《数据科学与大数据技术》训练营-数据分析&数据挖掘-周末班

数据科学与大数据技术训练营》参考教育部“数据科学与大数据技术”专业课程设置内容,由一批企业专家和中青年博士、博士后授课,上课方式为在线学习(MOOC)+线下学习(集训),学生毕业可以推荐就业,同时颁发工信部职业技能鉴定中心水平能力证书。

课程背景

2016年2月,教育部公布新增“数据科学与大数据技术”本科专业(专业代码080910T),首批北京大学、对外经济贸易大学和中南大学获批,第二批有32所高校成功申请。

《数据科学与大数据技术训练营》参考教育部“数据科学与大数据技术”专业课程设置内容,由一批企业专家和中青年博士、博士后授课,上课方式为在线学习(MOOC)+线下学习(集训),学生毕业可以推荐就业,同时颁发工信部职业技能鉴定中心水平能力证书。

作为IT一族,在职场上打拼,如果你没有听说过华为新人训练营的话,那你就太out了,从大队培训到一营或者二营培训,一代代华为人通过高强度的学习和锻炼快速洗脱稚气,成长为企业的可用人才。训练营不是一个让你感到轻松和舒适的地方,但如果你心生向往,就会无所顾忌,奋勇前行。

培养目标

通过系统学习和动手实践,学员将学习最专业以及工业界最炙手可热的数据分析和大数据技术,夯实自己的基础知识并且提高数据分析能力,达到工业界对数据分析师、数据挖掘工程师、大数据开发工程师职位的招聘需求,帮助学员在求职大军中脱颖而出,最终收获心仪的offer。

课程特色

1.系统学习原理和方法,掌握全栈能力,不仅仅是视频!

线上知识点学习,线下集训实践,让你在数据分析、计算机编程、机器学习算法上全面的提升,掌握全栈能力;

2.案例完整演练

线下集训环节以案例学习为主,练习时间超过30%,实战为主;

3.工作推荐 + 就业辅导

提供拟面试模拟题、就业指导,一年内无限次就业推荐机会,包括BAT等一线互联网公司的工作机会推荐。

4.颁发职业技能专项技术证书,求职必备

颁发工信部职业技能专项技术证书,求职必备。

5.学员即会员,班级即圈子

送PPV课会员资格,免费参加下活动交流,优先获取峰会和论坛的折扣或免费门票,购买课程享最低折扣,QQ群长期答疑。

学习对象:

1.   各行业数据分析、数据挖掘从业者
2.   在校数学,经济,计算机,统计等专业教师和学生
3.   经济,医学生物研究院科研人员
4.   数据分析,数据挖掘兴趣爱好者及转行人士

课程大纲-初级班

 

数据分析&数据挖掘 初级班

初级以统计分析为主,工具是R语言。

课程 课时 上课方式 周末班时间 报名
数据分析基础 32 现场  12月2-3日

12月9-10日

R语言数据分析 24 现场 12月16-17日

12月23日

R语言数据可视化 16 现场  12月24日

12月30日

R语言机器学习 24 现场 12月31日

1月6-7日

备注:1)初级班可单独报名,需要有本科数学基础;

2)就业岗位为统计分析员、业务数据分析师、数据分析师。

 

师资介绍


谢佳标

资深数据分析与挖掘专家,有10年的数据分析与挖掘相关工作经验,从事过电商、电购、电力和游戏等行业,熟悉不同行业的数据特点,有丰富的R语言数据挖掘实战经验。微软最有价值专家(MVP)。
在数据业务中心负责数据挖掘工作,目前主要带领团队搭建用户画像标签库及应用落地,并对游戏数据进行深度挖掘。
多次受邀在中国R语言大会、大数据峰会上发表演讲,曾受邀在中山大学、华东师范大学、华南师范大学、厦门大学、贵州大学等高校做数据挖掘及可视化主题讲座。
合著书籍《R语言与数据挖掘》、《数据实践之美:31位大数据专家的方法、技术与思想》,新作《R语言游戏数据分析与挖掘》已在2017年7月出版。

 


谢宇

数据分析领域深耕十年,曾任省级运营商大数据分析负责人,负责公司数据化运营和大数据变现。现任某省运营商存量客户市场营销负责人,利用数据管理客户关系并做价值提升,不断致力于将数据分析方法嵌入管理与服务流程,部分数据分析项目产生千万级人民币收入。擅长数学建模及数据分析在营销管理及业务运营中的应用,有很强的实战经验。

 

 课程大纲

1、《数据分析基础》-32课时-谢宇

课程目标:

  1. 会操作数据库对数据进行整理和清洗;
  2. 了解数据分析和数据挖掘方法论;
  3. 会使用数据挖掘工具对数据进行分析挖掘。

课前准备工具:

安装oracleexpress、plsql和IBMmodeler14

课程安排:

Chapter 1

数据分析案例介绍

数据分析方法论介绍

描述性统计及数据可视化

养卡模型数据可视化及讨论

方差和标准差及上机

离群值检测及上机

CRISP-DM起源、结构、重点及难点

回顾课程

Chapter 2

数据探索和数据预处理

数据库初步及SQL上机

回顾课程

Chapter 3

特征选取

RFM模型及上机

分类算法、准确率和查全率

分类算法案例

分类算法上机操作

有监督学习和无监督学习,聚类算法原理

回顾课程

Chapter 4

聚类算法上机操作

聚类算法和分类算法区别及联合使用讨论课

实际案例上机

逻辑蒂克回归

异常检测/神经网络

推荐算法

回顾课程

 

《R语言数据分析》-24课时-谢佳标

 

第一天:

模块一:R语言快速入门

  • 数据分析、数据挖掘的前景
  • R语言简介
  • R语言及RStudio的下载及安装
  • R语言之初体验
  • 包的安装及使用

模块二:R语言的数据结构和基本操作

  • R语言的数据结构介绍
  • 向量
  • 矩阵
  • 列表
  • 数据框
  • 数据转换
  • 数据子集提取
  • 数据查询

模块三:R语言数据导入导出

  • 利用RStudio导入数据
  • 读入csv/txt文件
  • 四种方式读入Excel文件
  • 管理数据库系统(通过RODBC包和RMySQL包两种方式管理MySQL数据库)
  • 数据爬取快速入门:quantmod包、RCurl包、XML包、rvest包
  • 控制流语句
  • 自定义函数
  • apply函数

第二天:

模块四:R语言文本挖掘

  • 常用字符串处理函数
  • stringr包操作字符串
  • 中文分词(RWordSeg包和jiebaR包)
  • 文本挖掘(tm包)
  • 词云展示(wordcloud包和wordcloud2包)

模块五:R语言统计分析

  • 描述性统计分析
  • 频数统计
  • 线性回归原理与实践
  • logistic回归原理与实践

第三天:

模块六:数据探索

  • 利用R语言识别缺失值、对缺失值模型进行探索
  • 利用R语言对缺失值进行处理:直接删除、均值插补、模型预测
  • 判断异常值的常用技术
  • 利用R语言识别异常值
  • 常用分析变量间关系的方法
  • 对相关系数进行可视化展示

模块六:可重复性研究

  • 用R Markdown写自动化报告
  • 用R Notebook写自动化报告
  • 用xaringan写自动化报告

 

《R语言数据可视化》-16课时-谢佳标

第四天:

模块七:R语言绘图基础

  • 二类绘图命令
  • 基本绘图函数
  • 绘图三要素
  • 信息补充与渲染

模块八:主要绘图系统与包

  • R的3大图形系统
  • lattice包
  • ggplot2包

第五天:

模块九:交互式数据可视化

  • rCharts包
  • recharts包
  • plotly包
  • REmap包
  • 其他交互包
  • 基于htmlwidgets开发交互包

模块十:数据可视化产品开发- shiny

  • shiny包概述
  • shiny各种基础函数介绍
  • 简单的应用:生成K-Means聚类的动态图形(根据类中心个数而变化)
  • shinydashboard包概述
  • 案例:搭建数据可视化平台

 

《R语言与机器学习》-24课时-谢佳标

第六天:

模块十一:无监督学习

  • 不同聚类算法的基本原理及R语言实现
  • 案例一:对著名的鸢尾花数据进行K均值聚类分析
  • 案例二:对洛杉矶街区数据进行层次聚类
  • 案例三:对汽车数据进行层次聚类
  • 关联规则的基本原理及R语言实现
  • 案例:利用超市购物篮Groceries数据进行关联规则分析

模块十二:KNN近邻算法

  • KNN算法的基本原理
  • KNN算法的R语言实现
  • 案例一:对鸢尾花数据集进行knn分类
  • 案例二:对乳腺癌数据进行knn分类

第七天:

模块十三:决策树

  • 理解决策树算法原理
  • 不同决策树算法及R语言实现
  • 案例一:对信用卡欺诈用户运用C50算法分类
  • 案例二:对信用卡欺诈用户运用CART算法进行分类
  • 案例三:对汽车数据运用CART对汽车重量进行预测

模块十四:机器学习中的组合算法

  • adaboost、bagging及随机森林算法的基本原理
  • adaboost、bagging及随机森林算法的R语言实现
  • 随机森林算法模型结果详细解读
  • 案例一:对胎心宫缩监护数据利用组合算法进行分类
  • 案例二:对银行信用卡用户是否违约利用组合算法进行预测

模块十五:大数据挖掘利器-Microsoft R Server

  • MRS的优势
  • MRS安装介绍
  • MRS大数据导入
  • MRS导数据处理
  • MRS大数据建模技术

第八天:案例实战

模块十六:对玩家付费行为进行深度挖掘

  • 付费玩家分析常用方法
  • 关联规则的基本原理及R语言实现
  • 智能推荐算法的基本原理及R语言实现
  • 社会网络分析的基本原理及R语言实现
  • 利用关联规则发现物品间的关联关系
  • 利用智能推荐算法对玩家进行个性化推荐
  • 利用社会网络分析进行社群发现

模块十七:航空公司客户价值分析

  • 背景与挖掘目标
  • 分析方法与过程
  • 数据探索分析
  • 数据预处理
  • 模型构建
  • 模型应用

 

课程大纲-中级班

数据分析&数据挖掘 中级班

中级是大数据处理+算法+python 课程以实战为主,50%的内容是案例和练习,学完就可以上手。

课程 课时 上课方式 周末班时间 报名
Python编程入门 16 网络 随时
Python编程实战 24 现场 1月13-14日

1月20

Python数据挖掘 40 现场 1月21日

1月27-28日

2月3-4日

数据挖掘算法进阶 32 现场 3月10-11日

3月17-18日

Spark /Spark Mlib/Spark SQL 32 现场 3月24-25

3月31-4月1

机器学习&深度学习(Tensorflow/caffe) 36 网络 随时
备注:1)中级班可单独报名,需要有本科数学基础和编程基础,

2)就业岗位为大数据工程师、数据挖掘工程师、算法工程师、人工智能软件工程师。

 

师资介绍

徐磊  

牛津大学计算机科学博士,现任深圳市华傲数据技术有限公司数据科学家,工作内容涉及数据采集、数据整理、数据分析与应用等多个数据产业环节。徐磊博士的研究方向包括数据挖掘、机器学习、人工智能、分布式算法、金融风控、数据可视化等。

 

陈远波

本科应用数学,硕士计算数学、博士自动化,多次参加建模大赛(如全国大学生建模大赛、全国研究生建模大赛、阿里巴巴天池大赛等),3年大数据建模工作经验,熟悉前端,精通机器学习,熟悉各类算法,如SVM,KNN,BAYES,RNN,CNN,RBM和DBN等,了解scala语言和协同过滤推荐算法。运用深度学习算法对人脸进行检测和识别。

 

唐宇迪

深度学习领域多年一线实践研究专家。主要研究深度学习领域,计算机视觉,图像识别。精通机器学习,热爱各种开源技术尤其人工智能方向。在图像识别领域有着丰富经验,实现过包括人脸识别,物体识别,关键点检测等多种应用的最新算法。乐于钻研,解开每一个问题,把复杂的问题简单表达呈现,能帮助更多的同学入门深度学习这个领域是我最大的心愿。

 

罗辉

北京航空航天大学云计算专业硕士研究生, IT类工作10年以上经验, 熟练使用Spark,Zeppelin, Alluxio,kafka,HDFS,hbase,sqoop,hive,Ambari等Spark和hadoop生态圈的技术,熟练使用Scala和shell。目前在某企业里从事spark数据开发的相关工作,独立负责某油田客户中心数据库的基于Hadoop的大数据仓库项目的项目,包括Hadoop集群的设计和搭建,ORACLE数据库到Hive的ETL,基于SparkSQL的数据库的搭建,配置,优化,HUE界面上打通SparkSQL进行SQL查询,目前主要负责企业内部spark培训和人才培养。

 

BOB

毕业于计算机科学与技术专业,一直专注于使用Python进行文本挖掘和项目开发,具有丰富的Python编程经验,成功用Python实施完成了文本推荐系统、精准客户管理系统、数据实时分析系统和Python海量网络爬虫数据采集系统等,精通爬虫框架和文本挖掘算法,熟悉多线程开发及消息队列使用等技术,网页正文和分词、特征提取精准。

 

 

 课程大纲

 

《Python编程基础》16课时-BOB

通过课程的学习,使学员能够熟练掌握python的语法知识,能够看懂python编写的程序代码;掌握用python语言进行函数式编程和面向对象编程,并进一步能编写python应用程序。从而为以后的python数据收集和数据分析、及与python有关的计算机应用打下坚实的基础。

教学目标

短时间内让学员掌握python语言编程。

教学对象:

  1. Python零基础者,想转数据分析和数据挖掘行业者;
  2. 公司数据分析部门从业者,想提升职业能力者。

 大纲:

一、Python介绍

  • 7.11的下载和安装;
  • Pycharmr 下载、安装和设置

二、Python基础

1、python语法初步:

  • 变量要求,容易出错的命名方式。
  • 代码的规范要求。
  • 代码的注释操作和注释文档
  • 变量的赋值和Python 脚本文件的编码要求。

2、python数字和内置对象

  • python的交互式操作.raw_input与input的区别
  • python内置对象:type,cmp,repr,str,isinstance,xrange,None与NULL
  • 数字与字符的计算和逻辑运算,及数字精度的注意事项。

3、python元组

  • 元组的特性
  • 元组的初始化、删除、增加、修改、替换
  • 元组的切片及相关的内建函数

4、python列表和字符串

  • 列表与字符串的特性
  • 列表与字符串的初始化、删除、增加、修改、替换
  • 字符的格式化操作
  • 列表与字符的切片操作及相关的内建函数
  • 特殊的字符及字符的编码与解码

5、python集合与字典

  • 字典的特性
  • 字典的初始化、删除、增加、修改、替换
  • 映射类型的操作及相关的内建函数

6、python语法:条件和循环

  • 条件分支语句的用法及注意事项
  • While循环语句的用法
  • For语句,range与xrange函数的用法
  • Break与continue,pass、else的运用
  • 迭代器与iter函数

7、文件操作

  • File和open函数及其参数的学习
  • 文件目录操作
  • 文件内容的操作
  • Python操作Excel数据表

8、错误和异常的处理

  • 错误与异常的区别
  • Try-except-finally语法讲解
  • 断言,触发异常
  • 常用的异常,及自定义异常

9、模块、包

  • 搜索路径及命名空间
  • import与from-import语法
  • 包的讲解

10、函数

  • 函数的讲解
  • 函数参数
  • 函数编程:lambda,匿名函数
  • 内建函数apply,filter,map,reduce
  • 变量作用域:globa,闭包,命名空间
  • 递归

11、对象编程

  • 类的定义、属性和实例化
  • 类的组合、继承
  • 类的方法调用和修饰符
  • 类的内建函数

三、Python进阶

1、正则表达式

  • 正则表达式使用的字符讲解
  • 正则表达式的应用:匹配模式,编译形式,分割和替换
  • Re模块的讲解

2、多线程

  • 什么是线程和进程,
  • Threading模块的讲解
  • 线程同步的方法和GIL

3、数据库

  • 关系数据库的介绍和操作语句的讲解
  • DB-API讲解
  • SQLite讲解 

 

《Python编程实战 +Python数据挖掘》64课时-陈远波

  •  python编程实战(24课时)
    1. 7开发环境配置
    2. 基本语法及数据类型介绍
    3. numpy、scipy、pandas、sklearn等库介绍
    4.  python编程练习

i) python爬虫

ii)python ocr识别

iii)python自动发送邮件

 

  • Pythtn数据挖掘(40课时)
    1. 数据挖掘模型和训练指标:绝对误差、相对误差、平均绝对误差、均方(根)误差、精准率、召回率、ROC、AUC等
    2. Logistic回归理论及其对风险人群的预测
    3. 决策树理论知识及其在反欺诈场景中的应用
    4. Kmeans、SVM理论知识及其在识别码识别中的应用
    5. BP神经网络介绍及其在家用电器用户行为分析与事件识别

  

《数据挖掘算法进阶》32课时-徐磊

一、Page Rank排序算法(3课时)

1、搜索引擎及Page Rank算法背景介绍(1课时)

2、基本Page Rank算法模型框架(1课时)

3、Page Rank算法特殊情况处理(1课时)

二、决策树分类模型(3课时)

1、分类模型和决策树模型背景介绍(1课时)

2、ID3决策树分类模型(1课时)

3、C4.5决策树分类模型(1课时)

三、分类回归树模型(3课时)

1、分类模型和回归模型背景介绍(1课时)

2、CART回归树模型(1课时)

3、CART分类树模型(1课时)

四、K邻近分类模型(2课时)

1、K邻近分类模型及距离度量(1课时)

2、数据预处理和K值的选择(1课时)

五、朴素贝叶斯分类模型(3课时)

1、贝叶斯定理及其应用(1课时)

2、贝叶斯分类算法原理(1课时)

3、贝叶斯分类算法应用(1课时)

六、支持向量机模型(3课时)

1、支持向量机基础知识介绍(1课时)

2、线性支持向量机(1课时)

3、非线性支持向量机(1课时)

七、K-Means聚类算法(2课时)

1、K-Means聚类算法原理(1课时)

2、K-Means聚类算法应用(1课时)

八、EM算法(2课时)

1、最大似然估计(1课时)

2、EM算法原理(1课时)

九、Apriori算法(3课时)

1、Apriori算法基本介绍(1课时)

2、频繁项集的产生(1课时)

3、关联规则的产生(1课时)

十、AdaBoost算法(3课时)

1、组合模型的基本原理(1课时)

2、Bagging组合模型(1课时)

3、AdaBoost组合模型(1课时)

十一、数据挖掘实践常见问题(3课时)

1、不平衡类问题及解决方法(1课时)

2、交叉验证和ROC曲线(1课时)

3、维度灾难和过拟合(1课时)

 

《Spark /Spark Mlib/Spark SQL》32课时-罗辉

大纲

内容 培训大纲 实战
 

 

 

 

 

 

 

 

Spark简介,部署和RDD相关(第一天上午)

 

 

Ø  大数据介绍Ø  大数据在国内的现状

Ø  大数据实用工具hadoop/spark介绍

Ø  Spark与hadoop的比较

Ø  Spark的使用场景介绍

Ø  spark软件栈

Ø  动手搭建一个最简单的spark集群

Ø  运行例子程序SparkPi

实战:单节点的spark部署和通过不同的方式运行SparkPi,理解分布式Spark应用.学员思考: a.麻雀虽小,五脏俱全,观察一个 SparkPi 应用,思考 Spark 都做了些什么。
Ø  Spark部署模式OverViewØ  Spark启动过程详解

Ø  Spark集群部署之Standalone

Ø  Spark集群部署之Spark on Yarn

Ø  Spark集群部署之Spark on Mesos

实战:动手在Sparkshell中编写代码,以及动手实验常用的RDD操作。学员互动:

a.分组研究 Spark-shell – help 里面各组参数的意义。 b.配置自己的集群,然后分享为什么这么配置

Ø  spark集群硬件配置Ø  spark开发的语言选择

Ø  Java版本的选择

学员互动:分组设计一个Spark集群的购机方案
 

 

 

 

 

 

 

 

 

Spark入门(第一天下午)

 

 

Ø  RDD介绍及创建Ø  RDD的操作

Ø  RDD函数传递

Ø  闭包

Ø  shuffle介绍

Ø  RDD的持久化

Ø  共享变量

Ø  常用transformation和action的API介绍

Ø  RDD的持久化

Ø  集群的运维注意事项

Ø  Spark集群的监控

Ø  Spark的日志管理

Ø  Spark集群的安全

实战:动手在Sparkshell中编写wordcount和linecount,以及动手实验常用的RDD操作。学员互动:

a.Spark的API和Hadoop的API有哪些差别。

b.哪些代码运行在driver端,哪些运行在executor端

c.运行在driver端的代码容易出现什么问题,运行在executor端的代码容易出现什么问题

Ø  Job的调度流程Ø  Spark的配置

Ø  Spark的优化

Ø  Spark应用开发

实战: 使用movielens的数据,在Eclipse中开发简单Spark应用
 

 

 

Sparksql技术细节及实战(第二天上午)

Ø  Sparksql的配置Ø  RDD转换成Dataframe

Ø  Dataframe的常用API介绍

Ø  数据的加载

Ø  Sparksql对hive的支持

Ø  Sparksql操作hive中的表

Ø  Sparksql实战

Ø  Sparksql的优化

实战:Sparksql的应用,配置及Sparksql项目开发,读取movielens的数据构建dataframe,并做数据清洗。学员互动:

a.SparkSQL,Hive和HDFS分别在数据仓库中扮演的角色。

b.如何将spark使用在一个web网站系统的设计中。

 

 

 

 

 

spark Streaming技术细节及实战(第二天下午)

 

 

 

Ø  Spark Streaming及Dstream介绍Ø  Spark steaming的作用

Ø  Spark Streaming的处理过程

Ø  Kafka简介

Ø  Kafka producer消息的产生

Ø  基于Spark Streaming编程

Ø  Spark Streaming与kafka集成案例

实战:在IDE里开发一个Spark Streaming+Kafka实时消息处理的项目。搭建一个kafka集群,启动一个最简单的kafka流处理应用。

学员互动:

a.如何在Spark的UI上查看一个sparkstreaming的应用情况

b.Kafka和sparkstreaming在应用中扮演了什么角色,他们的角色能互换吗?为什么?

 

 

MLlib介绍及开发知识点(第三天上午)

Ø  MLlib简介Ø  Mahout on spark与MLlib的比较

Ø  MLlib的数据类型

Ø  常见的数据挖掘算法分类

Ø  解读推荐算法的例子

Ø  MLlib开发注意点

Ø  Mllib和Sparksql,SparkStreaming结合

实战:动手在eclipse中写一点简单的mllib的代码学员互动:

a.数据质量对数据挖掘有什么影响.如何理解数据质量。

b.谈一谈你用过的较好的推荐系统。为什么好,好在哪里?

 

 

数据挖掘算法详解和应用(第三天下午午)

Ø  聚类算法KMEAN详解Ø  协同过滤算法ALS详解

Ø  矩阵分解

Ø  逻辑回归LR详解

Ø  神经网络

Ø  决策树

实战:拿一些数据用kmeans及其他算法运行数据挖掘算法实验
Ø  复习3天的课程内容Ø  继续完成代码

Ø  课程答疑

 

 

Spark实战项目的开发上半部分(第四天上午)

Ø  数据的探查Ø  数据加载,RDD构建

Ø  数据清洗进行数据处理,得到进一步的数据

Ø  离线和实时数据的准备

 

实战:动手在eclipse中开发一个SparkSQL+SparkStreaming+Spark MLlib的推荐系统项目,理解数据挖掘算法的作用。
 

数据挖掘算法详解和应用(第四天下午)

Ø  构建推荐模块Ø  产生ALS的模型

Ø  完成离线的推荐

Ø  进一步完成实时的推荐

Ø  复习4天的课程内容Ø  继续完成代码

Ø  课程答疑

 

《机器学习&深度学习(Tensorflow/caffe)》36课时-唐宇迪

本课程旨在帮助同学们更快更轻松的掌握机器学习和深度学习所涉及的所有知识点,真正的入门这个世界上拥有最先进技术的领域。

学习对象

有能力看懂一门语言,有点数学基础(概率、线代)最好

学习目标

机器学习与深度学习实战,算法原理难点讲解
Caffe/Tensorflow框架深度解析,提供训练数据和代码

第一课:初探机器学习

1.机器学习要解决的任务

2.有监督与无监督问题

3线性分类器-由感知器打开机器学习的大门

4.机器学习hello word算法K-近邻算法原理

5.python实现k近邻算法

6.案例:使用k近邻预测约会对象

第二课:Python数据分析库实战

1.数据分析处理库pandas

2.可视化库matplotlib

3.逻辑回归与梯度下降

第三课:案例实战 信用卡欺诈检测

1.可视化库matplotlib

2.案例实战信用卡欺诈检测

第四课:决策树算法与欺诈检测

1.欺诈检测案例代码实现

2.决策树算法

第五课:泰坦尼克案例

1.泰坦尼克获救预测分析

2.HTTP数据如何提取特征

3.决策树参数选择

第六课:支持向量机

1.支持向量机问题推导

2.核变换问题

第七课:神经网络

1.神经网络基础知识点

2.神经网络架构

3.深入神经网络细节

第八课:深度学习的世界-卷积神经网络

1.神经网络模型

2.卷积详解

第九课:计算机视觉核心-卷积神经网络

1.卷积计算流程

2.卷积参数详解

3.经典网络结构

第十课:Tensorflow实战

1.Tensorflow基础

2.Mnist数据集识别

第十一课:深度学习实战

1.Tensorflow卷及神经网络

2.Caffe框架

第十二课:深度学习框架Caffe

1.Caffe框架使用方法

2.案例实战人脸检测

 

优惠和福利

 

1、免费办理工信部职业技能中心颁发的《数据分析师》资格证书(限报名初中级班);

 

1+1+1福利:

在AI时代,争取的学习姿势应该是:

每半年至少参加一次live活动或体验课程

每半年至少读一本数据科学或人工智能方面的书籍

每半年至少参加一次职业或生涯规划方面的讲座

您报名参加我们训令营课程,我们讲为您免费提供上述1+1+1套餐服务,让您在AI时代时刻掌握职场先机!

 

Q&A

Q:必须先上网络课程吗?

A:网络课程可以随时上,我们建议您在上集训课程之前,完成相关前置课程的学习。网络课程学习有效期为一年。

Q:我可以单独报名其中一门课程吗?

A:网络课程中的任何一门都可以单独报名学习。线下集训课程不可以分开报名。

Q:初级和中级可以分开报名吧?

A:可以。一起报名价格更优惠。

报名流程

1.填写报名信息

2.缴纳预付款(详见报名表,或咨询在线客服)

3.上课前补交尾款

4.不了解请点击咨询1796318148

 

 

往期培训

 

 

培训机构介绍

深圳市飞博远创科技有限公司位于深圳市南山区科技园,是一家专注于大数据人才职业培训的互联网公司。教学内容主要为数据分析、数据挖掘、数据可视化、Hadoop、Spark、SAS、SPSS、R语言、Python相关课程和认证培训;培训教师来自国内知名高校教师以及企业资深IT专家,技术功底深厚,项目和培训经验丰富。 我们服务过的客户包括招商银行深圳分行、交通银行深圳分行、上海晟碟(Sandisk)、广州流行美、深圳前海达飞金融、就医160、贵州中移通信技术工程有限公司、广东省省情调研中心、太原科技大学等知名企业和学校。

公司旗下PPV课是国内领先的大数据学习社区,覆盖20万专业用户,拥有国内目前最全的大数据网络课程和近20人的专业教师队伍。

 

原创文章,作者:Eileen,如若转载,请注明出处:http://www.ppvke.com/Blog/archives/45839

联系我们

在线咨询:点击这里给我发消息

工作时间:周一至周六,9:30-19:30,节假日休息
热线电话:0755-32843501

QR code