Python+人工智慧的超強組合,再不學就跟不上時代啦!
課程名稱
《Python人工智慧》 (七天無理由退款)
主講老師
Robin 資深演算法工程師
計算機博士,從事機器學習、計算機視覺及模式識別等相關方向的研究,在計算機視覺等國際會議及期刊發表近20餘篇學術論文。現就職于海外某研究機構,負責演算法改進及其產品化、數據分析處理、建模及可視化。
課程簡介
人工智慧領域的數據科學工作者和數據分析師的崗位技能需要掌握Python作為數據分析工具,本課程以案例驅動的方式講解如何利用Python完成數據處理、數據分析、可視化及建模等方面常用的數據分析方法與技巧。
面向人群
1. 想了解和學習典型的數據分析流程和實踐的學習者
2. 想接觸和學習非結構化數據(文本、圖像、時間序列等)分析的學習者
3. 想學習數據分析中常用建模知識的相關從業人員
4. 尚不會使用Python處理數據分析的從業者
5. 想轉行從事數據分析師行業的學習者
6. 想使用Python實現機器學習或深度學習的工程師
學習收益
通過本課程的學習,學員將會收穫:
1. 熟悉數據分析的流程,包括數據採集、處理、可視化、數據建模等
2. 掌握Python語言作為數據分析工具,從而有能力駕馭不同領域數據分析實踐
3. 掌握非結構化數據的處理與分析
4. 快速積累多個業務領域數據分析項目經驗,包括文本數據、圖像數據及時間序列
5. 掌握使用Python實現基於機器學習及深度學習的數據分析和預測
6. 掌握數據分析中常用的建模知識
開課時間
2018年3月3日
學習方式
在線直播,共9次課,每次2~3小時
每周2次(周六、日,15:00 - 17:00)
直播後提供錄製回放視頻,可在線反覆觀看,有效期1年
課程大綱
第一課 工作環境準備及數據分析基礎
1. 課程介紹
2. 工作環境準備
3. Python進階技巧
4. 科學計算庫NumPy
5.實戰案例1-1:中國五大城市PM2.5數據分析 (1)
第二課 數據分析庫Pandas詳解
1. 基本數據對象及操作
2. 數據清洗
3. 數據合併及分組
4. 透視表
5.實戰案例1-2:中國五大城市PM2.5數據分析 (2)
第三課 數據展示及可視化
1. 數據可視化的重要性--Anscombe"s quartet
2. 基本圖表的繪製及應用場景
3. 數據分析常用圖表的繪製
4. Pandas及Seaborn製圖
5. 其他常用的可視化工具
--D3.js, ECharts
6.實戰案例2:YouTube視頻趨勢分析
第四課 Python機器學習(1)
1. 機器學習基本概念與流程
2. Python機器學習庫scikit-learn
3. 機器學習常用演算法介紹及演示(1)
-- KNN, 線型回歸,邏輯回歸,SVM,決策樹
4.實戰案例3-1:手機價格預測 (1)
第五課 Python機器學習(2)
1. 模型評價指標及模型選擇
2. 集成學習
-- Bagging, Boosting, Stacking, 集成規則
3. Boosting框架Xgboost
4.實戰案例3-2:手機價格預測 (2)
第六課 圖像數據處理及分析
1. 計算機視覺庫OpenCV
2. 圖像數據基本概念及操作
3. 常用的圖像特徵描述
4. 常用的聚類演算法
5.實戰案例4-1:時尚商品圖片分類(Fashion-MNIST) (1)
第七課 神經網路及深度學習CNN
1. 人工神經網路
2. 深度學習
3. TensorFlow框架學習及使用
4. TensorFlow實現卷積神經網路 (CNN)
5.實戰案例4-2:時尚商品圖片分類(Fashion-MNIST) (2)
第八課 時間序列分析及深度學習RNN
1. 時間序列基礎
2. 時間序列基本操作
3. 循環神經網路RNN
4. Keras框架學習及使用
5.實戰案例5:比特幣價格分析
第九課 文本數據分析
1. 自然語言處理及NLTK
2. 文本數據處理
3. 「詞袋」模型
4. 樸素貝葉斯
5.實戰案例6:垃圾簡訊檢測
常見問題
Q:本課程必須提前掌握Python嗎?
A:需要掌握基本的Python編程,本課程不會系統性講授Python的基本編程語言。如果你熟悉其他編程語言Java、C、Scala,學習Python是很容易的。
Q:會有實際上機演示和動手操作嗎?
A:有,幾乎每節課,老師均會準備上機演示部分,學員可以學習老師的實踐經驗。
※Python運行速度居然追上了C語言?那麼Python太完美了!簡直無敵
※Python 學習報告
TAG:Python |