2020年第四期全国大数据与人工智能双师骨干师资研修班开班通知-威尼斯5139手机版

正式培训前

python编程寄出

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 字符串的常见方法

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 读取文件

5.2 练习3：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4：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 模块命令及存放路径的注意事项

8.3 结语

泰迪云课堂

课程内容

8月1日(周六)

19:00 - 21:30

1 python数据分析概述

1.1 认识数据分析

1.2 熟悉python数据分析的工具

1.3 安装python3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 认识numpy数组对象ndarray

2.2 认识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 了解绘图基础语法与常用参数

3.2 分析特征间的关系

3.3 分析特征内部数据分布与分散状况

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

6 使用scikit-learn构建模型

6.1 使用sklearn转换器处理数据

6.2 构建并评价聚类模型

6.3 构建并评价分类模型

6.4 构建并评价回归模型

8月2日(周日)

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 在该数据集对用的时期内，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"appl_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

8月3日(周一)

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 h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

8月4日(周二)

19:00 - 21:30

市财政收入分析预测

1 背景与案例目标

1.1 财政收入预测背景介绍

1.2 数据基本情况介绍

1.3 分析目标解读

1.4 项目流程介绍

2 相关系数分析

2.1 求解person相关系数

2.2 person相关系数解读

3 lasso回归特征提取

3.1 了解lasso回归方法

3.2 lasso回归选取关键特征的实现

3.3 lasso回归数据写出及相应解读

4 灰色预测模型

4.1 关键特征数据读取及准备

4.2 gm11特征值预测

4.3 gm11特征数据整理及写出

5 模型训练及预测

5.1 数据标准化

5.2 模型训练及预测

5.3 结果可视化

8月5日(周三)

19:00 - 21:30

1 自然语言处理简介

2 开源中文nlp系统介绍

3 中文分成介绍

4 机械分词法

5 机器学习算法分词

6 nlp概率图介绍

7 jieba分成演示

8 文本的one-hot表达

9 tf-idf权值策略实现

10 文本的tf-idf表达

11 模型训练与预测

8月6日(周四)

19:00 - 21:30

垃圾自动识别

1 背景与目标

2 数据探索

2.1 数据读取

2.2 数据抽取

3 数据预处理

3.1 去除短信中的x序列

3.2 结巴分词

3.3 去除停用词

3.4 数据预处理函数封装

3.5 垃圾短信的词频统计

3.6 词云图绘制

4 文本向量的表示

4.1 文本数据的向量化表达

4.2 获取训练样本的tf-idf权值向量

4.3 获取测试样本的tf-idf权值向量

5 模型训练及评价

6 小结

8月7日(周五)

14:00 - 18:00

电商智能推荐：优惠劵使用预测

1 背景与目标

2 数据说明

2.1 线下训练集数据介绍

2.2 安线上训练集数据介绍

2.3 测试数据介绍

2.4 项目流程介绍

3 数据预处理

3.1 构建正样本

3.2 构建负样本

3.3 构建样本标签

4 特征构建

4.1 特征构建介绍

4.2 处理discount_rate列

4.3 特征1-折扣率

4.4 特征2-商户与用户之间的距离

5 模型训练

5.1 建模前数据准备

5.2 初级模型构建

5.3 roc曲线与auc值

5.4 模型性能评估

5.5 训练函数封装

5.6 模型预测

5.7 预测函数封装

6 特征完善

6.1 特征3-优惠劵流行度

6.2 特征4-用户在商家中的消费次数

6.3 如何进行特征拼接

6.4 拼接训练集的特征3&4

6.5 拼接测试集的特征3&4

7 预测

7.1 模型训练

7.2 预测

7.3 代码整理

7.4 结果提交

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

8月8日(周六)

19:00 - 21:30

工信部教育与考试中心职业技术认证在线考试

8月10日(周一)

19:00 - 21:30

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

8月11日(周二)

19:00 - 21:30

1 任务1：构建一个线性模型

1.1 tensorflow介绍

1.2 tensorflow2常用数据类型和操作

1.3 初始化模型

1.4 构建损失函数

1.5 模型训练及可视化

1.6 使用高阶api-keras

2 任务2：mnist手写数字识别

2.1 数据读取及探索

2.2 交叉熵

2.3 模型构建及训练

2.4 调用保存好的模型对新样本进行预测

3 作业-鸢尾花分类

8月12日(周三)

19:00 - 21:30

1.1 深度神经网络-引言

2 卷积神经网络cnn

2.1 浅层神经网络的局限

2.2 卷积操作

2.3 卷积操作的优势

2.4 池化及全连接

2.5 高维输入及多filter卷积

2.6 实现卷积操作

2.7 实现池化操作

3 循环神经网络rnn

3.1 循环神经网络简介

3.2 循环神经网络的常见结构

4 长短时记忆网络lstm

4.1 lstm的三个门

4.2 lstm三个门的计算示例

4.3 利用rnn&lstm实现mnist手写数字识别

8月13日(周四)

19:00 - 21:30

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

8月14日(周五)

19:00 - 21:30

1 项目背景与目标

2 语料库预处理

3 seq2seq模型计算图搭建-文件读取

4 seq2seq模型计算图搭建-encoder

5 seq2seq模型计算图搭建-decoder

6 seq2seq模型计算图搭建-seq2seq

7 模型训练

8 模型测试

9 注意力机制

8月15日(周六)

19:00 - 21:30

1 明确项目目标

2 准备数据

3 照片预处理

4 定位车牌信息

5 分割车牌字符

6 搭建车牌识别网络

7 进行模型训练

8 模型结果与评估

基于深度学习的车牌识别系统项目介绍

技能点：深度学习实战、tensorflow框架、图像处理技术、opencv应用、实际项目搭建与应用。

1 明确项目目标

2 准备数据

3 照片预处理

4 定位车牌信息

5 分割车牌字符

6 搭建车牌识别网络

7 进行模型训练

8 模型结果与评估

8月16日(周日)

19:00 - 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。

账户名：广东泰迪智能科技股份有限公司

开户行：中国工商银行广州花城支行

账户号：3602 0285 0920 1663 221

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

 联系人： 曾老师     13246821827