数据分析/挖掘高薪就业培训班

数据分析/挖掘高薪就业培训班

课程介绍:

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。

  • 课程介绍
  • 课程章节
  • 技能认证
  • 主讲老师

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。

课程1:Python编程基础

第1模块:准备工作
  • 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

第2模块:Python基础知识
  • 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

第3模块:Python数据结构
  • 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

第4模块:程序流程控制语句
  • 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)

第5模块:函数
  • 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

第6模块:面向对象
  • 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)

第7模块:文件基础
  • 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

课程2:Python数据分析与应用

第1模块: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

第2模块: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

第3模块: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

第4模块: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

第5模块: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

第6模块: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

课程3:Linux基础

课程4:数据库SQL基础

课程5:Python数据可视化

第1模块:准备工作环境
  • 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

第2模块:绘制并定制化图表
  • 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

第3模块:学习更多图表和定制化
  • 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

第4模块:创建3D可视化图表
  • 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

第5模块:用图像和地图绘制图表
  • 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

课程6:Python网络爬虫实战

第1模块:Python爬虫环境与爬虫简介
  • 1.1 认识爬虫

  • 1.2 认识反爬虫

  • 1.3 配置Python爬虫环境

第2模块:网页前端基础
  • 2.1 认识Python网络编程

  • 2.2 认识HTTP协议

第3模块:简单静态网页爬取
  • 3.1 实现HTTP请求

  • 3.2 解析网页

  • 3.3 数据存储

第4模块:常规动态网页爬取
  • 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

第5模块:模拟登录
  • 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

第6模块:终端协议分析
  • 6.1 分析PC客户端抓包

第7模块:Scrapy爬虫
  • 7.1 认识Scarpy

  • 7.2 通过Scrapy爬取文本信息

  • 7.3 定制中间件

课程7:Python机器学习实战

第1模块:机器学习绪论
  • 1.1 引言

  • 1.2 基本术语

  • 1.3 假设空间

  • 1.4 归纳偏好

第2模块: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 偏差与方差

第3模块:回归分析(Regression Analysis)
  • 3.1 基本形式

  • 3.2 线性模型

  • 3.3 逻辑回归

第4模块:决策树(Decision Tree)
  • 4.1 基本流程

  • 4.2 划分选择

  • 4.3 剪枝

第5模块:人工神经网络(Artificial Neural Network)
  • 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

第6模块:最近邻算法(KNN)
    第7模块:朴素贝叶斯分类(Naive Bayesian)
      第8模块:聚类分析(Cluster Analysis)
      • 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

      第8模块:支持向量机(Support Vector Machine)
      • 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

      课程8:TensorFlow实战

      第1模块:TensorFlow与深度学习实战
      • 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

      第2模块:TensorFlow数据类型
      • 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

      第3模块:TensorFlow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

      第4模块:mnist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TensorFlow实现SoftMax网络对手写数字分类

      第5模块:TensorFlow动态学习速率
      • 5.1 TensorFlow动态学习速率设置

      • 5.2 TensorFlow动态学习速率使用

      第6模块:TensorFlow模型保存与调用
      • 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

      课程9:深度学习原理及编程实现

      第1模块: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TensorFlow实现

      第2模块: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TensorFlow实现

      第3模块:自然语言处理基础
      • 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

      第4模块:词表征(Word Representation)
      • 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

      第5模块:深度学习挖掘语义特征
      • 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!

      课程1:Python爬虫实践:《流浪地球》 豆瓣影评分析

      课程2:市财政收入分析及预测

      课程3:基于水色图像的水质识别

      课程4:电子商务网站用户行为分析及服务推荐

      课程5:广电大数据营销推荐项目实战

      课程6:航空公司客户价值分析

      课程7:基于文本内容的垃圾短信分类

      课程8:基于卷积神经网络的人脸识别系统

      课程9:京东商城美的空调评论数据情感分析

      课程10:大数据岗位人才招聘信息的分析与挖掘

      【权威】
      广州泰迪教育科技有限公司是广东泰迪智能科技股份有限公司下属子公司,工业和信息化部教育与考试中心授权我司作为工业和信息化人才培养工程培训基地,开展新一代信息技术方面职业技术培训工作,向我司颁发“工业和信息化人才培养工程培训基地”授权书和铜牌。

      【专业】
      泰迪智能研究院成立技术认证领导工作小组,秉承着总结凝练最先进的数据分析、人工智能实践为使命,明晰各类从业者的知识体系为职责,旨在加强全球范围内正规化、科学化、专业化的人才队伍建设,进一步提升工程师的职业素养与能力水平,促进数据分析、人工智能行业的高质量持续快速发展。

      “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。

        进入报考系统