Python与数据分析实战-13天

  培训讲师：刘晖

讲师背景：
刘晖老师通信行业特约培训导师【专业资质】✦北大计算机、北邮通信双学位✦（原）中兴通讯学院高级讲师✦大庆油田技术研究院高级内训讲师✦15年嵌入式硬件、软件开发和系统架构设计总监✦有8年多的“云大智物”开发及实施经验。曾供职于巨龙通信、大唐电信 详细>>

刘晖
  下载需求表  填写需求表  在线咨询
    课程咨询电话：

Python与数据分析实战-13天详细内容

Python与数据分析实战-13天

【匹配关键知识点】

Python语言入门，Python网络编程、爬虫与机器学习，Python数据分析案例分享，基于spark集群的python数据分析实战等内容。

【课程时间】

13天（8小时/天）

【课程简介】

随着大数据时代的快速到来，以及大数据在生产生活中迅速应用，大数据领域如雨后春笋般的出现大量的新技术，如Hadoop、Spark等技术，其中Python语言已经成为大数据技术中最为重要的一部分，被越来越多的企业所使用。Python语言的功能涵盖了大数据领域的数据处理、统计分析、数据挖掘、机器学习、人工智能、大数据应用开发等各种不同类型的计算操作，应用范围广泛、前景非常广阔。本课程是尹老师多年工作经验的总结和归纳，从实际业务案例为入口，使学员从理论层到实操层面系统的学习数据处理技术，使学员深入理解Python语言等数据分析工具。通过本课程的学习，学员即可以正确的分析企业的数据，为管理者、决策层提供数据支撑。

【课程收益】

1、Python语言入门；

2、Python网络编程；

3、Python网络爬虫；

4、Python机器学习；

5、Python数据分析案例分享；

6、基于spark集群的python数据分析实战；

【课程特点】

Python语言入门，Python网络编程、爬虫与机器学习，Python数据分析案例分享，基于spark集群的python数据分析实战等内容。

【课程对象】

     数据分析师、技术经理、产品经理、产品助理等

     将承担数据分析师职责的业务人员或信息化人员

     希望加强数据分析能力的软件开发人员

     系统集成企业售前工程师、售前顾问及方案制作人员

【学员基础】

     具有2年以IT部门工作经验，将负责数据分析等相关任务的技术人员

【课程大纲】（13天*8小时）

时间

内容

案例实践与练习

Day1~Day3

Python语言入门

  1. Python语言基础知识（介绍Python语言基础知识，包括Python语言数据类型、基础概念等）
  2. Python语言历史与趋势剖析
  3. Python语言安装
  4. 如何运行Python程序
  5. PyCharm开发环境介绍
  6. Anaconda3开发环境介绍（以Anaconda3作为程序演示环境，Python3作为演示语言）
  7. Python语言help()命令
  8. Python基本命令
  9. 变量(Variables)
  10. 表达式(Expressions)
  11. 基本数据类型
  12. 字符串与正则表达式
  13. Python条件表达式
  14. 循环（loops）
  15. 案例实战：正则表达式在爬虫中应用实例
  16. Python数据结构
  17. Python创建数组
  18. Python矩阵运算
  19. Python语言语法结构
  20. 案例：Python语言实现运营商数据分析处理

 

  1. Python函数（深入Python函数的编写语言）
  2. Python函数介绍
  3. 数据分析与建模过程
  4. Python语言定义函数规则
  5. Python语言自定义函数
  6. Python匿名函数
  7. Python内置函数
  8. Python函数案例

 

  1. Python类（class）（深入剖析Python类的原理）
  2. 类（class）介绍
  3. Python多重继承
  4. Python不支持函数重载
  5. Class and Instance Variables
  6. Method Objects
  7. Python类编写案例实战

 

  1. Python异常处理(Exceptions)（深入剖析Python异常处理）
  2. 异常处理(Exceptions)简介
  3. Python标准异常类
  4. Python异常类编程案例实战（爬虫实例）

 

  1. Python模块 (Modules)（深入剖析模块 (Modules)）
  2. Python模块 (Modules)介绍
  3. Python自定义模块
  4. Python模块的导入与添加
  5. Python标准函数库模块
  6. Python第三方模块

 

  1. Python文件读写（深入剖析Python文件读写）
  2. Python文件读写简介
  3. Python读写方法介绍
  4. Python读写文本文件
  5. Python读写二进制文件
  6. Python读写json文件
  7. Python读写xml文件

 

  1. Python操作关系型数据库（深入剖析Python操作关系型数据）
  2. Python2安装MySQL Connector 
  3. Python3安装MySQL Connector
  4. Python语言操作数据库
  5. Python语言数据库优化
  6. 案例：Python语言实现话务数据时间序列建模

案例练习：通过Python语言实现运营商数据分析处理案例的剖析数据分析过程，体会数据分析的难点和要点。

 

研讨：Python语言实现运营商数据分析处理

Day4～Day5

Python网络编程

 

  1. 多线程编程 (用实战实例介绍如何实现多线程) 
  2. Python开发多线程的原理
  3. 多线程创建
  4. 线程锁
  5. 网络应用程序编程
  6. 实例：比如生成发送电子邮件

 

 

  1. Python网络编程（介绍Python网络编程）
  2. TCP/IP网络介绍
  3. Socket基础知识
  4. Socket客户端服务器连接
  5. 案例：聊天功能实战

 

  1. Python Web开发实战（介绍Python Web实战）
  2. Python Web开发
  3. Django框架介绍
  4. 定义和使用模型
  5. Django MVC架构
  6. Django开发环境搭建
  7. Django Session应用
  8. Django框架应用
  9. Django高级应用
  10. 案例：客户通话历史记录查询

案例练习：通过案例的剖析数据分析过程，体会数据分析的难点和要点。

 

研讨：网络编程

Day6~Day7

Python网络爬虫

 

  1. Python基础知识和网络程序基础知识（介绍Python基础知识和网络程序基础知识）
  2. Python语言简介
  3. Python开发环境搭建和选择
  4. IO编程
  5. 进程和多线程基础知识
  6. 网络编程和TCP协议

 

  1. Web前端基础知识（介绍Web前端基础知识）
  2. Web程序的结构
  3. Web前端的内容
  4. HTML
  5. CSS
  6. JavaScript
  7. XPath
  8. Json
  9. HTTP协议标准
  10. HTTP头和主体
  11. Cookie信息

 

  1. 网络爬虫基础知识（介绍网络爬虫基础知识）
  2. 网络爬虫概述
  3. 网络爬虫及其应用
  4. 网络爬虫结构
  5. HTTP请求的Python实现
  6. urllib2/urllib实现
  7. httplib/urllib实现
  8. 更人性化的Requests

 

  1. HTML解析（HTML解析原理介绍）
  2. 初识Firebug
  3. 安装和配置Firebug
  4. 正则表达式
  5. 基本语法与使用
  6. Python中使用正则表达式
  7. BeautifulSoup概述
  8. 安装和配置BeautifulSoup
  9. BeautifulSoup的使用
  10. lxml的XPath解析

 

  1. 基本的爬虫程序开发（介绍基本的爬虫程序开发）
  2. 基础爬虫架构及运行流程
  3. URL管理器
  4. HTML下载器
  5. HTML解析器
  6. 数据存储器
  7. 爬虫调度器

 

  1. 协议分析（协议分析）
  2. Web端协议分析
  3. 网页登录POST分析
  4. 隐藏表单分析
  5. 加密数据分析
  6. 验证码问题
  7. IP代理
  8. Cookie登录
  9. 传统验证码识别
  10. 人工打码
  11. 滑动验证码
  12. PC客户端抓包分析
  13. HTTPAnalyzer简介
  14. 虾米音乐PC端API实战分析
  15. App抓包分析
  16. Wireshark简介
  17. 酷我听书App端API实战分析
  18. API爬虫：爬取mp3资源信息

 

  1. Scrapy爬虫框架（介绍Scrapy爬虫框架）
  2. Scrapy爬虫架构
  3. 安装Scrapy
  4. 创建cnblogs项目
  5. 创建爬虫模块
  6. 定义Item
  7. 翻页功能
  8. 构建ItemPipeline
  9. 内置数据存储
  10. 启动爬虫
  11. 强化爬虫
  12. 调试方法
  13. 异常
  14. 控制运行状态
  15. ItemLoader
  16. Item与ItemLoader
  17. 输入与输出处理器
  18. ItemLoaderContext?
  19. 请求与响应
  20. 下载器中间件
  21. Spider中间件
  22. 扩展
  23. 突破反爬虫

案例研讨：通过案例的剖析数据分析过程，体会数据分析的难点和要点。

 

研讨：网络爬虫的实现

Day8

Python的NumPy模块

  1. NumPy 安装
  2. NumPy Ndarray 对象
  3. NumPy 数据类型
  4. NumPy 数组属性
  5. NumPy 创建数组
  6. NumPy 从已有的数组创建数组
  7. NumPy 从数值范围创建数组
  8. NumPy 切片和索引
  9. NumPy 高级索引
  10. NumPy 广播(Broadcast)
  11. NumPy 迭代数组
  12. Numpy 数组操作
  13. NumPy 位运算
  14. NumPy 字符串函数
  15. NumPy 数学函数
  16. NumPy 算术函数
  17. NumPy 统计函数
  18. NumPy 排序、条件刷选函数
  19. NumPy 字节交换
  20. NumPy 副本和视图
  21. NumPy 矩阵库(Matrix)
  22. NumPy 线性代数
  23. NumPy IO
  24. NumPy Matplotlib

案例练习：通过NumPy的案例的剖析数据分析过程，体会数据分析的难点和要点。

 

研讨：NumPy的数据处理

Day9

Python的Pandas模块

  1. Pandas环境安装配置
  2. Pandas数据结构
  3. Pandas快速入门
  4. Pandas系列
  5. Pandas数据帧（DataFrame）
  6. Pandas面板（Panel）
  7. Pandas基本功能
  8. Pandas描述性统计
  9. Pandas函数应用
  10. Pandas重建索引
  11. Pandas迭代
  12. Pandas排序
  13. Pandas字符串和文本数据
  14. Pandas选项和自定义
  15. Pandas索引和选择数据
  16. Pandas统计函数
  17. Pandas窗口函数
  18. Pandas聚合
  19. Pandas缺失数据
  20. Pandas分组（GroupBy）
  21. Pandas合并/连接
  22. Pandas级联
  23. Pandas日期功能
  24. Pandas时间差（Timedelta）
  25. Pandas分类数据
  26. Pandas可视化
  27. Pandas IO工具
  28. Pandas稀疏数据
  29. Pandas注意事项＆窍门
  30. Pandas与SQL比较

案例练习：通过Pandas使用案例的剖析数据分析过程，体会数据分析的难点和要点。

 

研讨：Pandas的使用方法

Day10

Python机器学习

  1. Python平台下的机器学习开发技术（介绍Python平台下的机器学习开发技术）
  2. Python平台下的数据分析工具
  3. Python平台下的数据分析工具概述
  4. NumPy数据处理
  5. NumPy案例
  6. Scipy数值计算
  7. SymPy符号处理
  8. Matplotlib绘制图表
  9. Pandas数据分析、探索工具
  10. Pandas的DataFrame
  11. DataFrame的构造
  12. StatsModels数据统计建模分析
  13. Scikit-Learn机器学习库
  14. Keras人工神经网络
  15. Keras的设计原则
  16. Gensim文本挖掘库
  17. OpenCV计算机视觉库
  18. 案例：Python语言实现基于聚类的图像分割方法

案例练习：通过案例的剖析数据分析过程，体会数据分析的难点和要点。

 

研讨：Python语言实现基于聚类的图像分割方法

Day11

Python机器学习

 

  1. 聚类模型原理与实现（深入剖析聚类原理以及通过Python语言实现聚类算法模型）
  2. 聚类介绍
  3. 聚类算法应用场景
  4. 聚类算法应用案例
  5. 样品间相近性的度量
  6. 快速聚类法
  7. 快速聚类法的步骤
  8. 用Lm距离进行快速聚类
  9. 谱系聚类法
  10. 类间距离及其递推公式
  11. 谱系聚类法的步骤
  12. 变量聚类
  13. K-Means(K均值)聚类
  14. 均值漂移聚类
  15. 基于密度的聚类方法(DBSCAN)
  16. 用高斯混合模型（GMM）的最大期望（EM）聚类
  17. 凝聚层次聚类
  18. 图团体检测(Graph Community Detection)
  19. 案例：Python语言聚类实现及绘图
  20. 案例：Kmeans应用案例剖析
  21. 课堂实操：Python语言实现基于聚类的图像分割方法

 

  1. 决策树模型原理与实现（深入剖析决策树原理以及通过Python语言实现决策树模型）
  2. 决策树介绍
  3. 决策树应用场景
  4. 决策树应用案例
  5. 信息熵
  6. ID3算法
  7. C4.5算法
  8. CART算法
  9. 决策树算法
  10. 剪枝
  11. 过拟合与调参
  12. 决策树算法原理
  13. 决策树法的决策过程
  14. 案例：Python语言实现决策树模型
  15. 课堂实操：Python语言实现决策树模型
  16. 随机森林

案例练习：通过案例的剖析数据分析过程，体会数据分析的难点和要点。

 

研讨： Python语言实现基于聚类的图像分割方法

Day12

Python数据分析案例分享

 

  1. 随机森林模型原理与实现（深入剖析随机森林原理以及通过Python语言实现随机森林模型）
  2. 随机森林介绍
  3. 随机森林的特点
  4. 随机森林的相关基础知识
  5. 信息、熵以及信息增益的概念
  6. 随机森林的生成
  7. 随机森林算法
  8. 随机森林算法原理
  9. 袋外错误率（oob error）
  10. 随机森林应用场景
  11. 随机森林应用案例
  12. 案例：Python语言实现随机森林模型
  13. 课堂实操：Python语言实现随机森林模型
  14. xgboost

 

  1. 支持向量机模型原理与实现（深入剖析支持向量机算法原理以及通过Python语言实现支持向量机模型）
  2. 支持向量机介绍
  3. 支持向量机应用场景
  4. 支持向量机应用案例
  5. 支持向量机算法
  6. 支持向量机算法原理
  7. 线性可分支持向量机
  8. 间隔最大化和支持向量
  9. 对偶问题求解
  10. 柆格朗日函数
  11. 非线性支持向量机和核函数
    1. 超平面
    2. 线性核
    3. 多项式核
    4. 高斯核
    5. 拉普拉斯核
    6. sigmiod核
  12. 线性支持向量机（软间隔支持向量机）与松弛变量
  13. 松驰因子
  14. 案例：Python语言实现支持向量机模型
  15. 课堂实操：Python语言实现基于SVM的字符识别方法

 

  1. 神经网络模型原理与实现（深入剖析神经网络算法原理以及通过Python语言实现神经网络模型）
  2. 神经网络介绍
  3. 神经网络概念
  4. 神经网络发展历史
  5. 神经网络的别名
  6. 神经网络研究的主要内容
  7. 神经网络基本构成
  8. 神经网络模拟人的智能行为的四个方面
  9. 神经网络的特点
  10. 学习能力
  11. 适应性问题
  12. 神经网络基本网络模型
  13. 单层网络
  14. 多层网络
  15. 循环网络
  16. 基本网络结构特点
  17. 典型训练算法
  18. 运行方式
  19. 典型问题解决方法
  20. 感知机
  21. 线性神经网络
  22. BP神经网络
  23. RBF网络
  24. 竞争网络
  25. 反馈神经网络
  26. 随机神经网络
  27. 遗传算法
  28. PSO与神经网络优化
  29. 自定义深度神经网络结构
  30. 深度神经网络的优化方法
  31. 深度框架的损失函数
  32. 课堂实操：Python语言实现基于神经网络的人脸识别方法

案例练习：通过案例的剖析数据分析过程，体会数据分析的难点和要点。

 

研讨：Python语言实现基于神经网络的人脸识别方法

Day13

基于spark集群的python数据分析实战

  1. 基于Spark集群的Python的数据分析实战
  2. 基于Python开发Spark 程序概述
  3. 基于Python开发Spark 程序算法库介绍
  4. 基于Python开发Spark 程序架构剖析
  5. 基于Python开发Spark 程序机器学习算法剖析
  6. 数据类型
  7. 基本统计算法
  8. 分类与回归
  9. 协同过滤
  10. 聚类
  11. 降维
  12. 特征提取与转换
  13. 频繁模式挖掘
  14. 评价指标
  15. 基于Python开发Spark 程序编程
  16. 基于Python开发Spark 程序 APIs介绍
  17. 基于Python开发Spark 程序机器学习算法应用实战
  18. 基于Python开发Spark 程序实战案例：数据聚类分析案例剖析

案例练习：通过基于Python开发Spark 程序实战案例：数据聚类分析案例剖析，剖析数据分析过程，体会数据分析的难点和要点。

 

研讨：数据聚类分析案例

 

（5）教学实验

数据分析概述：

1、大数据企业应用障碍分析

数据的产生、导入与预处理：

案例练习：通过数据整理的编程和应用案例的剖析数据分析过程，体会数据分析的难点和要点。

案例练习：通过案例的剖析数据分析过程，体会数据分析的难点和要点。

案例练习：通过淘宝双十一案例的剖析数据分析过程，体会数据分析的难点和要点。

案例研讨：通过数据挖掘案例的剖析数据分析过程，体会数据分析的难点和要点。

研讨：数据挖掘

案例练习：通过企业实践案例的剖析数据分析过程，体会数据分析的难点和要点。

研讨：企业实践案例分享

案例练习：通过数据模型的应用案例剖析案例的剖析数据分析过程，体会数据分析的难点和要点。

研讨：数据模型的应用案例剖析

数据分析与挖掘基础：

1、课堂实操：数据整理的编程和应用

2、企业OLAP模型设计案例剖析

3、实例分享：淘宝双十一

4、实例分享：腾讯QQ

5、实例分享：百度文库

6、实例分享：打车大战

7、实验：Pig的实用案例

8、实验：Hive安装部署

9、实验：Sqoop安装

10、实验：Sqoop Shell

11、实验：FLume大数据架构案例分享及实战演练

12、实验：企业实践案例分享

 

R语言数据分析实战：

1、实验：安装R语言

2、实验：R语言编程案例

3、实验： R语言的绘图功能

4、实操：R和MySQL的交互

5、实操：R和Oracle的交互

6、实操：R和Excel的交互

7、案例：蒙特卡罗模拟的应用

8、案例1：汽车数据描述统计分析

9、案例2：财政收入与税收描述统计分析

10、案例：蒙特卡罗模拟的应用

11、实操：R语言实现蒙特卡罗求圆周率

12、实操：R语言一元线性回归模型检验

13、实操：R语言实现多元线性回归

14、实操：R语言非线性回归

15、案例：用户离网预测

16、案例：中国税收收入增长案例分析

17、案例：新教学方法的效果

18、案例：信用卡违约预测

19、案例分享：文章分类

 

大数据工具介绍之Hadoop：

1、实例分享：马云预测经济危机案例剖析

2、实例分享：双十一亿背后的开源技术

3、实验：Hadoop集群部署

4、实验：CLI操作HDFS

5、实验：Java操作HDFS

6、实验：MapReduce命令操作

7、实验：MapReduce程序打包并在命令行运行

8、实验：动手编写MapReduce程序

 

 

大数据工具介绍之Spark：

1、编程实战：第一个 Scala 程序

2、编程实战：编程Scala程序实例

3、编程实战：Scala函数编程实例

4、编程实战：Scala语言复杂数据类型编程实战

5、编程实战：用SBT对Scala项目打包与发布

6、实验：Spark集群部署

7、实验：Scala编写Spark程序

8、实验：Python编写Spark程序

9、实验：Spark Shell

10、编程实战：Spark基础操作编程实战

11、企业级案例：Spark Streaming与Kafka整合实现数据实时数据分析处理设计与分析

 

Pyspark集群调度与数据处理：

1、编程实战：Spark基础操作编程实战

2、PySpark MLlib实战案例：数据聚类分析案例剖析

3、案例：Python编写Spark大数据程序

 

大数据可视化：

1、可视化案例实战：数据占比柏拉图绘制

2、可视化案例实战：仪表盘制作

3、实验：柏拉图制作

4、实验：仪表盘制作

5、实验：玫瑰图制作

6、实验：热力图制作

7、实验：地图制作

8、实验：文字云制作

9、淘宝24小时生活数据可视化案例

10、无线淘宝数据可视化案例

11、Google公司数据可视化案例

12、Facebook用户画像可视化案例

13、个人用户画像案例

14、如何撰写一份优秀的数据分析报告

 

Python与数据分析实战：

1、案例实战：正则表达式在爬虫中应用实例

2、案例：Python语言实现运营商数据分析处理

3、实验：Python语言自定义函数

4、案例：Python语言实现蒙特卡罗求圆周率

5、课堂实操：数据整理的编程和应用

6、案例：Python语言实现购物蓝关联规则分析

7、课堂实操：Python语言实现随机森林模型

8、课堂实操：Python语言实现金融数据时间序列建模

9、课堂实操：基于余弦相似度的精准营销

10、案例分享：文章分类

11、案例：Python编写Spark大数据程序



 

刘晖老师的其它课程

5G、大数据对于医疗行业发展趋势的影响和指导意义   12.31

【课程特色】1.  课上采用案例式教学，通俗易懂，课下一对一辅导强化训练，学与练交叉进行强化记忆，你所要做的就是认真听，勤于问，乐于练。2.  清晰的知识结构，根据应用经验采用最优化授课模式。3.  内容充沛、详略得当，前后呼应。4.  讲师资历丰富，具有丰富的实践经验。5.  知识讲授+贴身案例+场景故事+互动讨论+现场演练+落地跟踪【课程时间】1天【课程

 讲师：刘晖详情

5G 时代下的绿色智慧物业   12.31

【课程背景】住房和城乡建设部印发的《国家智慧城市试点暂行管理办法》和《国家智慧城市（区、镇）试点指标体系（试行）》两个文件指出：建设智慧城市是创新驱动发展、推动新型城镇化、全面建成小康社会的重要举措。这对于服务于千千万万城市、社区、园区、小区、楼宇，以及工作和生活在其中的业主和客户的物业管理服务业来说，已然迎来最大的发展机遇。物业管理行业不仅是智慧社区的受益

 讲师：刘晖详情

5G+智慧煤矿   12.31

【课程特色】1.  课上采用案例式教学，通俗易懂，课下一对一辅导强化训练，学与练交叉进行强化记忆，你所要做的就是认真听，勤于问，乐于练。2.  清晰的知识结构，根据应用经验采用最优化授课模式。3.  内容充沛、详略得当，前后呼应。4.  讲师资历丰富，具有丰富的实践经验。5.  知识讲授+贴身案例+场景故事+互动讨论+现场演练+落地跟踪【课程对象】无线网、核

 讲师：刘晖详情

5G+行业应用前景及知识赋能   12.31

【课程特色】1.  课上采用案例式教学，通俗易懂，课下一对一辅导强化训练，学与练交叉进行强化记忆，你所要做的就是认真听，勤于问，乐于练。2.  清晰的知识结构，根据应用经验采用最优化授课模式。3.  内容充沛、详略得当，前后呼应。4.  讲师资历丰富，具有丰富的实践经验。5.  知识讲授+贴身案例+场景故事+互动讨论+现场演练+落地跟踪【课程对象】相关人员【

 讲师：刘晖详情

5G产业发展与应用创新   12.31

5G产业发展与应用创新【课程背景】随着5G 技术的快速发展，5G 应用已成为各界热议的话题，很多行业陆续开展了相关的实践探索。本课程站在科技发展的前沿，探讨了5G在物联网、人工智能、无人机、医疗、农业、教育、工业互联网、新媒体等行业的应用案例。值得指出的是，案例以运营商、一流企业等机构在5G领域的实践为主线，对5G行业应用创新案例做了详细的讲解。【课程收益】

 讲师：刘晖详情

5G赋能环保行业应用与创新案例解析   12.31

【课程背景】随着5G 技术的快速发展，5G 应用已成为各界热议的话题，很多行业陆续开展了相关的实践探索。【课程收益】1了解5G从信息通信技术支持到业务模式推广和场景的应用，掌握5G在新时代、新技术下的行业发展趋势；2以鲜活的应用案例和解决方案详细掌握5G给环保行业方面带来全新变革的蓝图和愿景；【课程特色】1.  课上采用案例式教学，通俗易懂，课下一对一辅导强

 讲师：刘晖详情

5G赋能工业互联网   12.31

5G赋能工业互联网【课程背景】5G通过技术创新实现了增强型移动宽带、超大规模物联网和高可靠、低时延等三大应用场景全覆盖，把人与人之间的通信拓展到了人与物、物与物之间的通信，从消费互联网拓展到了产业互联网，为行业数字化转型提供了关键的数字基础设施。5G和人工智能/大数据/云计算/边缘计算/区块链等新一代信息技术相结合，多技术交织并进、深度渗透、协同应用，孕育技

 讲师：刘晖详情

5G赋能行业应用与创新案例解析   12.31

【课程背景】随着5G 技术的快速发展，5G 应用已成为各界热议的话题，很多行业陆续开展了相关的实践探索。本课程站在科技发展的前沿，探讨了5G在物联网、人工智能、无人机、医疗、农业、教育、工业互联网、新媒体等行业的应用案例。值得指出的是，案例以运营商、一流企业等机构在5G领域的实践为主线，对5G行业应用创新案例做了详细的讲解。【课程收益】1了解5G从信息通信技

 讲师：刘晖详情

5G赋能金融行业应用与创新案例解析   12.31

【课程背景】随着5G 技术的快速发展，5G 应用已成为各界热议的话题，很多行业陆续开展了相关的实践探索。本课程站在科技发展的前沿，探讨了5G与数字货币、区块链在金融行业的应用案例。值得指出的是，案例以运营商、一流企业等机构在5G领域的实践为主线，对5G金融行业应用创新案例做了详细的讲解。【课程收益】1了解5G从信息通信技术支持到业务模式推广和场景的应用，掌握

 讲师：刘晖详情

5G赋能智慧能源   12.31

【课程背景】国家电网“三型两网、世界一流”战略、南方电网定位“五者”，转型“三商”战略，需赋能智能终端，加速电网全面感知，打通数据和业务壁垒，驱动创新能力。传统通信方式难以满足数字电网发展需求，电力生产、传输、消费全过程需要低时延、大宽带、大连接，对5G的诉求十分迫切5G作为最新一代的无线通信技术，其超高速率、超低时延、超大连接特性对智慧城市建设产生巨大的影

 讲师：刘晖详情

 发布内容，请点我！ 讲师申请/讲师自荐
 企业内训分类
清华大学卓越生产运营总监高级研修班
清华大学卓越生产运营总监高级研修班
 专栏人物 更多
杨建允

杨建允

潘文富

潘文富

 下载排行
COPYRIGT @ 2018-2028 HTTPS://WWW.QG68.CN INC. ALL RIGHTS RESERVED. 管理资源网 版权所有