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。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！