時(shí)間就如同白駒過隙般的流逝，我們的工作與生活又進(jìn)入新的階段，為了今后更好的發(fā)展，寫一份計(jì)劃，為接下來的學(xué)習(xí)做準(zhǔn)備吧！計(jì)劃怎么寫才能發(fā)揮它最大的作用呢？下面是小編帶來的優(yōu)秀計(jì)劃范文，希望大家能夠喜歡!

有關(guān)大數(shù)據(jù)工作和計(jì)劃及收獲一

i、負(fù)責(zé)hadoop集群的安裝部署、維護(hù)及調(diào)優(yōu):

2、負(fù)責(zé)spark的安裝郵署、維護(hù)及調(diào)優(yōu):

3、負(fù)責(zé)基于大數(shù)據(jù)平臺(tái)開發(fā)的應(yīng)用系統(tǒng)的部署、日常維護(hù)、調(diào)優(yōu)和問題處理

4、負(fù)責(zé)elk 平臺(tái)的部署及維護(hù)。

技能要求：

1 、2年以上大數(shù)據(jù)運(yùn)維工仵經(jīng)驗(yàn);

2、熟悉hadoop生態(tài)圈技術(shù)棧及各個(gè)組件原理:

⒊、熟練掌握hdfs、hive、hbase、sρa(bǔ)rk、sqooρ 等組件，具備部署、維護(hù)、調(diào)優(yōu)的能力:

4、熱悉kylin技術(shù)原理,有一定的維護(hù)經(jīng)驗(yàn)優(yōu)先:

5、掌掇elk的日常維護(hù)技能·有一定的維護(hù).經(jīng)驗(yàn)優(yōu)先:

6、有一定的hql/sql 性能調(diào)優(yōu)經(jīng)驗(yàn);

7、具備基本的 java、python等語言開發(fā)能力優(yōu)先:

8、有較強(qiáng)的溝通、團(tuán)隊(duì)協(xié)作及學(xué)習(xí)能力。

有關(guān)大數(shù)據(jù)工作和計(jì)劃及收獲二

職責(zé)：

1、負(fù)責(zé)公司大數(shù)據(jù)產(chǎn)品的架構(gòu)設(shè)計(jì)，包含數(shù)據(jù)收集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)應(yīng)用，并完成相關(guān)架構(gòu)設(shè)計(jì)文檔的撰寫;

2、參與規(guī)劃從數(shù)據(jù)源到數(shù)據(jù)應(yīng)用的整體流程，并參與相關(guān)產(chǎn)品的決策;

3、負(fù)責(zé)解決核心技術(shù)問題，對(duì)技術(shù)方案進(jìn)行決策;

4、負(fù)責(zé)大數(shù)據(jù)研發(fā)團(tuán)隊(duì)建設(shè)、人才梯隊(duì)培養(yǎng)和技術(shù)團(tuán)隊(duì)管理;

5、積極了解業(yè)界發(fā)展，研究與跟蹤大數(shù)據(jù)新技術(shù)發(fā)展方向。

任職要求：

1、精通goldengate for bigdata相關(guān)理論，具備大型數(shù)據(jù)利用的生產(chǎn)實(shí)戰(zhàn)經(jīng)驗(yàn);

2、精通數(shù)據(jù)驅(qū)動(dòng)的理論，設(shè)計(jì)并生產(chǎn)上線相關(guān)數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品;

3、精通常用消息中間件的使用，例如kafka/rocketmq/apache pulsar，有解讀相關(guān)源碼者優(yōu)先;

4、掌握hadoop、spark生態(tài)體系相關(guān)產(chǎn)品的使用，掌握mapreduce編程或spark編程;

5、了解傳統(tǒng)數(shù)據(jù)倉庫理論及相關(guān)etl工具，例如kettle/datastage;

6、熟悉oracle、mongodb、mysql數(shù)據(jù)庫的使用;

7、扎實(shí)的java語言基礎(chǔ)，熟悉java開發(fā)工具和調(diào)試工具的使用;

8、良好的團(tuán)隊(duì)協(xié)作精神，有能力對(duì)團(tuán)隊(duì)在軟件設(shè)計(jì)、實(shí)現(xiàn)和測(cè)試方面進(jìn)行指導(dǎo);

9、良好的邏輯分析能力和溝通能力，執(zhí)行力強(qiáng)、對(duì)待工作認(rèn)真嚴(yán)謹(jǐn)、責(zé)任心強(qiáng)、具備出色的學(xué)習(xí)能力和團(tuán)隊(duì)合作精神，有一定的推動(dòng)能力;

10、計(jì)算機(jī)科學(xué)、信息技術(shù)或相關(guān)領(lǐng)域本科以上學(xué)歷，具有5年以上數(shù)據(jù)平臺(tái)項(xiàng)目開發(fā)經(jīng)驗(yàn)，3年以上的架構(gòu)設(shè)計(jì)經(jīng)驗(yàn)，具有大數(shù)據(jù)平臺(tái)應(yīng)用大型項(xiàng)目架構(gòu)設(shè)計(jì)經(jīng)驗(yàn)優(yōu)先;

有關(guān)大數(shù)據(jù)工作和計(jì)劃及收獲三

職責(zé):

1)負(fù)責(zé)公司軟件產(chǎn)品整體架構(gòu)的設(shè)計(jì)和關(guān)鍵功能實(shí)現(xiàn)

2)負(fù)責(zé)公司架構(gòu)長(zhǎng)期看護(hù)以及優(yōu)化;

3)負(fù)責(zé)軟件部門各模組間的協(xié)調(diào)配合;

4)提高鞏固軟件代碼質(zhì)量;

5)負(fù)責(zé)大數(shù)據(jù)流式框架的設(shè)計(jì)、優(yōu)化及部署;

6)規(guī)劃研發(fā)部門員工的技術(shù)發(fā)展路線并提供必要的幫助和指導(dǎo)

任職資格:

1)本科及以上學(xué)歷，計(jì)算機(jī)相關(guān)專業(yè)，5年以上工作經(jīng)驗(yàn);

2)頻繁換工作，比如一年一個(gè)公司，請(qǐng)繞路;

3)3年以上產(chǎn)品架構(gòu)經(jīng)驗(yàn)，主導(dǎo)過產(chǎn)品的成功上線;

4)對(duì)底層設(shè)備通訊協(xié)議，b/s系統(tǒng)，手機(jī)app開發(fā)等都有一定的了解;

5)對(duì)各種主流語言c#\java\pathon有一定的了解

5)精通各種大數(shù)據(jù)架構(gòu)，并深入研究過其中一種，有storm\kafka等流式實(shí)時(shí)處理經(jīng)驗(yàn)為佳

6)能夠承擔(dān)較強(qiáng)的工作壓力，有良好的自我驅(qū)動(dòng)能力和責(zé)任感;

7)具備優(yōu)秀的邏輯思維能力、表達(dá)能力、溝通協(xié)調(diào)能力。

有關(guān)大數(shù)據(jù)工作和計(jì)劃及收獲四

職責(zé)：

1、負(fù)責(zé)hadoop、hbase、hive、spark等大數(shù)據(jù)平臺(tái) 規(guī)劃、部署、監(jiān)控、系統(tǒng)優(yōu)化等，確保高可用;

2、負(fù)責(zé)公司大數(shù)據(jù)平臺(tái)的運(yùn)維管理工作，集群容量規(guī)劃、擴(kuò)容及性能優(yōu)化;

3、處理公司大數(shù)據(jù)平臺(tái)各類異常和故障，確保系統(tǒng)平臺(tái)的穩(wěn)定運(yùn)行;

4、設(shè)計(jì)實(shí)現(xiàn)大規(guī)模分布式集群的運(yùn)維、監(jiān)控和管理平臺(tái);

5、深入研究大數(shù)據(jù)業(yè)務(wù)相關(guān)運(yùn)維技術(shù)，持續(xù)優(yōu)化集群服務(wù)架構(gòu)，探索新的大數(shù)據(jù)運(yùn)維技及發(fā)展方向。

任職要求：

1、熟悉hadoop/hbase/hive/spark/kafka/zookeeper等開源項(xiàng)目的安裝與調(diào)試,升級(jí)擴(kuò)容;

2、熟悉hadoop大數(shù)據(jù)生態(tài)圈，包括但不限于hdfs、yarn、hive、hbase、spark、kafka、flume等;

3、精通一門以上腳本語言(shell/perl/python等),熟練掌握linux系統(tǒng)及常規(guī)命令與工具，熟練的shell腳本編寫能力。

有關(guān)大數(shù)據(jù)工作和計(jì)劃及收獲五

職責(zé)：

1、負(fù)責(zé)spark, hadoop, flink等開發(fā)和優(yōu)化。

2、參與前期需求溝通和分析，以產(chǎn)品化開發(fā)的思維，完成需求分解和數(shù)據(jù)架構(gòu)設(shè)計(jì)。

3、與研發(fā)和數(shù)據(jù)科學(xué)家合作保證產(chǎn)品定義清晰，按時(shí)完成產(chǎn)品上線。

4、能夠洞察市場(chǎng)狀況，與各部門合作轉(zhuǎn)化為基于大數(shù)據(jù)挖掘的新策略或方案.

5、主動(dòng)創(chuàng)造和發(fā)掘新的基于大數(shù)據(jù)挖掘產(chǎn)品商業(yè)模式.

任職要求：

1、全日制本科及以上學(xué)歷，計(jì)算機(jī)軟件相關(guān)專業(yè)，5年以上開發(fā)經(jīng)驗(yàn)，3年以上架構(gòu)經(jīng)驗(yàn)

2、精通hadoop/mapreduce/spark/hbase/flink/hive/r/mahout等分布式數(shù)據(jù)存儲(chǔ)和分布式計(jì)算平臺(tái)原理，流式計(jì)算開發(fā)，有開源二次開發(fā)經(jīng)驗(yàn)者優(yōu)先。

3、精通大數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí).熟練掌握java/perl/python至少一種編程語言。

4、具有數(shù)據(jù)挖掘和分析、機(jī)器學(xué)習(xí)等項(xiàng)目實(shí)施相關(guān)經(jīng)驗(yàn)者優(yōu)先;

5、良好的跨部門溝通合作能力，解決不同觀點(diǎn)能力并取得結(jié)果。具備敏銳的互聯(lián)網(wǎng)產(chǎn)品理解力，學(xué)習(xí)能力和邏輯思維能力強(qiáng);

6、較強(qiáng)的自我驅(qū)動(dòng)力、推動(dòng)和協(xié)調(diào)能力，強(qiáng)烈的責(zé)任心和團(tuán)隊(duì)合作精神;

有關(guān)大數(shù)據(jù)工作和計(jì)劃及收獲六

大數(shù)據(jù)模式下的精準(zhǔn)營(yíng)銷

于大部份營(yíng)銷者來說，網(wǎng)站再定向(onsite retargeting)是其中一個(gè)最重要的營(yíng)銷手段，所謂網(wǎng)站再定向的意思是對(duì)曾訪問您網(wǎng)站的用戶進(jìn)行宣傳，在他們?yōu)g覽網(wǎng)絡(luò)時(shí)向其展示廣告。此手段之所以重要是因?yàn)樵诘谝淮谓佑|中真正轉(zhuǎn)化為購(gòu)買的只占2%，而沒有產(chǎn)生購(gòu)買就離開網(wǎng)站的人群體高達(dá)98%。網(wǎng)站再定向的威力在于它能夠幫助你吸引很多的潛在客戶，由于這些用戶之前已經(jīng)訪問了您的網(wǎng)站一次，這意味著他們確實(shí)對(duì)您的產(chǎn)品和服務(wù)感興趣。當(dāng)你不斷向這些用戶顯示相關(guān)的廣告，將能夠吸引他們回訪并完成購(gòu)買。理論上，網(wǎng)站再定向技術(shù)聽起來完美，但執(zhí)行起來，卻可能讓很多廣告主走入死胡同，因?yàn)樗荒軌蚋采w到舊有的訪客，而無法接觸新訪客。對(duì)于廣告主來說，網(wǎng)站再定向是一把雙刃刀，它雖然能帶來絕佳的roi，卻由于覆蓋度不足，會(huì)在無形中扼殺銷售機(jī)會(huì)。

其實(shí)無論是廣告數(shù)據(jù)或購(gòu)買行為數(shù)據(jù)，網(wǎng)絡(luò)都能記錄下來，而網(wǎng)絡(luò)的實(shí)時(shí)記錄特性，讓它成為當(dāng)下廣告主實(shí)現(xiàn)定位營(yíng)銷的不二之選。隨著技術(shù)不斷革新，廣告主精細(xì)化定位的需求也不斷得到滿足。在隨后的篇幅中，我們會(huì)簡(jiǎn)單地對(duì)比幾大定位技術(shù)，并通過電商案例分析來討論如何讓這些數(shù)據(jù)技術(shù)協(xié)同起來，促成客戶從瀏覽廣告到掏錢購(gòu)買的轉(zhuǎn)化，實(shí)現(xiàn)廣告主的收益最大化。

網(wǎng)絡(luò)營(yíng)銷的精細(xì)化定位潛力只有在大數(shù)據(jù)的支持下才能完全發(fā)揮出來。圖中的數(shù)據(jù)金字塔劃分出了數(shù)據(jù)的四個(gè)層級(jí)。最底層是廣告表現(xiàn)數(shù)據(jù)，是關(guān)于廣告位置和其表現(xiàn)的信息。具體而言，就是廣告位的尺寸、在網(wǎng)頁的位置、以往的點(diǎn)擊率、可見曝光(viewable impreion)等指標(biāo)。

再上一層就是受眾分類數(shù)據(jù)。如今，市場(chǎng)上的數(shù)據(jù)提供商可以通過用戶的線上和線下的行為，來收集到廣告受眾的興趣、需求等數(shù)據(jù)。這些不會(huì)涉及個(gè)人真實(shí)身份的信息會(huì)被分析，并劃分為不同的群組，例如性價(jià)比追求者、網(wǎng)購(gòu)達(dá)人等。有了受眾分類數(shù)據(jù)，廣告主可以在互聯(lián)網(wǎng)上按自己的需求和品牌的特性來投放。受眾分類數(shù)據(jù)的針對(duì)性更強(qiáng)，也能帶來比單純依賴廣告表現(xiàn)數(shù)據(jù)更好的點(diǎn)擊率與轉(zhuǎn)換率，因?yàn)樗峁┝讼M(fèi)者行為和偏好等寶貴信息。

第三層是搜索動(dòng)機(jī)數(shù)據(jù)。搜索再定向是個(gè)用于發(fā)掘新客戶的技術(shù)。它的出現(xiàn)讓我們能夠發(fā)掘出那些很可能會(huì)購(gòu)物的用戶，因?yàn)樗麄円呀?jīng)開始搜索與廣告主產(chǎn)品相關(guān)的信息了。那些具有高商業(yè)價(jià)值的數(shù)據(jù)可以進(jìn)一步被篩選出來，廣告主可以將具有高購(gòu)買意愿的人們?cè)俣ㄏ虻阶约旱漠a(chǎn)品信息上來。

而位居數(shù)據(jù)金字塔頂端的是站內(nèi)客戶數(shù)據(jù)，這指的是用戶在廣告主網(wǎng)站上的用戶行為數(shù)據(jù)，包括了用戶瀏覽的頁面，下載的信息，以及加入購(gòu)物車的商品等數(shù)據(jù)。網(wǎng)站用戶通常是那些已經(jīng)了解過品牌并且對(duì)公司也熟悉的一群人。

對(duì)于廣告主來說，金字塔四層的數(shù)據(jù)都獨(dú)具價(jià)值。舉例而言，廣告表現(xiàn)數(shù)據(jù)是每個(gè)廣告主都首先會(huì)關(guān)注的信息，因?yàn)檫@些信息在大多數(shù)廣告管理平臺(tái)和廣告交易平臺(tái)都能輕易獲得的。同時(shí)，那些與用戶需求和偏好相關(guān)的數(shù)據(jù)，能夠助力廣告主更好地實(shí)現(xiàn)精細(xì)化營(yíng)銷。因此，要想針對(duì)性地影響消費(fèi)者購(gòu)買路徑的每個(gè)過程，我們就需要把這四層的數(shù)據(jù)分析整合，才能制定一個(gè)更全面的營(yíng)銷方案。

以下，我們將分享一個(gè)真實(shí)的案例，讓廣告主明白應(yīng)當(dāng)如何打通各層數(shù)據(jù)，制定覆蓋消費(fèi)者購(gòu)買路徑的精準(zhǔn)定位的營(yíng)銷方案。

案例分享

背景：愛點(diǎn)擊的客戶，國(guó)內(nèi)最知名的電子商務(wù)網(wǎng)站之一，希望能提高roi(投資回報(bào)率)和線上交易數(shù)量

挑戰(zhàn)：客戶已經(jīng)使用了網(wǎng)站再定向技術(shù)來實(shí)現(xiàn)一個(gè)較好的roi，但是，從再站內(nèi)定向所帶動(dòng)的交易數(shù)量開始有下降的趨勢(shì)。

優(yōu)化策略︰利用多重?cái)?shù)據(jù)的整合，提升轉(zhuǎn)化漏斗每一階段的人群數(shù)目，以提升總轉(zhuǎn)化量

第一步：網(wǎng)站再定向

廣告主會(huì)發(fā)現(xiàn)網(wǎng)站內(nèi)再定向帶來的購(gòu)買轉(zhuǎn)化量有限，這是因?yàn)榇蟛糠輳V告主只會(huì)再定向曾經(jīng)將商品加入購(gòu)物車的訪客。要想提升網(wǎng)站再定向的效果，最優(yōu)的方法是根據(jù)用戶瀏覽過的頁面進(jìn)行屬性分類，并呈現(xiàn)具有針對(duì)性的內(nèi)容。具體參考下圖：

有了全面的追蹤和分類，再定向受眾數(shù)量的基數(shù)大幅增加。在短短兩個(gè)星期內(nèi)，交易數(shù)量顯著提升，尤其是來自老訪客的成交量更是大幅提升44%。

第二步：搜索再定向(search retargeting)及購(gòu)買第三方受眾分類數(shù)據(jù)

一方面，再定向可以有效地召回老訪客，增大重復(fù)進(jìn)入網(wǎng)站及購(gòu)買的可能性。但同時(shí)，廣告主還應(yīng)該考慮怎么能增加新訪客，以保證轉(zhuǎn)化漏斗有足夠的新增流量。

首先，我們利用搜索關(guān)鍵詞捕捉有興趣的用戶，然后儲(chǔ)存有關(guān)的用戶數(shù)據(jù)，最后，在交易平臺(tái)上將合適的廣告呈現(xiàn)給該用戶。此外，我們還會(huì)關(guān)注第三方受眾分類數(shù)據(jù)中那些有著同樣行為特征的用戶信息，整合在一起進(jìn)行精準(zhǔn)投放。

在進(jìn)行搜索再定向及購(gòu)買受眾數(shù)據(jù)后，新客戶所帶來的成交大幅度上升254%，廣告效果花費(fèi)cpa下降29%，同時(shí)增加該網(wǎng)站整體的瀏覽量。

第三步：利用機(jī)器學(xué)習(xí)(machine learning)進(jìn)一步擴(kuò)大客戶的數(shù)量

用戶來進(jìn)行定位廣告投放。xmo的算法可以對(duì)比客戶的crm消費(fèi)者數(shù)據(jù)與第三方受眾數(shù)據(jù)，并預(yù)測(cè)出哪些網(wǎng)絡(luò)用戶會(huì)有特定的購(gòu)買傾向。在這個(gè)案例中，xmo能通過機(jī)器學(xué)習(xí)來不斷產(chǎn)生新的受眾，平均每周能夠細(xì)分出一個(gè)有著230萬樣本的人群。通過將廣告投放到我們已有的目標(biāo)受眾群和由機(jī)器學(xué)習(xí)鎖定的新目標(biāo)受眾，我們可以看到非常喜人的廣告效果，雖然cpa輕微上升14%，但新客戶成交量大幅增長(zhǎng)26%說明了機(jī)器學(xué)習(xí)能有效地為廣告主發(fā)掘新客戶。

什么是機(jī)器學(xué)習(xí)(machine learning)? (摘自維基百科wikipedia) 機(jī)器學(xué)習(xí)是人工智能的核心，根據(jù)數(shù)據(jù)或以往的經(jīng)驗(yàn)，通過設(shè)計(jì)算法來模擬背后機(jī)制和預(yù)測(cè)行為，并獲取新的數(shù)據(jù)。這是一個(gè)重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身性能的過程。研究者可以

通過機(jī)器學(xué)習(xí)來抓取現(xiàn)有數(shù)據(jù)的特征來預(yù)測(cè)未知的概率分布，找到新的具有相同特征的數(shù)據(jù)并加入庫中。機(jī)器學(xué)習(xí)中最關(guān)鍵的就是開發(fā)出能智能識(shí)別復(fù)雜模式并能智能化決策的算法。

觀點(diǎn)總結(jié)

多渠道數(shù)據(jù)的整合可以在兩方面幫助廣告主提高廣告表現(xiàn)。

首先，此舉可以增加廣告受眾總數(shù)，并會(huì)為廣告主贏得源源不斷的訪問量。第二，多渠道數(shù)據(jù)整合后的定向還能促進(jìn)消費(fèi)者購(gòu)買漏斗的每一個(gè)過程，廣告主通常利用網(wǎng)站再定向技術(shù)來召回“購(gòu)物車放棄者”或者流失的老客戶，但實(shí)際上，廣告主應(yīng)該把注意力放在現(xiàn)有客戶和新客戶的比例。 總而言之，從搜索動(dòng)機(jī)數(shù)據(jù)，到受眾分類數(shù)據(jù)，到最終的機(jī)器學(xué)習(xí)，都能促進(jìn)購(gòu)買漏斗的頂端訪客數(shù)量的增加。結(jié)合上創(chuàng)意的策略定制、精準(zhǔn)的位置選擇，客戶的轉(zhuǎn)化率將會(huì)提高，廣告主也將挖掘出更多的商機(jī)。

有關(guān)大數(shù)據(jù)工作和計(jì)劃及收獲七

職責(zé)：

1、負(fù)責(zé)公司大數(shù)據(jù)平臺(tái)自動(dòng)化運(yùn)維開發(fā)、監(jiān)控和優(yōu)化工作，保障數(shù)據(jù)平臺(tái)服務(wù)的穩(wěn)定性和可用性;

2、負(fù)責(zé)公司hadoop核心技術(shù)組件日常運(yùn)維工作 ;

3、負(fù)責(zé)公司大數(shù)據(jù)平臺(tái)現(xiàn)場(chǎng)故障處理和排查工作;

4、研究大數(shù)據(jù)前沿技術(shù)，改進(jìn)現(xiàn)有系統(tǒng)的服務(wù)和運(yùn)維架構(gòu)，提升系統(tǒng)可靠性和可運(yùn)維性;

任職要求：

1、本科或以上學(xué)歷，計(jì)算機(jī)、軟件工程等相關(guān)專業(yè)，3年以上相關(guān)從業(yè)經(jīng)驗(yàn)

2、精通linux運(yùn)維命令，熟悉linux的維護(hù)和管理，熟悉shell/python腳本開發(fā)，掌握scala/java優(yōu)先;

3、熟悉大數(shù)據(jù)項(xiàng)目實(shí)施：包括不限于kafka、hadoop、hive、hbase、spark等大數(shù)據(jù)生態(tài)的平臺(tái)搭建，監(jiān)控和調(diào)優(yōu);

4、良好團(tuán)隊(duì)精神服務(wù)意識(shí)，溝通協(xié)調(diào)能力;

有關(guān)大數(shù)據(jù)工作和計(jì)劃及收獲八

高校教育大數(shù)據(jù)的分析挖掘與利用

摘 要,本文從高校教育大數(shù)據(jù)的匯聚融合與挖掘應(yīng)用的角度,分析了如何運(yùn)用教育大數(shù)據(jù)技術(shù)推動(dòng)大學(xué)管理和人才培養(yǎng)的創(chuàng)新改革的思路和方法。首先,分析了教育大數(shù)據(jù)對(duì)高校現(xiàn)代化、精細(xì)化、規(guī)范化管理的4個(gè)價(jià)值,其次,給出了高等教育大數(shù)據(jù)技術(shù)平臺(tái)的基本技術(shù)架構(gòu),第三,結(jié)合教育大數(shù)據(jù)實(shí)際應(yīng)用,介紹了陜西省高等教育質(zhì)量監(jiān)管大數(shù)據(jù)中心、mooc中國(guó)、西安交通大學(xué)教學(xué)質(zhì)量綜合監(jiān)控與評(píng)價(jià)三個(gè)典型案例,最后,提出了教育大數(shù)據(jù)分析挖掘中的3項(xiàng)基礎(chǔ)性關(guān)鍵技術(shù)

關(guān)鍵詞,高等教育,大數(shù)據(jù),分析,挖掘

高校大數(shù)據(jù)分析挖掘至少有四個(gè)典型價(jià)值, 一是使得大學(xué)的管理更加精準(zhǔn)高效,可以朝著智慧治理、分類管理、過程監(jiān)控、趨勢(shì)預(yù)測(cè)、風(fēng)險(xiǎn)預(yù)警的方向發(fā)展,真正實(shí)現(xiàn)基于大數(shù)據(jù)分析規(guī)律的精準(zhǔn)治理,改變管理的模糊性, 二是可以更加準(zhǔn)確地分析評(píng)價(jià)課堂教學(xué)的質(zhì)量,過去我們對(duì)課堂、對(duì)老師的評(píng)價(jià)是定性和模糊的,而在大數(shù)據(jù)智慧課堂的模式下,可以真正實(shí)現(xiàn)采集樣本的持久化,采集方式

的多元化,挖掘手段的多樣化,分析技術(shù)多維度,通過這些方式可以提高課堂教學(xué)的質(zhì)量, 三是使得教和學(xué)更加智慧,更加有效。對(duì)學(xué)生來說,老師可以了解學(xué)生學(xué)習(xí)的進(jìn)展情況,發(fā)現(xiàn)學(xué)習(xí)興趣點(diǎn),以及對(duì)老師講的哪些內(nèi)容理解或者不理解,學(xué)習(xí)路徑分析及課程推薦等等。對(duì)教師而言,不僅可以跨校跨地域分享他人的優(yōu)秀課程,而且可以對(duì)學(xué)習(xí)者進(jìn)行精準(zhǔn)分類,進(jìn)行個(gè)性化指導(dǎo), 四是資源服務(wù)的個(gè)性化、精準(zhǔn)化推薦與服務(wù),學(xué)習(xí)績(jī)效的個(gè)性化評(píng)價(jià),以及個(gè)性化教學(xué)管理,個(gè)性化手機(jī)內(nèi)容推送等等,這些功能將有效提升教與學(xué)的效率和質(zhì)量

首先,我們對(duì)高等教育大數(shù)據(jù)技術(shù)平臺(tái)有一個(gè)總體的頂層設(shè)計(jì),如圖1所示。這不僅是學(xué)校自己要有一個(gè)大數(shù)據(jù)的管理平臺(tái)或者是數(shù)據(jù)中心,而且也是面向區(qū)域乃至全國(guó)的平臺(tái)。教育部評(píng)估中心正在努力建立國(guó)家級(jí)高等教育教學(xué)質(zhì)量監(jiān)控大數(shù)據(jù)中心,陜西省也是這樣考慮的。數(shù)據(jù)來自高校、教育管理部門以及行業(yè)、第三方、企業(yè)用人單位等等各方面采集的數(shù)據(jù),該數(shù)據(jù)平臺(tái)既有大學(xué)的業(yè)務(wù)數(shù)據(jù)、課程資源,也有政府部門的統(tǒng)計(jì)數(shù)據(jù),還有學(xué)生網(wǎng)上學(xué)習(xí)的日志數(shù)據(jù),用戶產(chǎn)生的ugc數(shù)據(jù),比如微信、微博、論壇等等的數(shù)據(jù),基于大數(shù)據(jù)平臺(tái),開展面向?qū)W習(xí)者、面向高等教育管理機(jī)構(gòu)、教師、高校等提供服務(wù),并和教育部評(píng)估中心、主管部門等

進(jìn)行數(shù)據(jù)交換與對(duì)接

顯然,這樣一個(gè)大數(shù)據(jù)平臺(tái)必須是一個(gè)高性能的計(jì)算平臺(tái),沒有這樣的基礎(chǔ)設(shè)施一切無從談起,所以去年我們學(xué)校花了很大的力氣做了兩件事,一個(gè)是把校內(nèi)二級(jí)單位原來小的集群計(jì)算進(jìn)行整合,形成學(xué)校統(tǒng)一的高性能云計(jì)算平臺(tái),既面向校內(nèi)的科學(xué)研究、人才培養(yǎng)提供服務(wù),其實(shí)也可以為社會(huì)提供合作共建共享模式。目前,我們已建立了一種自我造血機(jī)制,四兩撥千斤,以這個(gè)平臺(tái)吸引更多的外部資源,努力擴(kuò)展平臺(tái)的性能和應(yīng)用

目前,我校的高性能平臺(tái)除了應(yīng)用于材料、航天、能動(dòng)、信息等大型科學(xué)計(jì)算之外,還開展了以下三項(xiàng)典型的大數(shù)據(jù)應(yīng)用

案例1,陜西省高等教育質(zhì)量監(jiān)控與評(píng)估大數(shù)據(jù)應(yīng)用

圖2所示的是陜西省高等教育的整體架構(gòu)。其數(shù)據(jù)基礎(chǔ)是來自陜西省100多所高校的各種辦學(xué)狀態(tài)數(shù)據(jù),有將近700個(gè)表格,以及陜西省教育廳各個(gè)職能部處的各種各樣的管理數(shù)據(jù),此外還有行業(yè)第三方提供的數(shù)據(jù),包括招生、就業(yè)數(shù)據(jù)等等,這個(gè)平臺(tái)上我們開展預(yù)測(cè)預(yù)警、查詢?cè)诰€分析、信息發(fā)布、統(tǒng)計(jì)決策等等,主要是為省級(jí)教育管理部門、評(píng)估機(jī)構(gòu)、教育管理機(jī)構(gòu)提供各種各樣的辦學(xué)狀況的分析、統(tǒng)計(jì)、關(guān)聯(lián)分析

建設(shè)全省高等教育大數(shù)據(jù)服務(wù)平臺(tái),實(shí)時(shí)采集各高校的辦學(xué)狀態(tài)數(shù)據(jù),其根本目的是為了匯聚全省各高校的辦學(xué)狀態(tài)數(shù)據(jù),打破數(shù)據(jù)孤島,融合各方數(shù)據(jù),實(shí)現(xiàn)橫向關(guān)聯(lián)比較、縱向歷史分析,提供精準(zhǔn)服務(wù),支持科學(xué)決策

首先,該平臺(tái)面向省教育廳提供了11項(xiàng)功能,從根本上解決了原來各處室間的數(shù)據(jù)孤島的問題,實(shí)現(xiàn)了數(shù)據(jù)融合,橫向關(guān)聯(lián),縱向融通,這個(gè)數(shù)據(jù)和各個(gè)高校是實(shí)時(shí)融通的,為省教育廳領(lǐng)導(dǎo)和職能部處提供了領(lǐng)導(dǎo)儀表盤、各職能處室的專項(xiàng)服務(wù)、81張高基表及年報(bào)年鑒表格的自動(dòng)生成、績(jī)效分析、招生就業(yè)及辦學(xué)指標(biāo)計(jì)算、教育評(píng)估等功能,從根本上解決了數(shù)據(jù)碎片化及其治理問題

其次,面向全省高校輔助決策,為高校領(lǐng)導(dǎo)以及校內(nèi)各個(gè)職能部處提供了系列功能,包括辦學(xué)情況綜合分析和在線查詢,專業(yè)結(jié)構(gòu)分析比較,校級(jí)的教學(xué)質(zhì)量監(jiān)控評(píng)測(cè)體系,教師管理等等,這些功能非常實(shí)用,這是大學(xué)實(shí)現(xiàn)精細(xì)化、規(guī)范化、現(xiàn)代化管理的必備基礎(chǔ)。以我校為例,我們過去教師的數(shù)據(jù)可能在人事處、教務(wù)處、科研院等學(xué)校的職能部門,采取本平臺(tái)以后,把教師有關(guān)的所有數(shù)據(jù)都進(jìn)行了融合,打通了所有原來割裂的數(shù)據(jù)。從去年開始,我們學(xué)校的職稱評(píng)聘,年度考核全部基于這一平臺(tái),全部在大數(shù)據(jù)里,建立健全了基于數(shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)化服務(wù),解決了數(shù)據(jù)碎片化歷史遺留問題,實(shí)現(xiàn)了從管理信息化向服務(wù)信息化的根本轉(zhuǎn)變

第三,為本科教育教學(xué)評(píng)估及專業(yè)認(rèn)證提供技術(shù)支撐。鑒于本平臺(tái)能提供比較全面的高校辦學(xué)狀態(tài)數(shù)據(jù),便于專家在進(jìn)校之前全面系統(tǒng)地掌握學(xué)校辦學(xué)的情況,找到問題,精準(zhǔn)查看驗(yàn)證,提高效率,給高等教育評(píng)估提供了重要支持。基于本平臺(tái),我們成立了中國(guó)西部高等教育評(píng)估中心,接受陜西省教育廳指派的省屬本科高校的審核評(píng)估和專業(yè)論證。如果沒有這一高等教育大數(shù)據(jù)平臺(tái)的支撐,工作量和難度是極其巨大的,甚至難以實(shí)現(xiàn)

案例2,mooc中國(guó)技術(shù)平臺(tái)

mooc中國(guó)成立于2015年1月,到目前為止已經(jīng)有121所高校加入,理事單位40家,會(huì)員單位80家。該平臺(tái)的宗旨是,做政府想做的,做社會(huì)愿意做的,做單一高校做不了的事情。例如,真正解決校際資源共享、學(xué)分互認(rèn)等,開拓遠(yuǎn)程教育國(guó)際化等未來發(fā)展的難題。 圖3給出了mooc中國(guó)的技術(shù)框架。其核心是互聯(lián)網(wǎng)+教育,實(shí)現(xiàn)互聯(lián)網(wǎng)教育從1.0到2.0的升級(jí)。基于這一平臺(tái),既要開展網(wǎng)絡(luò)教育業(yè)務(wù)的國(guó)際化,比如我們牽頭成立的“絲路大學(xué)聯(lián)盟”,其目的之一是借助mooc中國(guó)平臺(tái),實(shí)現(xiàn)網(wǎng)絡(luò)教育業(yè)務(wù)的國(guó)際化,通過mooc中國(guó)平臺(tái),面向“一帶一路”國(guó)家開展開放教育和技能培訓(xùn)

到目前為止,mooc中國(guó)已經(jīng)有了9911門課程,用戶將近600萬,其中光it培訓(xùn)的有500多萬,學(xué)歷教育在讀

學(xué)生50多萬

案例3,西安交大教育教學(xué)大數(shù)據(jù)分析挖掘與應(yīng)用

學(xué)校非常重視教育信息化技術(shù)融入和應(yīng)用到教育教學(xué)之中,去年一次性建成了80個(gè)智能教室,把物聯(lián)網(wǎng)技術(shù)、云計(jì)算技術(shù)應(yīng)用于智能教室和教學(xué)一線,基于物聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)教室設(shè)備的集中管理、智能控制,同時(shí),將互聯(lián)網(wǎng)技術(shù)深度融入到教室的管理當(dāng)中,除了多媒體的直播錄制功能以外,還提供了學(xué)生考勤和專家的精準(zhǔn)督導(dǎo),通過云平臺(tái)來集中管理各個(gè)教室,比如說開投影機(jī)、關(guān)電源、關(guān)多媒體設(shè)備等等,都可以通過后端的云平臺(tái)集中管控,真正實(shí)現(xiàn)教室管理的數(shù)字化、智能化、精細(xì)化,提升了教學(xué)保障的能力,也大大提高了教室管理的效率。更重要的是,這些教學(xué)的過程數(shù)據(jù)可以全程采集下來,獲得數(shù)據(jù),有了這些數(shù)據(jù),就可以做精準(zhǔn)化分析服務(wù),建立西安交大教學(xué)質(zhì)量大數(shù)據(jù)監(jiān)測(cè)中心 目前,我校的教學(xué)大數(shù)據(jù)主要包括兩大部分,一是教師在授課過程中的全程錄制的課堂實(shí)況,二是學(xué)生在學(xué)習(xí)過程中產(chǎn)生的大量日志數(shù)據(jù)。基于這個(gè)平臺(tái),我們可以開展教育教學(xué)的大數(shù)據(jù)關(guān)聯(lián)分析,開展課堂教學(xué)質(zhì)量的綜合評(píng)價(jià),實(shí)現(xiàn)正面激勵(lì)、負(fù)面懲戒、精準(zhǔn)督導(dǎo),實(shí)現(xiàn)教學(xué)評(píng)價(jià)從模糊宏觀到量化精準(zhǔn)、從每學(xué)期制到持續(xù)常態(tài)、從部分隨機(jī)到全面覆蓋、從事后評(píng)價(jià)到實(shí)時(shí)動(dòng)態(tài)的根本轉(zhuǎn)變。通過評(píng)價(jià)激勵(lì)老師敬畏課堂,評(píng)選精品課堂、示范課堂,在全校內(nèi)進(jìn)行正面

表彰,另外也作為教學(xué)質(zhì)量評(píng)價(jià)的重要依據(jù),包括教師的職稱晉升,評(píng)選最喜愛的老師等等

此外,本系統(tǒng)還為學(xué)院領(lǐng)導(dǎo)和管理部門提供了針對(duì)性的信息服務(wù)與決策支持,以數(shù)據(jù)說話,量化分析,改變了以前我們的模糊評(píng)價(jià),采取多維度、全覆蓋、持續(xù)化、精細(xì)化的過程評(píng)價(jià)與監(jiān)控

首先,介紹一下大數(shù)據(jù)人工智能的基本原理。前段時(shí)間,alphago戰(zhàn)勝世界圍棋冠軍這一故事炒得很熱。這對(duì)我們的教育科研工作者提出了一個(gè)重要的課題,到底人工智能會(huì)不會(huì)戰(zhàn)勝人類的智能,將來教師存在的主要價(jià)值是否還有必要,863計(jì)劃正在研究一個(gè)項(xiàng)目,到2020年,人工智能軟件參加高考得分要超過一本線,這就是說,計(jì)算機(jī)教出來的機(jī)器軟件參加高考都能達(dá)到一本線以上。這就引起我們的思考,這是一個(gè)深層次的方向性問題。當(dāng)然我們今天不是談這個(gè)問題,而是我們要看看alphago的原理,其核心是價(jià)值計(jì)算函數(shù),用收益函數(shù)來判斷圍棋下一步該落子到哪里其收益是最大的,其中采用了人工智能深度學(xué)習(xí)方法。alphago并非天生聰明,其實(shí)他的智慧是分三步完成的, 第一步,給alphago輸入了3000萬個(gè)人類圍棋高手的棋譜和走法,任何一個(gè)人是不可能記住3000萬個(gè)棋局的,只有人工智能才能記住 第二步,alphago自己和自己對(duì)弈,在對(duì)弈過程中找到自己的薄弱點(diǎn),進(jìn)而改進(jìn)和完善,這其實(shí)和人的學(xué)習(xí)原理類似

第三步,才是人機(jī)對(duì)弈,從職業(yè)選手到世界圍棋冠軍,通過這樣不斷的對(duì)弈完善算法,校正學(xué)習(xí),使得alphago具有強(qiáng)大的智能計(jì)算能力。alphago的難點(diǎn)在哪,其關(guān)鍵在于在一個(gè)巨大的落子空間選一個(gè)最大的收益點(diǎn),或者落子點(diǎn),稱之為movepicker,,函數(shù),這個(gè)空間很大,有10170次方,在如此龐大的計(jì)算空間中選擇最優(yōu)函數(shù),只能依靠高性能計(jì)算平臺(tái)

alphago為我們研究大數(shù)據(jù)問題提供了思路和啟發(fā)。我們?cè)谘芯拷逃髷?shù)據(jù)問題中需要著力攻克以下理論與技術(shù)難題

第一,大數(shù)據(jù)造成了嚴(yán)重的認(rèn)知碎片化問題。比如,大家在百度搜糖尿病會(huì)檢索出4440萬個(gè)數(shù)據(jù)源,誰也看不過來,并且里面還有一大堆真假難辯的數(shù)據(jù)。所以,碎片化知識(shí)的聚合是一個(gè)非常基礎(chǔ)的難題,高度的碎片化降低了知識(shí)的可用性,造成了分布性、動(dòng)態(tài)化、低質(zhì)化、無序化等典型的問題

一方面是知識(shí)的碎片化,另一方面是每個(gè)人的興趣和需求還不一樣。所以,資源的碎片化整合以及個(gè)性化推薦是今后人工智能中的關(guān)鍵問題。我們的思路是,一方面,我們要

從資源的角度把無序、分散、低質(zhì)的資源進(jìn)一步重組以后形成知識(shí)點(diǎn),形成有序的知識(shí)地圖,另一方面,要對(duì)學(xué)習(xí)過程進(jìn)行跟蹤,實(shí)現(xiàn)興趣、個(gè)性、情感等方面的動(dòng)態(tài)分析與挖掘,兩者結(jié)合起來,建立基于用戶興趣和個(gè)性的資源推薦,最后實(shí)現(xiàn)個(gè)性化精準(zhǔn)過濾,通過知識(shí)地圖面向用戶提供導(dǎo)航學(xué)習(xí),從而緩碎片化知識(shí)的問題。開展這一研究也要建立龐大的基礎(chǔ)數(shù)據(jù),就像剛才講的alphago,光靠智能軟件肯定不可能那么聰明,需要建立龐大的知識(shí)地圖、知識(shí)圖譜,并將其放到了國(guó)際開源社區(qū)和開放數(shù)據(jù)平臺(tái)之上 第二,碎片化知識(shí)的聚合問題。其目的是解決“既見樹木,又見森林”的問題,破解“學(xué)習(xí)迷航”、“認(rèn)知過載”的問題。我們正在承擔(dān)國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目,研究如何將多源、片面、無序的碎片化知識(shí)聚合成符合人類認(rèn)知的知識(shí)森林,找出主題與主題之間的認(rèn)知關(guān)系,最后形成一個(gè)知識(shí)森林,其中需要解決主題分面樹的生成、碎片化知識(shí)的裝配、知識(shí)森林生成、學(xué)習(xí)路徑選擇與導(dǎo)航等有關(guān)知識(shí)地圖、知識(shí)圖譜構(gòu)建與應(yīng)用等許多基礎(chǔ)性關(guān)鍵技術(shù)

第三,學(xué)習(xí)行為的分析和挖掘技術(shù)。網(wǎng)上學(xué)習(xí)最大的好處我們可以把教師和學(xué)生所有的教與學(xué)的行為記錄下來,討論、作業(yè)、習(xí)題、筆記及進(jìn)度記錄下來,有了這些數(shù)據(jù),我們可以進(jìn)行后續(xù)分析,開展學(xué)習(xí)行為的特征識(shí)別和規(guī)律發(fā)現(xiàn)等等,既可以跟蹤挖掘某個(gè)個(gè)體的學(xué)習(xí)規(guī)律,也可以找出一

個(gè)群體、一個(gè)小組的特征和規(guī)律。針對(duì)不同的課程,開展課程點(diǎn)擊率、學(xué)習(xí)人群、知識(shí)關(guān)注點(diǎn)、學(xué)習(xí)時(shí)間等的分析與跟蹤,刻畫一個(gè)學(xué)生學(xué)習(xí)的過程,從時(shí)間、空間和課程知識(shí)導(dǎo)航的角度,甚至圍繞某個(gè)知識(shí)點(diǎn),研究學(xué)習(xí)者的特征、行為、交互等相互之間的關(guān)系,為老師深化課程改革、探索以學(xué)生為中心的教學(xué)設(shè)計(jì)具有非常重要的意義

教育是全人類、全社會(huì)發(fā)展的基礎(chǔ)性事業(yè),隨著互聯(lián)網(wǎng)+技術(shù)全面滲透和深度融入教育教學(xué),不僅產(chǎn)生了大量的課程資源和學(xué)習(xí)內(nèi)容,而且還產(chǎn)生了巨量的教育教學(xué)管理數(shù)據(jù)、行為數(shù)據(jù)、服務(wù)數(shù)據(jù),蘊(yùn)藏著巨大的價(jià)值,亟需我們開展深入研究,可謂前景廣闊,挑戰(zhàn)巨大，

,編輯,王曉明,

有關(guān)大數(shù)據(jù)工作和計(jì)劃及收獲九

職責(zé)：

1、負(fù)責(zé)公司的大數(shù)據(jù)平臺(tái)的數(shù)倉架構(gòu)、系統(tǒng)架構(gòu)設(shè)計(jì);

2、負(fù)責(zé)帶領(lǐng)團(tuán)隊(duì)完成輿情分析相關(guān)的挖掘方案設(shè)計(jì);

3、負(fù)責(zé)大數(shù)據(jù)研發(fā)組團(tuán)隊(duì)管理;

4、負(fù)責(zé)帶領(lǐng)團(tuán)隊(duì)完成輿情平臺(tái)的方案文檔撰寫、迭代開發(fā);

5、負(fù)責(zé)研發(fā)規(guī)范制定，研究行業(yè)前沿技術(shù);

6、參與產(chǎn)品規(guī)劃及設(shè)計(jì)討論。

任職要求：

1、本科五年工作經(jīng)驗(yàn)及以上，有至少五年的大數(shù)據(jù)技術(shù)實(shí)踐經(jīng)驗(yàn)，有nlp或ai相關(guān)經(jīng)驗(yàn);

2、有很強(qiáng)的架構(gòu)設(shè)計(jì)能力和良好的表達(dá)能力;

3、有一定的項(xiàng)目管理及團(tuán)隊(duì)管理能力;

4、精通hadoop、spark生態(tài)圈中的常用組件原理及應(yīng)用;

6、理解媒體業(yè)務(wù)，精通數(shù)據(jù)倉庫的規(guī)劃和設(shè)計(jì);

5、精通掌握java或python編程，有性能調(diào)優(yōu)能力;

4、熟悉nlp算法原理及應(yīng)用;

6、對(duì)新生事物或者新技術(shù)有濃厚興趣，學(xué)習(xí)能力強(qiáng)。

有關(guān)大數(shù)據(jù)工作和計(jì)劃及收獲十

職責(zé)：

1. 負(fù)責(zé)大數(shù)據(jù)基礎(chǔ)和應(yīng)用平臺(tái)的整體規(guī)劃和架構(gòu)設(shè)計(jì)，參與需求分析，架構(gòu)設(shè)計(jì)，詳細(xì)設(shè)計(jì)以及技術(shù)選型決策

2. 參與數(shù)據(jù)挖掘和建模相關(guān)核心算法的代碼實(shí)現(xiàn)

3. 負(fù)責(zé)大數(shù)據(jù)算法平臺(tái)的技術(shù)把關(guān)，性能調(diào)優(yōu)，控制架構(gòu)質(zhì)量，解決項(xiàng)目技術(shù)難題;對(duì)研發(fā)項(xiàng)目和任務(wù)需求進(jìn)行評(píng)估和方案設(shè)計(jì)、拆分任務(wù)并指導(dǎo)工程師完成開發(fā)

4. 帶領(lǐng)團(tuán)隊(duì)提供并實(shí)現(xiàn)大數(shù)據(jù)算法平臺(tái)上各項(xiàng)數(shù)據(jù)接入、數(shù)據(jù)挖掘分析及數(shù)據(jù)可視化的架構(gòu)設(shè)計(jì)與能力，支持解決方案實(shí)施

5. 負(fù)責(zé)數(shù)據(jù)庫設(shè)計(jì)、應(yīng)用架構(gòu)設(shè)計(jì)、核心技術(shù)選型等工作

6. 協(xié)調(diào)解決開發(fā)中的技術(shù)問題、設(shè)計(jì)和監(jiān)控運(yùn)營(yíng)指標(biāo)，保障系統(tǒng)穩(wěn)定運(yùn)行

7. 培養(yǎng)，指導(dǎo)有能力的員工，指導(dǎo)工程師進(jìn)行技術(shù)驗(yàn)證實(shí)現(xiàn)，核心技術(shù)攻關(guān)，解決開發(fā)過程中的技術(shù)難題

任職要求：

1. 熟悉大數(shù)據(jù)和數(shù)據(jù)倉庫的系統(tǒng)架構(gòu)設(shè)計(jì)方法

2. 熟練使用并理解hadoopspark架構(gòu)及生態(tài)。(hadoop，hive，hbase，elasticsearch，kafka，sparkflink等)

3. 熟悉分布式系統(tǒng)架構(gòu)，有分布式實(shí)時(shí)、離線和機(jī)器學(xué)習(xí)平臺(tái)的架構(gòu)和開發(fā)經(jīng)驗(yàn)，具備海量數(shù)據(jù)清洗、分析處理及存儲(chǔ)的實(shí)踐經(jīng)驗(yàn)

4. 熟練使用java，具有大規(guī)模分布式系統(tǒng)調(diào)優(yōu)經(jīng)驗(yàn)

5. 熟悉ai相關(guān)算法，熟悉機(jī)器學(xué)習(xí)、深度學(xué)習(xí)。熟悉ai學(xué)習(xí)開源框架(tensorflow、pytorch等)者優(yōu)先;

6. 具備良好的團(tuán)隊(duì)合作精神，對(duì)工作充滿激情。

7. 熟悉fusioninsight平臺(tái)開發(fā)經(jīng)驗(yàn)者優(yōu)先