大限度的挖掘并留住潜在客户，数据统计与分析为电商市场带来的突破不可估量。在大数据时代，一切皆可“量化”，看似普通的小小数字背后，蕴藏着无限商机，也正在被越来越多的企业所洞悉。如何从大数据中挖掘商机？建立用户画像和精准化分析是关键。什么是用户画像呢？用户画像是根据市场研究和数据，创建的理想中客户虚构的表示。创建用户画像，这将有助于理解现实生活中的目标受众。企业创建的人物角色画像，具体到针对他们的目标和需求，并解决他们的问题，同时，这将帮助企业更加直观的转化客户。用户画像最重要的一个步骤就是对用户标签化，我们要明确要分析用户的各种维度，才能确定如何对用户进行画像。用户画像建立步骤首先，基础数据收集，电商领域大致分为行为数据、内容偏好数据、交易数据，如浏览量、访问时长、家具偏好、回头率等等。而金融领域又有贷款信息，信用卡，各种征信信息等等。然后，当我们对用户画像所需要的基础数据收集完毕后，需要对这些资料进行分析和加工，提炼关键要素，构建可视化模型。对收集到的数据进行行为建模，抽象出用户的标签。电商领域可能是把用户的基本属性、购买能力、行为特征、兴趣爱好、心理特征、社交网络大致的标签化，而金融风控领域则是更关注用户的基本信息，风险信息，财务信息等等。随后，要利用大数据的整体架构对标签化的过程进行开发实现，对数据进行加工，将标签管理化。同时将标签计算的结果进行计算。这个过程中需要依靠Hive，Hbase等大数据技术，为了提高数据的实时性，还要用到Flink，Kafka等实时计算技术。最后，也是最关键的一步，要将我们的计算结果，数据，接口等等，形成服务。比如，图表展示，可视化展示。基于Flink+Alink构建全端亿级实时用户画像系统课程，将带领大家一步一步实现一个强大的实时用户画像系统，该系统以热门的互联网电商实际业务应用场景为案例讲解，具体包含：标签管理（支持动态标签扩展，动态标签指标）、用户预测、用户群体画像、用户行为画像、用户中心、几大内容。本课程采用全新的大数据技术栈：Flink+Alink,让你体验到全新技术栈的强大，感受时代变化的气息，通过学习完本课程可以节省你摸索的时间，节省企业成本，提高企业开发效率。本课程包含的技术： 开发工具为：IDEA、WebStorm Flink1.13.0Alink1.5.0 ClickHouseDolphinSchedulerHadoopHbaseKafkaZookeeper SpringBoot2.0.8.RELEASE SpringCloud Finchley.SR2BinlogCanal MySQL MybatisVue.js、Nodejs、ElementUI 课程亮点： 1.与企业接轨、真实工业界产品2.标签化管理模块功能,支持动态标签扩展3.动态标签指标分析和维护4.Alink算法技术框架 5.大数据热门技术Flink新版本 6.主流微服务后端系统 7.数据库实时同步解决方案 8.涵盖主流前端技术VUE+NodeJS+ElementUI 9.集成SpringCloud实现统一整合方案 10.互联网大数据企业热门技术栈 11.支持海量数据的实时画像 12.支持全端实时画像 13.全程代码实操，提供全部代码和资料 14.提供答疑和提供企业技术方案咨询
共66节 1146人已学习¥499.0 免费试学
- 1
- 2
- 3
徐传林
架构师
多年移动互联网产品设计和开发经验，带领团队完成多个知名互联网产品，历任多家公司Java和大数据架构师，负责过多个大型Java和大数据系统的架构和开发。精通Java、Go、Python、Hadoop、Flink、Spark、Docker、NoSQL等语言和大数据技术，IT一线行业8年实战经验，目前已经出品《秒杀系统》《分布式任务调度》《数据统计分析系统》等教程，教程案例全部均来自真实工业界开发场景。对分布式、高并发、高可用、微服务、缓存、虚拟化、海量数据处理有丰富的实战经验和解决方案。
课程数 49 学生数 39778