導航:首頁 > 網路數據 > 千里大數據

千里大數據

發布時間:2022-12-27 01:36:46

大數據可以做什麼

用處太多了
首先,精準化定製。
主要是針對供需兩方的,獲取需方的個性化需求,幫助供方定準定位目標,然後依據需求提供產品,最終實現供需雙方的最佳匹配。

具體應用舉例,也可以歸納為三類。
一是個性化產品,比如智能化的搜索引擎,搜索同樣的內容,每個人的結果都不同。或者是一些定製化的新聞服務,或者是網游等。
第二種是精準營銷,現在已經比較常見的互聯網營銷,網路的推廣,淘寶的網頁推廣等,或者是基於地理位置的信息推送,當我到達某個地方,會自動推送周邊的消費設施等。
第三種是選址定位,包括零售店面的選址,或者是公共基礎設施的選址。
這些全都是通過對用戶需求的大數據分析,然後供方提供相對定製化的服務。
應用的第二個方向,預測。
預測主要是圍繞目標對象,基於它過去、未來的一些相關因素和數據分析,從而提前做出預警,或者是實時動態的優化。

從具體的應用上,也大概可以分為三類。
一是決策支持類的,小到企業的運營決策,證券投資決策,醫療行業的臨床診療支持,以及電子政務等。
二是風險預警類的,比如疫情預測,日常健康管理的疾病預測,設備設施的運營維護,公共安全,以及金融業的信用風險管理等。
第三種是實時優化類的,比如智能線路規劃,實時定價等。

Ⅱ 大數據技術與應用這個專業在哪裡發展比較好

數據分析師在深圳發展是個不錯的選擇,其次是北京、上海。數據分析崗位大量的工作機會集中在北上廣深以及杭州。期待往這個方向發展的人可以到這些城市去發展。但是這些城市也都集中了大量的各行業人才競爭壓力也很大。

互聯網行業發展風起雲涌,而移動互聯網、電子商務、物聯網以及社交媒體的快速發展更促使我們快速進入了大數據時代。

截止到目前,人們日常生活中的數據量已經從TB(1024GB=1TB)級別一躍升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至ZB(1024EB=1ZB)級別,數據將逐漸成為重要的生產因素,人們對於海量數據的運用將預示著新一波生產率增長和消費者盈餘浪潮的到來。

(2)千里大數據擴展閱讀:

政府提倡產教融合、校企合作來創辦新型前沿幾乎以及「互聯網+」專業方向,也已經有一些企業大膽開始了這方面的創新步伐。

填補大數據技術與應用專業人才巨大缺口的最有效辦法無疑還需要依託眾多的高等院校來培養輸送,但互聯網發展一日千里,大數據技術、手段日新月異。

企業所需要的非常接地氣的人才培養對於傳統以培養學術型、科研型人才為主要使命的高校來說還真有些難度。

Ⅲ 大數據專業的發展前景怎麼樣

前景很不錯。一方面國家大力支持大數據行業的發展,已經上升為國際戰略的今天,大數據人才正在擁有更多的發展機會。另一方面許多的領域都是缺乏這方面的人才,騰訊阿里等互聯網大廠都是高薪招聘相關人才。

大數據的擇業崗位有:

1、大數據開發方向; 所涉及的職業崗位為:大數據工程師、大數據維護工程師、大數據研發工程師、大數據架構師等;

2、數據挖掘、數據分析和機器學習方向; 所涉及的職業崗位為:大數據分析師、大數據高級工程師、大數據分析師專家、大數據挖掘師、大數據演算法師等;

3、大數據運維和雲計算方向;對應崗位:大數據運維工程師。

大數據學習內容主要有:

①JavaSE核心技術;

②Hadoop平台核心技術、Hive開發、HBase開發;

③Spark相關技術、Scala基本編程;

④掌握Python基本使用、核心庫的使用、Python爬蟲、簡單數據分析;理解Python機器學習;

⑤大數據項目開發實戰,大數據系統管理優化等。

想要系統學習,你可以考察對比一下開設有IT專業的熱門學校,好的學校擁有根據當下企業需求自主研發課程的能,南京北大青鳥、中博軟體學院、南京課工場等都是不錯的選擇,建議實地考察對比一下。

祝你學有所成,望採納。

Ⅳ 大數據分析應該掌握哪些基礎知識

大數據分析師應該要學的知識有,統計概率理論基礎,軟體操作結合分析模型進行實際運用,數據挖掘或者數據分析方向性選擇,數據分析業務應用。
1、統計概率理論基礎
這是重中之重,千里之台,起於壘土,最重要的就是最下面的那幾層。統計思維,統計方法,這里首先是市場調研數據的獲取與整理,然後是最簡單的描述性分析,其次是常用的推斷性分析,方差分析,到高級的相關,回歸等多元統計分析,掌握了這些原理,才能進行下一步。
2、軟體操作結合分析模型進行實際運用
關於數據分析主流軟體有(從上手度從易到難):Excel,SPSS,Stata,R,SAS等。首先是學會怎樣操作這些軟體,然後是利用軟體從數據的清洗開始一步步進行處理,分析,最後輸出結果,檢驗及解讀數據。
3、數據挖掘或者數據分析方向性選擇
其實數據分析也包含數據挖掘,但在工作中做到後面會細分到分析方向和挖掘方向,兩者已有區別,關於數據挖掘也涉及到許多模型演算法,如:關聯法則、神經網路、決策樹、遺傳演算法、可視技術等。
4、數據分析業務應用
這一步也是最難學習的一步,行業有別,業務不同,業務的不同所運用的分析方法亦有區分,實際工作是解決業務問題,因此對業務的洞察能力非常重要。(4)千里大數據擴展閱讀
分析工作內容
1、搜索引擎分析師(Search Engine Optimization Strategy Analyst,簡稱SEO分析師)是一項新興信息技術職業,主要關注搜索引擎動態,修建網站,拓展網路營銷渠道,網站內部優化,流量數據分析,策劃外鏈執行方案,負責競價推廣。
2、SEO分析師需要精通商業搜索引擎相關知識與市場運作。通過編程,HTML,CSS,JavaScript,MicrosoftASP.NET,Perl,PHP,Python等建立網站進行各種以用戶體驗為主同時帶給公司盈利但可能失敗的項目嘗試。

Ⅳ 大數據發展方向發展前景怎麼樣是就業是否有保障

大數據廣為所知的未來方向有三個,由高級到普通分別為數據科學家、數據工程師和數據分析師。

一 、職業定位
數據科學家
數據科學家是指能採用科學方法、運用數據挖掘工具對復雜多量的數字、符號、文字、網址、音頻或視頻等信息進行數字化重現與認識,並能尋找新的數據洞察的工程師或專家(不同於統計學家或分析師)。
數據工程師
數據工程師一般被定義成「深刻理解統計學科的明星軟體工程師」。數據工程師的核心價值在於他們藉由清晰數據創建數據管道的能力。充分了解文件系統,分布式計算與資料庫是成為一位優秀數據工程師的必要技能。數據工程師對演演算法有相當好的理解。因此,數據工程師理應能運行基本數據模型。
數據分析師
數據分析師指的是不同行業中,專門從事行業數據搜集、整理、分析,並依據數據做出行業研究、評估和預測的專業人員。他們知道如何提出正確的問題,非常善於數據分析,數據可視化和數據呈現。
二、 職業職責
數據科學家
數據科學家傾向於用探索數據的方式來看待周圍的世界。把大量散亂的數據變成結構化的可供分析的數據,還要找出豐富的數據源,整合其他可能不完整的數據源,並整理成結果數據集。新的競爭環境中,挑戰不斷地加劇,新數據不斷地流入,數據科學家需要幫助決策者穿梭於各種數據的交互分析中。最終把蘊含在數據中的規律建議給決策者,從而影響生產、決策等各個環節。
數據工程師
數據工程師有三個最主要的任務,它們分別是分析歷史、預測未來和優化選擇。通過這三個工作方向,他們能夠幫助企業做出更好的商業決策。
大數據工程師一個很重要的工作,就是通過分析數據來找出過去事件的特徵,它最大的作用是可以幫助企業更好地認識消費者。通過分析用戶以往的行為軌跡,就能夠了解這個人,並預測他的行為。而通過引入關鍵因素,大數據工程師也可以預測未來的消費趨勢。
根據不同企業的業務性質,大數據工程師可以通過數據分析來達到不同的目的。以騰訊來說,能反映大數據工程師工作的最簡單直接的例子就是選項測試(AB Test),即幫助產品經理在A、B兩個備選方案中做出選擇。在過去,決策者只能依據經驗進行判斷,但如今大數據工程師可以通過大范圍地實時測試—比如,在社交網路產品的例子中,讓一半用戶看到A界面,另一半使用B界面,觀察統計一段時間內的點擊率和轉化率,以此幫助市場部做出最終選擇。
數據分析師
數據分析師主要有以下五方面的職責:
1、負責項目的需求調研、數據分析、商業分析和數據挖掘模型等,通過對用戶的行為進行分析了解用戶的需求;
2、參與業務部門臨時數據分析需求的調研、分析及實現;
3、參與數據挖掘模型的構建、維護、部署和評估;
4、整理編寫商業數據分析報告,及時發現和分析其中隱含的變化和問題,為業務發展提供決策支持;
5、對產品部門下的運營,產品,研發,市場銷售等各方面的數據分析,處理和研究的工作需求。
職業要求
數據科學家需要滿足的要求
1,計算機科學
一般來說,數據科學家大多要求具備編程、計算機科學相關的專業背景。簡單來說,就是對處理大數據所必需的hadoop、Mahout等大規模並行處理技術與機器學習相關的技能。
2,數學、統計、數據挖掘等
除了數學、統計方面的素養之外,還需要具備使用SPSS、SAS等主流統計分析軟體的技能。其中,面向統計分析的開源編程語言及其運行環境「R」最近備受矚目。R的強項不僅在於其包含了豐富的統計分析庫,而且具備將結果進行可視化的高品質圖表生成功能,並可以通過簡單的命令來運行。
3,數據可視化(Visualization)
信息的質量很大程度上依賴於其表達方式。對數字羅列所組成的數據中所包含的意義進行分析,開發Web原型,使用外部API將圖表、地圖、Dashboard等其他服務統一起來,從而使分析結果可視化,這是對於數據科學家來說十分重要的技能之一。
數據工程師需要滿足的要求
1,數學及統計學相關的背景
對於大數據工程師的要求都是希望是統計學和數學背景的碩士或博士學歷。缺乏理論背景的數據工作者,容易進入一個技能上的危險區域(Danger Zone)—只知道結果,卻並不明白數據所代表的真正意義。只有具備一定的理論知識,才能用普通模型、復用模型甚至創新模型,來解決實際問題。
2,計算機編碼能力
實際開發能力和大規模的數據處理能力是作為大數據工程師的必備素養。因為許多數據的價值來自於挖掘的過程,你必須親自動手才能發現金子的價值。舉例來說,現在人們在社交網路上所產生的許多記錄都是非結構化的數據,如何從這些毫無頭緒的文字、語音、圖像甚至視頻中攫取有意義的信息就需要大數據工程師親自挖掘。即使在某些團隊中,大數據工程師的職責以商業分析為主,但也要熟悉計算機處理大數據的方式。
3,對特定應用領域或行業的知識
大數據工程師這個角色很重要的一點是,不能脫離市場,因為大數據只有和特定領域的應用結合起來才能產生價值。所以,在某個或多個垂直行業的經歷能為應聘者積累對行業的認知程度,對於之後能否成為大數據工程師有很大幫助,因此這也是應聘這個崗位時較有說服力的加分項。
C. 數據分析師需要滿足的要求
1、懂業務。從事數據分析工作的前提就會需要懂業務,即熟悉行業知識、公司業務及流程,最好有自己獨到的見解,若脫離行業認知和公司業務背景,分析的結果只會是脫了線的風箏,沒有太大的使用價值。
2、懂管理。一方面是搭建數據分析框架的要求,比如確定分析思路就需要用到營銷、管理等理論知識來指導,如果不熟悉管理理論,就很難搭建數據分析的框架,後續的數據分析也很難進行。另一方面的作用是針對數據分析結論提出有指導意義的分析建議。
3、懂分析。指掌握數據分析基本原理與一些有效的數據分析方法,並能靈活運用到實際工作中,以便有效的開展數據分析。基本的分析方法有:對比分析法、分組分析法、交叉分析法、結構分析法、漏斗圖分析法、綜合評價分析法、因素分析法、矩陣關聯分析法等。高級的分析方法有:相關分析法、回歸分析法、聚類分析法、判別分析法、主成分分析法、因子分析法、對應分析法、時間序列等。
4、懂工具。指掌握數據分析相關的常用工具。數據分析方法是理論,而數據分析工具就是實現數據分析方法理論的工具,面對越來越龐大的數據,我們不能依靠計算器進行分析,必須依靠強大的數據分析工具幫我們完成數據分析工作。
5、懂設計。懂設計是指運用圖表等可視化方法,有效地表達數據分析師的分析觀點,使分析結果一目瞭然。圖表的設計是門大學問,如圖形的選擇、版式的設計、顏色的搭配等等,都需要掌握一定的設計原則。
至於說大數據的前景,這幾年國家也確實重視了起來,更是把大數據戰略放到了十三五規劃中,未來資源勢必會傾斜,而且查看BAT之類的巨頭招聘信息也能知道,大數據目前的前景還是非常可觀的……

Ⅵ 大數據時代,我們活的更自由還是更不自由

在我看來,大數據時代下,我們會活的更自由:

因此,綜上所述,我認為,大數據時代下,我們生活更自由。

Ⅶ 大數據具體是做什麼有哪些應用

大數據即海量的數據,一般至少要達到TB級別才能算得上大數據,相比於傳統的企業內數據,大數據的內容和結構要更加多樣化,數值、文本、視頻、語音、圖像、文檔、XML、HTML等都可以作為大數據的內容。

2. 政府行業在大數據分析部分包括質檢部門、公安部門、氣象部門、醫療部門等,質檢部門包括對商品生產、加工、物流、貿易、消費全過程的信息進行採集、驗證、檢查,保證食品物品安全;氣象部門通過構建大氣運動規律評估模型、氣象變化關聯性分析等路徑,精準地預測氣象變化,尋找最佳的解決方案,規劃應急、救災工作。

3. 金融行業的大數據分析多應用於銀行、證券、保險等細分領域,在大數據分析方面結合多種渠道數據進行分析,客戶在社交媒體上的行為數據、在網站上消費的交易數據、客戶辦理業務的預留數據,結合客戶年齡、資產規模、消費偏好等對客戶群進行精準定位,分析其在金融業的需求等。

Ⅷ 大數據:大變革、大機遇|戰略性

大數據:大變革、大機遇|戰略性

從來沒有哪一次技術變革能像大數據革命一樣,在短短的數年之內,從少數科學家的主張,轉變為全球領軍公司的戰略實踐,繼而上升為大國的競爭戰略,形成一股無法忽視、無法迴避的歷史潮流。互聯網、物聯網、雲計算、智慧城市、智慧地球正在使數據沿著「摩爾定律」飛速增長,一個與物理空間平行的數字空間正在形成。在新的數字世界當中,數據成為最寶貴的生產要素,順應趨勢、積極謀變的國家和企業將乘勢崛起,成為新的領軍者;無動於衷、墨守成規的組織將逐漸被邊緣化,失去競爭的活力和動力。毫無疑問,大數據正在開啟一個嶄新時代。

大數據時代有什麼本質特徵?大數據的來源是什麼?大數據又將流向哪裡?大數據在提升政府治理、改善經濟治理、再造公共服務模式、激發商業創新方面有哪些卓越案例?中國需要怎麼樣的戰略反應才能抓住大數據帶來的寶貴機遇?一系列問題亟待研究者給出深入解析。

「數據驅動發展」成為時代主題

如今,大數據已經被賦予多重戰略含義。從資源的角度,數據被視為「未來的石油」,作為戰略性資產進行管理;從國家治理角度,大數據被用來提升治理效率、重構治理模式、破解治理難題,它將掀起一場國家治理革命;從經濟增長角度,大數據是全球經濟低迷環境下的產業亮點,是戰略新興產業的最活躍部分;從國家安全形度,全球數據空間沒有國界邊疆,大數據能力成為大國之間博弈和較量的利器。總之,國家競爭焦點將從資本、土地、人口、資源轉向數據空間,全球競爭版圖將分成新的兩大陣營:數據強國與數據弱國。

宏觀上看,由於大數據革命的系統性影響和深遠意義,主要大國快速做出戰略響應,將大數據置於非常核心的位置,推出國家級創新戰略計劃。美國2012年發布《大數據研究和發展計劃》,並成立「大數據高級指導小組」,2013年又推出「數據—知識—行動」計劃,2014年進一步發布《大數據:把握機遇,維護價值》政策報告,啟動「公開數據行動」,陸續公開50個門類的政府數據,鼓勵商業部門進行開發和創新。歐盟正在力推《數據價值鏈戰略計劃》,英國發布《英國數據能力發展戰略規劃》,日本發布《創建最尖端IT國家宣言》,韓國提出「大數據中心戰略」。中國多個省市發布了大數據發展戰略,國家層面的《關於促進大數據發展的行動綱要》也於2015年8月19日正式通過。

微觀上看,大數據重塑了企業的發展戰略和轉型方向。美國的企業以GE提出的「工業互聯網」為代表,提出智能機器、智能生產系統、智能決策系統,將逐漸取代原有的生產體系,構成一個「以數據為核心」智能化產業生態系統。德國企業以「工業4.0」為代表,要通過信息物理系統(CPS——cyber physical system),把一切機器、物品、人、服務、建築統統連接起來,形成一個高度整合的生產系統。中國的企業以阿里巴巴董事局主席馬雲提出的「DT時代」(data technology)為代表,認為未來驅動發展的不再是石油、鋼鐵,而是數據。這三種新的發展理念可謂異曲同工、如出一轍,共同宣告了「數據驅動發展」成為時代主題。

與此同時,大數據也是促進國家治理變革的基礎性力量。正如《大數據時代》作者舍恩伯格在定義中所強調的,「大數據是人們在大規模數據的基礎上可以做到的事情,而這些事情在小規模數據的基礎上是無法完成的」。在國家治理領域,陽光政府、責任政府、智慧政府建設,大數據為解決以往的「頑疾」和「痛點」提供了強大支撐;精準醫療、個性化教育、社會監管、輿情監測預警,大數據使以往無法實現的環節變得簡單、可操作;大數據也使一些新的主題成為國家治理的重點,比如維護數據主權、開放數據資產、保持在數字空間的國家競爭力等。

從哲學意義上來看,大數據不僅僅是一場技術革命,也不僅僅是一場管理革命或者治理革命,它給人類的認知能力帶來深刻變化,可謂是認識論的一次升華。具體而言,大數據可以為決策者解決「四個問題」,提升「兩種能力」。一是解決「坐井觀天」的問題,以往人們決策只能基於視野之內極為有限的局部信息,和井底之蛙無異,大數據則可以實現整個蒼穹盡收眼底;二是解決「一葉障目」的問題,以往不具備全樣本數據分析能力,只能用小樣本分析近似推理,猶如從「泰山」中取來「一葉」,而真理可能存在於全樣本的海量數據之中,藉助大數據則可完全克服;三是解決「瞎子摸象」的問題,七個瞎子根本無法根據各自的認識加總出完整的大象,因為他們的信息是相互離散的,無法有效關聯起來,而大數據的基本優點是在深入關聯中還原事物的原貌;四是解決「城門失火,殃及池魚」的問題,人們習慣於因果分析,遇到這種「稀奇古怪」的因果鏈則很難前瞻和推理,但大數據注重相關關系,可以准確地發掘出規律。提升兩種能力,一個是「一葉知秋」的能力,體現大數據敏銳的洞察能力,另一個是「運籌帷幄,決勝千里」的能力;體現大數據對時空約束的突破。這些足以說明,大數據是人類認識世界和改造世界能力的一次升華。

中國成為數據強國的優勢、挑戰與路徑

值得振奮的是,中國具備成為數據強國的優勢條件。從2013年至2020年,全球數據規模將增長十倍,每年產生的數據量由當前的4.4萬億GB,增長至44萬億GB,每兩年翻一番。從全球佔比來看,中國成為數據強國的潛力極為突出,2010年中國數據佔全球比例為10%,2013年佔比為13%,2020年佔比將達到18%,屆時,中國的數據規模將超過美國的數據規模,位居世界第一。中國成為數據大國並不奇怪,因為我們是人口大國、製造業大國、互聯網大國、物聯網大國,這都是最活躍的數據生產主體,未來幾年成為數據大國也是邏輯上必然的結果。

盡管存在成為數據強國的潛力,但在目前的政策環境之下,我國推進大數據戰略仍存在以下幾個清晰的挑戰。第一,頂層設計方面,全球大國之間圍繞大數據的競爭頗為激烈,中國作為一個後發國家,想要實現彎道超車,後來居上並非易事。如何能夠緊扣創新前沿,把准未來趨勢,超前戰略部署,對政策設計來說是一個非常現實的挑戰。第二,數據開放方面,「數據孤島」廣泛存在,雖然政府掌握著80%的數據,但現實中卻相互割裂,自成體系,「部門牆」「行業牆」「地區牆」阻礙了數據的流動共享,數據被視為部門的利益和隱私,這與大數據時代的基本理念准則相悖。第三,大數據相關的法律、法規、標准缺位,導致能夠開放的數據不開放,需要保護的隱私不保護,企業由於標准模糊而無法大膽創新。第四,「數據主權」容易受到侵蝕,由於數據空間是國家新的戰略維度,尚沒有完備的安全保障體系,再加上電腦、手機、晶元、伺服器、搜索引擎、操作系統、軟體等核心的數據「基礎設施」大量依賴進口,數據資產極易流失,數據主權極易受到侵蝕。

把握優勢,克服挑戰,抓住大數據革命帶來的「機會窗口」,建設數據強國,是實現中華民族偉大復興的一個有力支撐。然而,我們需要怎樣做才能更好地擁抱大數據時代,確保在數字化趨勢中立於不敗之地呢?首先,需要在國家頂層設計上有一個清晰的行動框架,包括由什麼部門主導、哪些部門參與、什麼樣的協作機制、沿著什麼優先次序、克服哪些既有的障礙、達到什麼戰略目標,只有這樣,各部門、各地區、企業界、學術界才能形成合力,在一個共同的路線圖上協作推進。其次,盤活數據資產,在數據開放上取得實質性突破。一些基本的建議包括:加快G2G(政府與政府之間)、G2B(政府與企業之間)、G2C(政府與公民之間)大數據開放與共享;推動基礎性、戰略性大數據資源庫整合;加強大數據基礎設施建設,編制國家大數據檔案。最後,把強大的「國家企業」和活躍的「萬眾創新」結合起來。一方面,要培育可以和國際「八大金剛」並駕齊驅的巨型企業作為大數據環境中競爭的中堅力量,同時,鼓勵和引導大眾創業、萬眾創新成為數據生態系統中的活躍力量。

以上是小編為大家分享的關於大數據:大變革、大機遇|戰略性的相關內容,更多信息可以關注環球青藤分享更多干貨

Ⅸ 大數據未來的發展前景怎麼樣

大數據分析專職崗位有:大數據分析師,大數據分析員,大數據分析主管等,為內企業決策層提容供詳細和准確的數據依據。
首先來說人才缺口,未來3至5年,中國需要200萬+大數據人才,目前大數據從業人數不足50萬,市場需求遠遠得不到滿足。總結來說就是,未來大數據人才缺口會越來越大,缺的人多了,自然好就業。
然後來看職位薪資,普通大數據開發工程師的基本崗位薪資起步即1萬+,一般入職薪資13000元左右,3年以上工作大數據開發工程師薪資高達30000元/月。
接著來看行業前景,2017年中國大數據產業總體規模為4700億元人民幣,預計2018年將突破5700億元,未來大數據與雲計算、AI相結合,將締造數百個就業新崗位。說白了就是行業前景可觀,未來可期。
最後看看最實際的問題,企業需求,BAT、滴滴、今日頭條重金招賢納士,急尋大數據人才,校招年薪水平均再30萬以上,80%中小型企業大數據建設已經起步,需求量大增。有大企業需求,未來的就業前景自然不言而喻。
大數據發展前景是非常不錯的

閱讀全文

與千里大數據相關的資料

熱點內容
coreldrawx5免費視頻教程 瀏覽:725
網站引導頁面源碼 瀏覽:234
個人簡歷範文word 瀏覽:220
uc下載的視頻怎樣提取到文件 瀏覽:499
英雄下載下載最新版本2015下載安裝 瀏覽:433
NX深孔鑽編程替換面如何操作 瀏覽:725
手機怎麼刪除pdf文件 瀏覽:256
蘋果手機沒有efs文件夾怎麼辦 瀏覽:723
metro軟體在哪個文件夾 瀏覽:69
怎麼用手機登錄編程貓 瀏覽:400
文本md204顯示器如何編程 瀏覽:705
如何將表中重復數據標記 瀏覽:859
中級資料庫系統工程師應用技術考什麼 瀏覽:404
博途編程如何設置停止鍵 瀏覽:409
python3刪除文件內容 瀏覽:754
如何優化seo數據分析 瀏覽:132
64位win7下部分32位程序不能運行 瀏覽:206
dnf90版本劍魂鈍器流 瀏覽:649
陌秀直播蘋果怎麼下載ipad 瀏覽:732
簡述網路直接市場調查方式有哪些 瀏覽:683

友情鏈接