科學(xué)實(shí)用的課程體系

成體系培養,符合行業(yè)發(fā)展趨勢

人工智能

人工智能初級:人工智能技術(shù)和應用場(chǎng)景的全面解析,系統化介紹人工智能技術(shù)鏈條

通過(guò)實(shí)例對人工智能的開(kāi)發(fā)語(yǔ)言載體Python進(jìn)行深入理解并掌握Python語(yǔ)法規則,變量和數據類(lèi)型,程序結構控制,Python的數據結構,Python中的OOP,了解-神經(jīng)網(wǎng)絡(luò )的訓練方法和流程,學(xué)習主流機器學(xué)習、深度學(xué)習框架環(huán)境的搭建,TensorFlow、Keras、Caffe等。

人工智能中級:本模塊重點(diǎn)在于算法的開(kāi)發(fā)實(shí)現方面,學(xué)習人工智能中的識別技術(shù)

通過(guò)數字識別和人臉識別、自然語(yǔ)言處理等這些應用極為廣泛的項目開(kāi)發(fā),深入介紹深度學(xué)習的概念,激活函數以及神經(jīng)網(wǎng)絡(luò )基礎,對CNN、RNN進(jìn)行原理方法和原理學(xué)習,卷積層和池化層,圖像特征提取與識別,經(jīng)典LeNet模型,LSTM,Encoder-Decoder Model等,同時(shí)引入自然語(yǔ)言處理方面的內容,包括分詞、題干提取建模等,為不同方向的技術(shù)學(xué)習構建完整的技能知識圖譜。

人工智能:從本階段開(kāi)始,我們的學(xué)習重點(diǎn)轉向的模型優(yōu)化算法上

在項目開(kāi)發(fā)實(shí)現的基礎上進(jìn)行調優(yōu)處理,通過(guò)學(xué)習過(guò)程的優(yōu)化、數據預處理方法、超參數、學(xué)習率優(yōu)化、Batch-Normalization等方法,實(shí)現開(kāi)發(fā)算法的優(yōu)化,完善提升神經(jīng)網(wǎng)絡(luò )的效率和質(zhì)量,進(jìn)一步理解算法實(shí)現與設計,實(shí)現開(kāi)發(fā)工程師提升到算法專(zhuān)家之

數據分析初級:使用Python處理工作場(chǎng)景中的簡(jiǎn)單數據分析

基于CDBD(*歷代人物傳記資料庫)數據集開(kāi)發(fā)課程案例,介紹數據分析的基本流程和方法,涉及的數據建模方法主要是聚類(lèi)和決策樹(shù),學(xué)完之后能夠使用Python處理工作場(chǎng)景中的簡(jiǎn)單數據分析。

數據分析中級:成為具有一定分析思維的數據分析師

基于真實(shí)企業(yè)數據庫開(kāi)發(fā)案例,重點(diǎn)介紹K-近鄰、凝聚與分裂(層次聚類(lèi)算法)、線(xiàn)性回歸、樸素貝葉斯等數據建模方法,終成為具有一定分析思維的數據分析師,滿(mǎn)足就業(yè)需求。

數據分析:成長(cháng)為一名數據分析師,并獲得算法工程師的相關(guān)技能

基于前兩個(gè)階段學(xué)員學(xué)習數據開(kāi)發(fā)的在線(xiàn)學(xué)習數據分析案例,通過(guò)完全貼近真實(shí)情境的數據分析工作,學(xué)會(huì )處理各種數據分析中的復雜問(wèn)題,所使用的建模方法有支持向量機、DBSCAN、邏輯回歸和反向傳播神經(jīng)網(wǎng)絡(luò ),終成長(cháng)為一名數據分析師,并獲得算法工程師的相關(guān)技能,能做出直接跟系統交互的儀表盤(pán)。

Python初級:數據可視化

在大量數據的情況下,如何讓數據能夠更直觀(guān),更高效的輸出有用的信息就需要借助于數據可視化技術(shù)。通過(guò)項目實(shí)戰完全掌握Matplotlib實(shí)現簡(jiǎn)單直觀(guān)的數據可視化、Echarts實(shí)現更豐富的交互需求,在此基礎上認識更多的數據可視化庫并靈活運用。

Python中級:數據抓取與采集

互聯(lián)網(wǎng)上存在著(zhù)海量的數據信息,通過(guò)爬蟲(chóng)可以快速高效的獲取這些數據。Scrapy爬蟲(chóng)框架是當前非常流行的一款爬蟲(chóng)框架。Scrapy使用Python作為開(kāi)發(fā)語(yǔ)言,并且提供了非常豐富擴展功能,數量掌握Scrapy爬蟲(chóng)框架的使用能夠實(shí)現高效獲取互聯(lián)網(wǎng)數據的目標。

Python:數據清洗與挖掘

本階段主要完成數據處理方面的學(xué)習,利用Python實(shí)現數據清洗與存儲相關(guān)技能。數據被正式應用于A(yíng)I核心算法前,需要經(jīng)過(guò)遷移、清洗、分片等多種轉換處理,利用Python的numpy、pandas模塊有效處理源數據中的空缺值、噪聲數據、不一致數據、重復數據等。數據來(lái)源、存儲環(huán)境是多樣的,分別來(lái)自于JSON、CSV文件,MySQL、Redis、MongoDB數據庫,HDFS文件系統等等。利用Python的json、csv、pymysql、redis、pymongo、pyhdfs模塊很好地解決了數據存儲問(wèn)題。