突破演算法，橫掃金融界、IT圈
北上廣容不下肉身，
三四線放不下靈魂，
程序員里沒有窮人，
有一種土豪叫演算法工程師。
演算法，晦澀難懂，卻又是IT領域最受重視的素養之一。可以說，演算法能力往往決定了一個程序員能夠走多遠。因此，BAT/FLAG等國內外各大名企非常喜歡在面試環節考核求職者的演算法編程，這也成為了無數准程序員們過不去的一道「坎」。
如何入門並成為一名出色的演算法工程師？
跟我走吧
陸家嘴學堂推出
Pyth
on
經典演算法設計與機器學習訓練營
（
零基礎入門
）
充分發揮Python語言簡潔、高效及易學特點，
這門課將全面闡釋經典演算法思想，數據結構以及機器學習演算法原理與實踐，利用金融、商業數據分析場景，手把手教學程序設計技巧，為學員打下紮實基礎
，助您突破演算法類崗位面試中各類問題，摘得心中理想的崗位。
教學課題的選擇根據招聘中演算法、數據分析崗位實際技能需求進行設置，涵蓋邏輯實現能力、機器學習深度學習演算法的理解以及數據挖掘的基本技巧。這些技能包括並不僅限於：
深度學習/神經網路（MLP,CNN,RNN），回歸分析，K-Means聚類，支持向量機、決策書與Ensemble，PCA，交叉檢驗，Bias/Variance Tradeoff，搜索演算法等等
。
課程目標
（1）幫助學生快速入門python演算法與機器學習
（2）理解經典的演算法及數據結構思想原理。
（3）熟練運用Python語言及常用庫。
（4）理解機器學習，深度學習演算法細節，能夠運用演算法解決實際問題。
（5）自信面對數據、演算法類崗位面試各類考題。
（6）學習金融、商業及工業領域的應用場景。
（7）幫助學生轉換職業發展路徑到數據科學或者AI領域。
（8）打磨自身編程技能並掌握
重要演算法基礎知識和
核心就業技能。Jason
CQF、CFA、FRM、Wilmott/
CQF高級會員、
SEG/EAGE學會會員、
享獨立國家發明專利
、世界500強投資部門主管、資深金融工程師、油氣行業演算法工程師、SEG油藏地球物理工程師
。
同濟大學理學博士
(同濟大學與德州大學經濟地質局聯合培養)
，精通Python語言，演算法與資料庫基礎極為紮實。擔任過多次面試官，並培訓新人。
以第一作者身份發表多篇國際期刊及會議論文，內容涵蓋強化學習
（蟻群演算法）
、數據分析等，波動方程偏移以及機器學習下的動態資產組合建立等等。近年來發表三篇國際頂會論文，分別受邀前往Oral宣讀。積累了大量演算法研究成果，其中包括CV演算法（發表EI期刊論文一篇），深度學習演算法優化，基於頻譜分解的強化學習，蒙特卡羅及情景分析經濟地質測算與快速評價等等。
課程大綱
第一模塊：Python程序設計基礎
（2個課時）
一、Python基礎
1.語言特性
2.程序設計環境
Anaconda環境簡介
3.語法基礎
變數及標記語法
4.常用函數
5.語句結構
順序、循環、條件與遞歸
6. 常用庫介紹
Numpy、 Pandas、 Matplotlib等等
7. 面向對象方法
案例
二、演算法分析與Big O
1.演算法分析與Big O簡介
2.Big O 案例
3.Python 數據結構中的Big O
第二模塊：常用庫及應用
（2個課時）
一、Numpy庫的應用
1.特性
2.函數與方法
二、Pandas庫的應用
1.時間序列處理初步
2.Dataframe與Series
3.常用方法與函數
4.類資料庫查詢
三、可視化庫的應用
1.可視化圖件意義及製作方法
散點圖、餅圖、頻度圖、QQ、熱力圖等
2.Matplotlib,Seaborn及Pandas Plotting應用
3.對象特性
第三模塊：常用數據結構
（2.5個課時）
一、數組
數組序列簡介
動態數組與低級別數組
常見面試問題
二、棧、隊列與雙端隊列
簡介
Python實現方式
常見案例
三、鏈表
單鏈表與雙鏈表
常見問題
四、樹
樹結構的表徵
樹的遍歷
二叉搜索樹
常見應用
五、圖
圖的簡介
鄰接矩陣與鄰接列表
常見應用
第四模塊：經典演算法的Python實現
（2.5個課時）
1.貪心演算法：原理與實例
2.遞歸與遍歷
遞歸原理
序列遍歷與二分法
深度優先與廣度優先遍歷
常用場景
3.常用排序演算法：演算法原理、實例
4.動態規劃演算法初步：原理、應用場景案例
5.Hash函數：原理、Hash表的應用
第五模塊：機器學習演算法原理及Python應用
（4個課時）
一、機器學習演算法概覽與數學基礎
1.概率論與統計基礎
2.Bayes原理
3.最大似然原理
4.機器學習「武器庫」概況
二、最優化問題相關演算法
1.預測模型與最小二乘：（多元）線性回歸
2.Lagarange法：案例投資組合管理
3.牛頓法，最速下降及其變種
三、Logit回歸及機器學習重要概念
1.Logit回歸原理
2.損失函數
3.偏差與方差
4.欠擬合與過擬合
5.評估參數與方法
6.案例
四、經典機器學習演算法思想
1.EM演算法思想： Kmeans演算法等
2.樹類演算法：不純度計算：熵與Gini係數
Ensemble原理：Boosting，Bagging, Stacking
GBDT,RandomForest
演算法優化
案例
3.聚類演算法：PCA、 SVD、T-SNE
4.支持向量機
間隔與幾何間隔
對偶最優化問題
核技巧
損失函數：從Cross Entropy到Hinge
應用案例
5.特徵工程及實戰技巧
Sk-Learn庫使用方法
特徵工程基礎
常用特徵工程演算法
K-Fold交叉檢驗
數據清洗與充填
異常值檢驗
第六模塊：時間序列分析常用演算法
（3個課時）
1.信號分解與時頻分析
2.濾波與重構
3.ARIMA模型
模型定階初步
Python實現
4.Garch模型：原理及Python實現
5.隨機過程：理論、隨機採樣，蒙特卡羅法
6.案例
ARIMA股價預測
多階指數濾波
信號分解重構
第七模塊：深度學習實踐與提高
（3個課時）
一、神經網路原理
1.激活函數
2.梯度下降演算法
3.正向傳播與反向傳播
二、神經網路實現
1.Tensorflow、Keras、Theano庫應用基礎
2.手把手學習底層代碼
三、主要問題及優化
1.Dropout
2.BatchNormalisation
3.激活函數優化
4.結構優化
四、卷積神經網路初步
1.圖像濾波與特徵
2.輸出特徵尺寸計算
3.參數調優
五、深度學習經典模型及研究進展
1.循環神經網路（RNN）
2.LSTM，Gru等
3.新技術及學習方法
第八模塊：演算法類崗位面試問題解決
（2個課時）
1.統計與概率題
2.智力題
3.資料庫SQL
4.經典演算法題概要
5.機器學習演算法相關
6.實務類演算法設計題
// 課程詳情 //
課程單價：
899元
早鳥拼團優惠價：
299元
每節課時長：
60分鐘左右、部分內容時長可能超出。
開課時間：
2019年3月5號晚上20：00
課程形式：
錄播視頻 & 社群互動 & 微信群答疑
課時：
共計21個課時，21個小時
學習形式：
線上視頻：
通過微信服務號（陸家嘴學堂）收聽
作業：
每次課程更新後，將通過服務號發布實戰作業
作業講解：
視頻講解，與課程同步更新
聽課形式：
手機、電腦均可直接登錄聽課
有同步課件可以下
載，一次付費永久觀看
課程報名
長按識別二維碼即可報名哦
有任何問題都可以諮詢陸家嘴學堂助教zndb001
陸家嘴學堂
長按識別二維碼有福利哦
聽課流程：
1. 掃碼支付購買課程
2. 關注公眾號「陸家嘴學堂」
3. 點開公眾號「
陸家嘴學堂
」里中間的菜單「學堂頻道」，可在課程列表裡找到「我的」，找到「已購」點開即可聽課4. 在
課程
的「目錄」里，有「必讀」，點開即可掃碼加助教進入付費群。（付費群用於同學們交流溝通，不影響正常聽課）註：
1. 本課程為一次性付款，無需繳納其它任何費用，在第一節課更新後48小時內可申請退款，48小時後不予退款，報名前請謹慎考慮。
2. 如果你有其他相關問題，可以加課程顧問微信(zndb001)諮詢相關事宜。
TAG:Python程序員 |