数据分析/挖掘高薪就业培训班
以企业的技术和人才为依托,通过企业开发的课程、软件和实际案例,培养学生运用数据分析挖掘知识和编程软件解决实际问题及独立研究能力,锻炼学员成为企事业单位数据挖掘分析和大数据处理的中高级专业技术应用型人才。 学员掌握并能够熟练使用Python + TensorFlow等大数据与机器学习核心工具,并应用于实际工作。
以企业的技术和人才为依托,通过企业开发的课程、软件和实际案例,培养学生运用数据分析挖掘知识和编程软件解决实际问题及独立研究能力,锻炼学员成为企事业单位数据挖掘分析和大数据处理的中高级专业技术应用型人才。 学员掌握并能够熟练使用Python + TensorFlow等大数据与机器学习核心工具,并应用于实际工作。
以企业的技术和人才为依托,通过企业开发的课程、软件和实际案例,培养学生运用数据分析挖掘知识和编程软件解决实际问题及独立研究能力,锻炼学员成为企事业单位数据挖掘分析和大数据处理的中高级专业技术应用型人才。
学习目标
1. 学员掌握并能够熟练使用Python + TensorFlow等大数据与机器学习核心工具,并应用于实际工作;
2. 熟知数据分析挖掘项目的基本流程,建立良好的数据思维;
3. 熟悉常见数据分析和机器学习算法原理及编程实现,掌握决策树、SVM、神经网络等常见算法及深度学习算法和开源框架TensorFlow等;
4. 通过集中培训和项目实训,能够独立完成一个企业级项目,满足企业实际用人需求;
5. 符合数据分析与机器学习岗位要求,顺利进入数据分析或人工智能行业。
课程对象
● 大三大四应届毕业生
● 具有大专或以上学历
● 数据科学、大数据、人工智能、计算机、信息工程、统计学、信息与计算科学等相关专业
● 有一定数据分析基础知识的社会人员
课程特色
1. 课程内容从企业实际需求出发,以满足企业用人需求为标准;
2. 培训设置以实际项目为驱动,实施鱼骨教学法,从实战中来到实战中去;
3. 讲师为企业开发工程师,具备多年开发经验和教学经验;
5. 五大经典案例深入剖析,掌握客户分析、推荐系统、文本挖掘、图片识别等业务场景数据分析和建模方法;
6. 通过全真项目实战获得宝贵的项目经验,助力收获高薪offer;
7. 企业面试官、职场老司机的职场经验分享,助你在面试中游刃有余;
8. 视频课程免费看,整个培训课程都会进行视频录制,并免费提供给学员观看,以便复习巩固。
课程设置
4个月脱产集中培训加项目实战,系统学习数据分析与机器学习方法、工具及实战案例,具备Python数据分析+机器学习能力。
核心理论部分
精心策划9门核心课程,系统梳理课程知识框加、全面解析专业必备技能,为你应对企业项目工作打下坚实基础。
1.1 认识Python
1.2 搭建Python环境
1.3 安装PyCharm并创建一个应声虫程序
2.1 掌握Python固定语法
2.2 创建字符串变量并提取里面的数值
2.3 计算圆形的各参数
3.1 创建一个列表(list)并进行增删改查操作
3.2 转换一个元组(tuple)并进行取值操作
3.3 创建一个字典(dict)并进行增删改查操作
3.4 将两个列表转换为集合(set)并进行集合运算
4.1 实现考试成绩划分
4.2 实现一组数的连加与连乘
4.3 使用冒泡排序法排序
4.4 实训(猜数字游戏)
5.1 自定义函数实现输出方差
5.2 使用匿名函数添加列表元素
5.3 存储并导入函数模块
6.1 认识面向对象编程
6.2 创建Car类
6.3 创建Car对象
6.4 迭代Car对象
6.5 产生Land_Rover对象(子类)
7.1 认识文件
7.2 读取txt文件中的数据
7.3 保存数据为csv格式文件
7.4 认识os模块
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
2.1 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
3.1 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
4.1 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
5.1 合并数据
5.2 清洗数据
5.3 标准化数据
5.4 转换数据
6.1 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
1.1 准备介绍
1.2 安装matplotlib、Numpy和Scipy库
1.3 安装图像处理工具:Python图像库(PIL)
1.4 配置matplotlib参数
2.1 简介
2.2 定义图表类型—柱状图、线形图和堆积柱状图
2.3 设置坐标轴长度和范围、线型、属性和格式化字符串
2.4 添加图例和注解
3.1 简介
3.2 设置坐标轴标签的透明度和大小
3.3 为图表线条添加阴影
3.4 向图表添加数据表
3.5 使用subplots(子区)
3.6 定制化网格
4.1 简介
4.2 创建3D柱状图
4.3 创建3D直方图
4.4 在matplotlib中创建动画
5.1 用PIL做图像处理
5.2 在具有其他图形的图表中显示图像
5.3 使用Basemap在地图上绘制数据
1.1 认识爬虫
1.2 认识反爬虫
1.3 配置Python爬虫环境
2.1 认识Python网络编程
2.2 认识HTTP协议
3.1 实现HTTP请求
3.2 解析网页
3.3 数据存储
4.1 逆向分析爬取动态网页
4.2 使用Selenium库爬取动态网页
4.3 存储数据至MongoDB数据库
5.1 使用表单登录方法实现模拟登录
5.2 使用Cookie登录方法实现模拟登录
6.1 分析PC客户端抓包
7.1 认识Scarpy
7.2 通过Scrapy爬取文本信息
7.3 定制中间件
1.1 引言
1.2 基本术语
1.3 假设空间
1.4 归纳偏好
2.1 经验误差与过拟合
2.2 评估方法
2.3 性能度量
2.4 偏差与方差
3.1 基本形式
3.2 线性模型
3.3 逻辑回归
4.1 基本流程
4.2 划分选择
4.3 剪枝
5.1 神经元模型
5.2 感知机与多层网络
5.3 误差逆传播
5.4 BP神经网络
8.1 聚类任务
8.2 性能度量
8.3 距离计算
8.4 常用聚类算法
9.1 间隔与支持向量
9.2 对偶问题
9.3 核函数
9.4 软间隔与正则化
1.1 TensorFlow安装与入门
1.2 TensorFlow环境搭建
1.3 TensorFlow计算模型性:计算图
1.4 TensorFlow数据模型:张量Tensor
1.5 TensorFlow运行模型:会话
2.1 常量、变量及其构建
2.2 TensorFlow实现线性回归模型
2.3 操作:TensorFlow实现鸢尾花分类
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
4.1 图片预处理
4.2 占位符:placeholder
4.3 操作:利用TensorFlow实现SoftMax网络对手写数字分类
5.1 TensorFlow动态学习速率设置
5.2 TensorFlow动态学习速率使用
6.1 TensorFlow模型保存操作
6.2 TensorFlow模型加载与调用
6.3 操作:softmax网络保存与调用实例
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TensorFlow实现
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TensorFlow实现
3.1 自然语言处理简介
3.2 中文分词
3.3 NLP概率图
3.4 文本分类
4.1 词表征的背景与应用
4.2 one-hot编码
4.3 word2vec原理及实现
5.1 词向量组合相似度
5.2 基于循环神经网络(RNN)编码的相似度计算
行业案例部分
精选优秀行业案例,详解案例全过程,拆解案例任务点,指出重难点和注意事项,手把手带着你一起实操演练,在案例场景中教你全面掌握相关技能,让你成功胜任数据挖掘、数据分组、机器学习等项目工作!
“Python技术应用工程师”是一套专业化,科学化,系统化的人才考核标准,涉及在互联网、零售、金融、电信、医学、旅游等行业专门从事数据采集、数据分析、机器学习、人工智能并能制作业务报告、提供决策的新型数据分析人才所需要的技能。
“Python技术应用工程师认证”是对在数据分析、人工智能领域中使用Python作为主要分析工具从业者的全面认证,分为初级,中级,高级三个等级。泰迪智能研究院作为认证考试主办机构,并根据标准制定了规范的人才培养与考试认证机制。
通过Python技术应用工程师等级认证考试,将获得“Python技术应用工程师”证书以及同等“CBDA大数据分析工程师”证书。
高级信息系统项目管理师
数据挖掘与人工智能金牌讲师
具有丰富的大数据挖掘、人工智能教学和开发经验,曾为南方电网、珠江数码等多个大型企业提供项目研发及实施服务,编写超十本数据智能类书籍,参与了超千场国内高校和企业关于大数据挖掘、人工智能培训,培训效果显著,是历届全国高校师资研修班主讲老师。
人工智能工程师
人工智能金牌讲师
有丰富的项目开发实战经验,负责多项人工智能及大数据开发项目,擅于将复杂的人工智能理论知识和数学推导以通俗易懂的形式表达出来,为多家上市企业、院校开展过专业培训工作。参与了《TensorFlow2深度学习实战》、《深度学习与计算机视觉实战》等书籍编写。
张老师:18927565259