2020年第二期全国高校大数据与人工智能双师型骨干师资研修班邀请函-威尼斯5139手机版

1 准备工作

2 列表操作

3 程序流程控制语句

4 字符串操作

4.1 字符串及其索引&切片

4.2 字符串娥常见方法

4.3 字典的创建及索引

4.4 字典常用操作

4.5 字典推导式

5 python文件读取操作

5.1 python读取文件

5.2 练习：统计小说中的单词频次

6 函数

6.1 python函数自定义

6.2 练习：自定义求序列偶数个数的函数

7 面向对象与模块

7.1 python方法与函数对比介绍

7.2 python面向对象示例

7.3 python模块使用

7.4 第三方库的安装与调用

8 注意事项

8.1 python工作路径说明

8.2 模块命名及存放路径的注意事项

8.3 结语

1 python数据分析概述

1.1 数据分析概述

1.2 熟悉python数据分析的工具

1.3 安装python的anaconda发行版

1.4 掌握jupyter notebook常用功能

2 numpy数值计算基础

2.1 掌握numpy数组对象

2.2 掌握numpy矩阵与通用函数

2.3 利用numpy进行统计分析

3 matplotlib数据可视化基础

3.1 掌握绘图基础语法与常用参数

3.2 分析特征间关系

3.3 分析特征内部数据分布与分散情况

4 pandas统计分析基础

4.1 读写不同数据源的数据

4.2 掌握dataframe的常用操作

4.3 转换与处理时间序列数据

4.4 使用分组聚合进行组内计算

4.5 创建透视表与交叉表

5 使用pandas进行数据预处理

5.1 合并数据

5.2 清洗数据

5.3 标准化数据

5.4 转换数据

学习时间

课程内容

6月2日

19:00 - 21:30

1 探索iris鸢尾花数据

1.1 将数据集存成变量iris创建数据框的列名称['sepal_length', 'sepal_width', 'petal_length', 'petal_width', 'class']

1.2 数据框中有缺失值吗？

1.3 将列petal_length的第10到19行设置为缺失值

1.4 将petal_length缺失值全部替换为1.0

1.5 删除列class

1.6 将数据框前三行设置为缺失值

1.7 删除有缺失值的行

1.8 重新设置索引

2 探索chipotle快餐数据

2.1 将数据集存入一个名为chipo的数据框内

2.2 查看前10行内容

2.3 数据集中有多少个列(columns)?

2.4 打印出全部的列名称

2.5 数据集的索引是怎样的?

2.6 被下单数最多商品(item)是什么？

2.7 在item_name这一列中，一共有多少种商品被下单?

2.8 一共有多少个商品被下单？

2.9 将item_price转换为浮点数

2.10 在该数据集对应的时期内，收入(revenue)是多少？

2.11 在该数据集对应的时期内，一共有多少订单？

2.12 每一单(order)对应的平均总价是多少？

3 探索apple公司股价数据

3.1 读取"apple_1980_2014.csv"数据并存为一个名叫apple的数据框

3.2 查看每一列的数据类型

3.3 将date这个列转换为datetime类型

3.4 将date设置为索引

3.5 有重复的日期吗？

3.6 将index设置为升序

3.7 找到每个月的最后一个交易日(businessday)

3.8 数据集中最早的日期和最晚的日期相差多少天？

3.9 在数据中一共有多少个月？

3.10 按照时间顺序可视化adj close值

6月3日

19:00 - 21:30

1 机器学习绪论

1.1 引言

1.2 基本术语

1.3 假设空间&归纳偏好

2 模型评估与选择

2.1 经验误差与过拟合

2.2 评估方法

2.3 性能度量

2.4 性能度量python实现

3 回归分析(regressionanalysis)

3.1 线性回归基本形式

3.2 线性回归模型的python实现

3.3 波士顿房价预测的python实现

3.4 逻辑回归介绍

3.5 研究生入学录取预测的python实现

4 聚类分析(clusteranalysis)

4.1 聚类分析概述

4.2 相似性度量

4.3 k-means聚类分析算法介绍

4.4 利用k-means算法对鸢尾花进行聚类

4.5 聚类结果的性能度量

4.6 调用sklearn实现聚类分析

6月4日

19:00 - 21:30

深度学习基础-人工神经网络(artificialneuralnetwork)

1 单个神经元介绍

2 经典网络结构介绍

3 神经网络工作流程演示

4 如何修正网络参数—梯度下降

5 网络工作原理推导

6 网络搭建准备

7 样本从输入层到隐层传输的python实现

8 网络输出的python实现

9 单样本网络训练的python实现

10 全样本网络训练的python实现

11 网络性能评价

12 调用sklearn实现神经网络算法

6月5日

19:00 - 21:30

基于水色图像的水质识别

1 案例背景与目标

2 读取一张图片数据

3 获取图片数据的像素值矩阵

4 截取图像的有效区域

5 水质图像特征-颜色矩

6 三个颜色矩的python实现

7 如何进行批量化数据转换

8 自定义函数获取指定路径中的所有图片名称

9 处理所有图片数据

10 数据处理代码整理

11 模型构建与性能评估

6月6日

19:00 - 21:30

1 tensorflow2.0使用入门

1.1 tensorflow2.0简介

1.2 tensorflow2.0环境搭建

1.3 tensorflow2.0的eager模式

1.4 tensorflow2.0autograph

1.5 tensorflow2.0低阶api：tf.constant, tf.variable......

1.6 tensorflow2.0高阶api：keras

2 tensorflow2.0牛刀小试

2.1 tensorflow2.0实现线性回归模型

2.2 操作：tensorflow实现鸢尾花分类

3 tensorflow2.0实现多层神经网络

3.1 bp神经网络模型(back propagation)

3.2 操作：利用tensorflow构建bp网络模型实现鸢尾花分类

4 手写数字识别

4.1 图片预处理

4.2 占位符：placeholder

4.3 操作：利用tensorflow2.0实现softmax网络对手写数字分类

5 模型保存与调用

5.1 tensorflow2.0模型保存操作

5.2 调用模型对新样本进行预测

6月7日

(星期天)

14:00 - 18:00

1 卷积神经网络cnn

1.1 卷积神经网络(cnn)简介

1.2 cnn关键结构：卷积层与池化层

1.3 经典卷积网络模型：lenet-5

1.4 图像数据处理

1.5 操作：cnn的tensorflow2.0实现

2 循环神经网络rnn

2.1 循环神经网络(rnn)简介

2.2 rnn网络关键结构：隐层互联

2.3 经典rnn模型：lstm

2.4 时序数据处理

2.5 操作：rnn的tensorflow2.0实现

6月8日

19:00 - 21:30

实战：搭建一个人脸识别系统

1.1 案例背景及目标

1.2 数据准备(opencv-python)

1.3 人脸检测及数据转化

1.4 cnn网络模型训练与保存

1.5 模型加载与调用

1.6 人脸实时识别

拓展自学

python爬虫助力疫情数据追踪

1 明确项目需求与目标

2 环境准备

3 获取疫情数据(全球、中国各省及各地区数据)

4 疫情数据分析

5 疫情数据可视化

6 完成分析报告

6月9日

19:00 - 21:30

1 自然语言处理基础

1.1 自然语言处理简介

1.2 中文分词

1.3 nlp概率图

1.4 文本分类

2 此表征(word representation)

2.1 此表征的背景与应用

2.2 one-hot编码

2.3 tf-idf权值向量

2.4 word2vec原理及实现

3 深度学习挖掘语义特征

3.1 词向量组合相似度

3.2 基于循环神经网络(rnn)编码的相似度计算

6月10日

19:00 - 21:30

基于深度学习的疫情期间网民情绪识别

1 明确项目需求与目标

2 环境准备

3 数据预处理

4 加载模型、构建读取接口

5 确定训练策略

6 配置参数

7 确定任务，开始训练

8 性能评估及总结

6月11日

19:30 - 21:30

发票内容：

电子发票

接收邮箱：

1、电汇到指定账号。
2、扫码支付(报名后联系工作人员索要支付码)。

3、付款时请注明"大数据研修班 单位或姓名"字样，方便查账备案。

户   名：北京中九教育科技有限公司

开户行：中国建设银行燕莎东支行

汇款帐号：1105 0138 5800 0000 1216

 请将报名表发送至招生办公室，报名邮箱：train-1@tipdm.com        

 联系人： 曾老师     13246821827