StuQ 训练营介绍:

StuQ 训练营（成都）由 StuQ 与成都天虎科技联合举办，面向全国的软件研发团队和技术人员提供为期 2 天的深度技术培训。甄选一线技术背景的专家授课，课程体系化并以实践为基础，旨在助力互联网企业或中小型软件企业的技术团队提升技术能力。本期训练营设置 “大数据应用” 和 “前端技术应用” 两个专题。

大数据应用专题
当今大数据技术和应用成为当之无愧的热点，大数据计算、数据挖掘、平台建设等也依然是技术团队面临的巨大挑战。本期训练营邀请行业专家对大数据平台技术、大数据分析和挖掘、大数据应用等主题做深度解析，探讨大数据应用实践，帮助技术团队精进技术。

前端应用专题
前端技术发展迅速，框架五花八门，给团队技术选型和发展带来各种困惑和问题。本期训练营前端专题系统设计了热门前端框架、构建工具、性能优化等主题，注重知名企业一线团队的应用实践与案例分享。帮助企业技术团队开拓思路、积累经验、升级技术能力。

招生对象
全国的软件研发企业及相关的技术人员、数据工程师、数据科学家、前端工程师、项目经理、技术经理、产品经理、对大数据与前端技术感兴趣并有一定基础和经验的人员。

活动日程：

12.17：

09:30 - 12:30 傅志华 大数据应用专场：大数据驱动企业数字化运营

【课程介绍】《大数据驱动企业数字化运营》
《大数据驱动企业数据化运营》分为三部分：首先介绍大数据的特征以及在不同行业的应用案例；其次介绍大数据驱动企业数据化运营的关键；最后介绍大数据驱动的客户生命周期管理方法和客户价值提升应用。

课程收获：
本次课程将通过不同行业应用的案例来启发大家应用大数据的思路，您讲通过本次课程可以掌握大数据在驱动企业数据化运营的关键成功要素，并掌握大数据如何更有效的提升客户价值。

授课对象：
适合从事以下工作的从业者：数据分析、数据挖掘、客户运营和管理、产品运营和管理

课程大纲：
1 大数据特征和行业应用

1.1大数据的概念和特征

1.2大数据行业应用案例

2大数据驱动企业数据化运营的关键

2.1大数据应用层次和体系

2.2大数据应用的基础-用户画像

2.3企业大数据落地五大关键

3大数据驱动的客户生命周期管理和客户价值提升

3.1客户用户生命周期管理简介

3.2实施用户生命周期管理的关键

3.3客户生命周期管理的实现方法—数据准备及模型建设

3.4客户用户生命周期管理方案试点、固化及应用案例

09:30 - 12:30 刘恒兵（河伯）前端技术应用专场：前端性能优化：全栈之下，优化之上

【课程介绍】《前端性能优化：全栈之下，优化之上》
对于前端来说，全栈是趋势，也是业务所需。移动盛行，如何突破业务性能瓶颈，进一步提升业务质量，纯 H5 开发不能满足业务诉求之下，需要从全栈思路出发，做极限优化。在不同的业务场景下，不同的用户环境下，采取不同的优化方案，最终将业务性能提升一个量级。这里从全栈角度，深入分析场景瓶颈并提供解决方案。

14:00 - 17:00 风清扬 大数据应用专场：大数据智能分析和挖掘

【课程介绍】《大数据智能分析和挖掘》
大数据分析和挖掘在互联网公司中已经得到实质性的推进和应用，典型的应用场景包括 搜索引擎的搜索结果和搜索广告排序、电商网站的商品推荐和虚假信息检测、电子邮件服务中垃圾邮件检测、互联网安全公司的病毒和木马检测、视频和新闻分享网站中视频和新闻推荐、互联网金融服务中的用户信誉评估等。

本课程将围绕大数据最本质的特点—智能化为主线，从大数据的商业模式创新、大数据产品思维、数据分析重要工具、数据挖掘核心技术等层面，从浏览型互联网应用、社交网络型互联网应用等多角度多领域做实站案例讲解。

课程收获：
1.理解大数据基础技术架构；
2.掌握如何搭建一个实用的推荐引擎的方法；
3.掌握数据挖掘的经典方法论：数据挖掘过程、模型评估标准等；
4.侧重掌握最普遍使用的分类预测技术的方法， 轻松理解分类预测技术的重难点主题及一些新技术。

授课对象：
具有一定信息化程度的传统企业和TMT企业；企业业务决策者、产品负责人、项目负责人、技术负责人、数据挖掘工程师、数据分析师、大数据工程师、算法专家以及其他对数据挖掘经验有兴趣的的人员。

课程大纲：
1.大数据时代概述
2.数据挖掘基础及Weka 工具使用
3.如何研发大数据算法： 以数据分类挖掘新技术为例
4.以大数据挖掘为中心的推荐引擎实战
5.以大数据为中心的社交网络应用挖掘实战

14:00 - 17:00 莫卓颖 前端技术应用专场：前端框架应用最佳实践

【课程介绍】《前端框架应用最佳实践》

12.18：

09:00 - 12:00 王富平 大数据应用专题：多维分析平台

【课程介绍】《多维分析平台》
大数据可以做什么？我首先想到的是智能分析，帮助我们理解并预测用户行为。这很振奋人心，大数据帮助我们理解用户，我们忽略了大数据也更多的帮助我们理解自身：成千上万台服务器监控与日志分析、根据用户行为日志评估推荐算法效果、网站流量分析、公司财务订单报表分析等。这一切都指向了我们该如何观察数据，数据的维度很多，数据量也很大，“可视化”效果也要炫，写一个spark分析任务就ok了吗？ 假设数据有10个维度每个维度有10种取值，如何做到任意组合任意视角的分析？而这正是多维分析平台要解决的问题，这两年涌现了不少的优秀开源产品：kylin、druid，linkedin今年也开源了自家解决方案：pinot，多维分析平台的热度可见一斑，期待在成都大家一起深入探讨，擦出火花。

课程大纲：
part1 多维分析平台介绍
1.多维分析平台的应用场景
2.druid与pinot介绍
3.kylin介绍

part2 多维分析业务案例实践
1.基于druid的实时广告数据分析
2.基于多维分析平台的业务报表系统
3.可视化开源组件与应用介绍

09:00 - 12:00 前端技术应用专题：前端自动化构建工具

13:30 - 16:30 曹犟 大数据应用专题：大数据平台搭建

【课程介绍】《大数据平台搭建》
本课程分享从2008年底到2015年4月期间百度从零构建大数据平台的实践经验。包括构建基于hadoop的日志统计平台、构建User Data Warehouse、日志源PB化、数据为中心的平台建设等，覆盖数据采集、传输、建模存储、查询分析、可视化整个过程。学员可获得从0到1 构建百度大数据平台的经验分享以及最真实的实践案例。另外，设计了机器学习与用户智能的内容。

课程收获：
对大数据平台的架构以及应用有系统认识
能够基于开源系统，设计符合创业公司的大数据分析平台

授课对象 ：
计算机科班出身或者系统学习过计算机相关课程，能够独立完成功能模块开发。
了解过分布式计算基本知识，接触过hadoop、spark等大数据处理系统。
对大数据平台设计开发感兴趣

课程大纲

1.百度大数据平台演进
日志统计平台
用户数据仓库
数据源管理
百度大数据平台架构
思考：百度在数据处理所面临的问题和学员本身所在公司的问题有何异同？
2.数据采集与传输
数据采集与埋点
数据传输系统
开源传输系统介绍（kafka、flume、scribe）
思考：kafka能够保证数据不丢不重吗？
3.数据建模与存储
数据模型
数据ETL
数据存储管理（包括元数据、hadoop）
调度器（包括开源调度器oozie、azkaban）
思考：为什么在大数据平台上，要把元数据独立出来？
4.查询引擎设计
查询引擎架构
开源查询引擎分析（包括impala、spark SQL、hive等）
思考：分布式查询系统和MySQL在设计上，有哪些特别的点？
5.元数据与数据可视化
元数据
数据可视化概述
可视化工具介绍
数据分析方法
大数据分析总结
思考：结合所在公司的现状，设计一张大数据分析平台架构图。
6.浅谈机器学习与用户智能
什么是用户智能
机器学习
特征
标签
有监督学习
无监督学习
机器学习实战
新品推广用户群挖掘
电商交易反作弊

13:30 - 16:30 贺师 前端技术应用：前端技术发展概览

【课程介绍】《前端技术发展概览》