1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
        2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
        3、培訓合格學員可享受免費推薦就業機會。

第一節：互聯網大數據與機器學習之大數據知識原理篇 1.什么是大數據以及大數據應用場景是什么；
2.大數據平臺如何驅動業務持續增長；
3.大數據平臺發展三個階段是什么（What->Why->How）;
4.大數據平臺發展階段一（What）：是什么，快速描述業務，提供數據原材料;
5.大數據平臺發展階段二（Why）：為什么，分析波動 root cause；
6.大數據平臺發展階段三（How）：怎么做，數據化運營實踐落地；
第二節：互聯網大數據與機器學習之大數據總體架構篇 1.為什么要構建大數據平臺；
2.大數據平臺構建的目標與方案是什么；
3.大數據倉庫如何建設（數據接入清洗/數據倉庫表設計與ETL）；
4.大數據平臺化與產品化建設(ODS->DW->DM->APP)；
5.大數據指標體系化、分析框架設計；
6.大數據平臺建設的重難點實踐；
7.我們的實踐案例；
第三節：互聯網大數據與機器學習之機器學習知識原理篇 1.機器學習是什么；
2.機器學習與人工智能、深度學習關系；
3.機器學習應用場景是什么；
4.機器學習分類；
5.機器學習評估指標；
6.機器學習常用數學知識；
第四節：互聯網大數據與機器學習之機器學習算法篇 1.機器學習算法分類方法；
2.機器學習之監督學習算法（Nave Bayes、LR、GBDT、FM、FFM、DeepFM、FTRL、Deep & Wide等）；
3.機器學習之無監督學習算法（K-Means、PCA、LDA等）；
4.我們的實踐案例；
第五節：互聯網大數據與機器學習之機器學習流程篇 1.樣本如何抽取；
2.如何做特征工程（特征提取，特征離散化，特征交叉等）；
3.如何大規模高效離線訓練模型（訓練集、測試集、驗證集／評估指標AUC、ABTest 等）；
4.模型上線；
5.特征上線；
6.我們的實踐案例；
第六節：互聯網大數據與機器學習之機器學習平臺發展篇 1.機器學習平臺之小作坊生產模式；
2.機器學習平臺之流水線生產模式；
3.機器學習平臺之大規模機器學習模式；
4.機器學習平臺之大規模深度學習模式；
5.我們實踐案例；
第七節：互聯網大數據與機器學習之機器學習關鍵技術篇 1.用戶畫像系統；
2.系統冷啟動；
3.評測指標與系統；
4.ABTest平臺；
5.我們的實踐案例；
第八節：互聯網大數據與機器學習之語言工具篇 1.Python與Scala如何選擇；
2.Spark使用及其性能優化；
3.Hadoop使用及其使用優化；
4.Redis使用及其使用優化；
5.Elasticsearch使用及其使用優化；
6.我們實踐案例；
第九節：互聯網大數據與機器學習之機器學習案例篇（推薦系統線上工程架構設計與實踐） 1.互聯網大型系統架構演進（單體、水平分層、SOA、微服務架構）；
2.推薦系統架構演進（石器時代、鐵器時代、蒸汽時代）；
3.我們的實踐案例；
第十節：互聯網大數據與機器學習之機器學習案例篇（推薦系統離線工程架構實踐） 1.離線訓練作坊模式（單機）；
2.離線訓練流水線模式（ODS、DW、DM、分布式訓練、線上預測等/DataPipeline、T raining Pipeline、Model Serving）；
3.離線訓練平臺化模式（服務眾多業務線，每個業務線一鍵接入）；
4.在線特征系統生產調度架構演進；
5.我們的實踐案例；
第十一節：互聯網大數據與機器學習之機器學習案例篇（推薦系統召回算法設計與實踐） 1.商品主題模型；
2.商品物品詞模型；
3.基于內容商品相似度模型；
4.基于用戶行為的CF模型演進；
5.基于隨機游走模型；
6.實時召回模型；
7.我們的實踐案例；
第十二節：互聯網大數據與機器學習之機器學習案例篇（推薦系統排序算法設計與實踐） 1.Al l In One階段；
2.分層排序階段；
3.人工權重階段；
4.機器學習模型階段；
5.實時模型階段；
6.我們的實踐案例；
第十三節：互聯網大數據與機器學習之機器學習案例篇（搜索系統工程以及召回排序算法設計與實踐）