課程亮點
師資:*講師團隊,豐富行業(yè)經(jīng)驗和企業(yè)培訓(xùn)經(jīng)驗
特色:小班培訓(xùn),精品課程,面授+直播+錄播,上課方式多樣
培訓(xùn):免費重聽
適用對象
不限
課程內(nèi)容
在大數(shù)據(jù)時代,數(shù)據(jù)的重要性顯得越來越重要,Python作為一門*的編程語言,用于處理數(shù)據(jù)也非常方便,并且數(shù)據(jù)的分析和挖掘處理功能也非常強大,在這一門課程中,將使用Python3一步一步講解數(shù)據(jù)分析與人工智能的知識,并且全程采用實戰(zhàn)案例教學(xué),讓學(xué)員可以從實際場景中學(xué)習(xí)到以下技能:
1、掌握數(shù)據(jù)挖掘基礎(chǔ)工具使用;
2、掌握數(shù)據(jù)挖掘處理數(shù)據(jù)方法;
3、了解常見機器學(xué)習(xí)算法原理;
4、掌握深度學(xué)習(xí)算法和框架。
可用于解決如下實際問題:
1、從數(shù)據(jù)支持到策略開發(fā);
2、實現(xiàn)自動交易策略;
3、深度學(xué)習(xí)模型的訓(xùn)練過程。
授課說明
課程形式:課堂講授、講義解析、實戰(zhàn)互動演練
培訓(xùn)環(huán)境
機器要求:計算機1臺1人
軟件要求:Windows7以上、Python環(huán)境
硬件要求:CPU: 主流即可
RAM:8GB以上
教學(xué)環(huán)境:局域網(wǎng)、白板、投影儀
課程大綱
Python數(shù)據(jù)分析基礎(chǔ)Python數(shù)據(jù)分析與挖掘技術(shù)基礎(chǔ)
數(shù)據(jù)分析與挖掘技術(shù)基礎(chǔ)
科學(xué)計算numpy
pandas
數(shù)據(jù)可視化matpalotlib
Python數(shù)據(jù)導(dǎo)入實戰(zhàn)
Python數(shù)據(jù)可視化分析實現(xiàn)
Python數(shù)據(jù)清洗、集成與變換
Python數(shù)據(jù)清洗
Python數(shù)據(jù)集成
Python數(shù)據(jù)變換
學(xué)會預(yù)處理大規(guī)模數(shù)據(jù)
Python數(shù)據(jù)挖掘建模
Python數(shù)據(jù)建模與分類實現(xiàn)
Python數(shù)據(jù)建模概述
Python數(shù)據(jù)分類實現(xiàn)過程
常見分類算法
KNN算法
貝葉斯方法
回歸分析與決策樹
Python數(shù)據(jù)分析與挖掘聚類實現(xiàn)與回歸分析
聚類常見算法
聚類三法實戰(zhàn)(劃分法、層次法、密度法)
K-Means算法
Python數(shù)據(jù)回歸分析
Python機器學(xué)習(xí)
特征工程
監(jiān)督學(xué)習(xí)分類算法
監(jiān)督學(xué)習(xí)回歸算法
非監(jiān)督學(xué)習(xí)
Scikit-learn使用
模型選擇與調(diào)優(yōu)
Python降維技術(shù)與大型數(shù)據(jù)分析與挖掘項目實戰(zhàn)
Python數(shù)據(jù)降維分析實現(xiàn)
大型網(wǎng)站用戶行為基本數(shù)據(jù)分析與挖掘分析項目實踐
人工智能工具Tensorflow
TensorFlow API的構(gòu)建
簡單API進行多層感知器建模
簡單API進行CNN/LSTM建模
DataSet與數(shù)據(jù)高效讀寫
復(fù)雜API的高效特征工程處理
Keras工具簡介
序貫?zāi)Ｐ团c函數(shù)模型的使用
多層感知器
Keras卷積神經(jīng)網(wǎng)絡(luò)
項目案例實戰(zhàn):驗證碼識別
