上海Python機(jī)器學(xué)習(xí)算法工程師培訓(xùn)班

第 一階段
預(yù)備知識：數(shù)據(jù)科學(xué)的數(shù)據(jù)庫基礎(chǔ)
了解數(shù)據(jù)庫在行業(yè)應(yīng)用中的價(jià)值及其在數(shù)據(jù)分析中的地位，掌握數(shù)據(jù)庫中數(shù)據(jù)存儲、數(shù)據(jù)查詢、數(shù)據(jù)處理技術(shù)，了解與工業(yè)場景中Python 操作數(shù)據(jù)庫的邏輯和方法，并解決BAT數(shù)據(jù)庫重點(diǎn)筆試題。
第 一章：數(shù)據(jù)的存儲、讀取及簡單處理
（一）導(dǎo)學(xué)直播：數(shù)據(jù)庫應(yīng)用價(jià)值及其在數(shù)據(jù)分析中的地位
（二）操作數(shù)據(jù)庫--數(shù)據(jù)的存儲
（三）查詢數(shù)據(jù)庫中的數(shù)據(jù)--查詢語句
（四）數(shù)據(jù)庫高級操作--函數(shù)
（五）工業(yè)場景下數(shù)據(jù)庫數(shù)據(jù)的提取與處理形式：Python連接數(shù)據(jù)庫
（六）專題直播：BAT數(shù)據(jù)庫面試題精講
（七）階段作業(yè)
第二階段
數(shù)據(jù)分析工具熟練運(yùn)用養(yǎng)成計(jì)劃
了解Python在數(shù)據(jù)科學(xué)、人工智能領(lǐng)域的地位，3倍速高效掌握Python編程、Python數(shù)據(jù)處理與可視化核心技術(shù)，并理解可視化技術(shù)實(shí)現(xiàn)結(jié)果輸出與內(nèi)容美化的數(shù)據(jù)表達(dá)邏輯。
第二章：3倍速學(xué)習(xí)Python核心編程技術(shù)
（一）導(dǎo)學(xué)直播：Python數(shù)據(jù)分析工具的市場競爭力分析
（二）Python編程的破冰之旅
（三）掌握Python序列對象：字符串、列表、元組、字典
（四）建立python控制流語句知識模型：條件判斷和循環(huán)的藝術(shù)
（五）實(shí)現(xiàn)Python的模塊化程序設(shè)計(jì)：函數(shù)
（六）面向?qū)ο缶幊膛c類
（八）專題直播：使用Git和Github進(jìn)行版本控制
（九）階段作業(yè)
第三章：數(shù)據(jù)分析入門：使用Numpy+Matplotlib分析數(shù)據(jù)
（一）導(dǎo)學(xué)直播：巧用Python強(qiáng)大的第三方庫功能，大幅度提升編程任務(wù)效率
（二）共享單車每季度平均騎行時(shí)間對比
（三）動手創(chuàng)建一個(gè)批量溫度轉(zhuǎn)換器
（四）共享單車各類用戶的平均騎行時(shí)間趨勢對比
（五）氣溫?cái)?shù)據(jù)的描述性統(tǒng)計(jì)分析：zui大值、zui小值、平均值
（六）共享單車的用戶類別分析：比例
（七）氣溫?cái)?shù)據(jù)的可視化分析
（八）共享單車用類別分析的統(tǒng)計(jì)圖形繪制
（九）功能強(qiáng)大的Numpy的高級操作
（十）階段作業(yè)
第四章：Pandas從數(shù)據(jù)分析到可視化
（一）導(dǎo)學(xué)直播：數(shù)據(jù)表達(dá)邏輯--結(jié)果輸出與內(nèi)容美化
（二）比較咖啡店各類飲品的數(shù)量與熱量
（三）PM2.5的數(shù)值展示及不同來源數(shù)值差異對比展示
（四）分析電子游戲在各國的營收情況并用堆疊圖展示
（五）房屋價(jià)格影響因素探索與房價(jià)趨勢的可視化展示
（六）神奇寶貝數(shù)據(jù)的變量關(guān)系探索與分析
（七）不同手機(jī)操作系統(tǒng)的流量使用情況分析
（八）統(tǒng)計(jì)不同專業(yè)的員工平均薪資
（九）股票行情分析及價(jià)格趨勢的可視化展示
（十）幸福指數(shù)的等級分析
（十一）專題直播：python實(shí)現(xiàn)excel辦公自動化
（十二）階段作業(yè)
第三階段
數(shù)據(jù)價(jià)值的挖掘及預(yù)測技術(shù)實(shí)戰(zhàn)
掌握機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)、機(jī)器學(xué)習(xí)理論及實(shí)現(xiàn)、深度學(xué)習(xí)理論及實(shí)現(xiàn)；掌握機(jī)器學(xué)習(xí)、深度學(xué)習(xí)在推薦系統(tǒng)、金融、量化等領(lǐng)域的工業(yè)應(yīng)用實(shí)踐及模型部署上線
第五章：數(shù)據(jù)價(jià)值挖掘及預(yù)測的數(shù)學(xué)基礎(chǔ)知識
（一）導(dǎo)學(xué)直播：數(shù)學(xué)基礎(chǔ)在機(jī)器學(xué)習(xí)中的重要性與必要性講解
（二）構(gòu)建機(jī)器學(xué)習(xí)的線性代數(shù)知識模型
（三）掌握機(jī)器學(xué)習(xí)算法原理推導(dǎo)中的微積知識
（四）掌握機(jī)器學(xué)習(xí)算法必知必會的統(tǒng)計(jì)學(xué)知識
（五）專題直播：Python實(shí)現(xiàn)統(tǒng)計(jì)分析的方法--statsmodel的介紹及使用
（六）階段作業(yè)
第六章：掌握數(shù)據(jù)價(jià)值挖掘及預(yù)測的監(jiān)督學(xué)習(xí)算法基礎(chǔ)
（一）導(dǎo)學(xué)直播：機(jī)器學(xué)習(xí)入門與算法總覽
（二）根據(jù)像素值對CIFAR10圖像數(shù)據(jù)進(jìn)行KNN算法分類
（三）動手實(shí)現(xiàn)基于決策樹的收入分類與可視化
（四）使用線性回歸模型實(shí)現(xiàn)Ames房價(jià)預(yù)測
（五）使用邏輯回歸構(gòu)建信用卡反欺詐預(yù)測模型
（六）使用樸素貝葉斯構(gòu)建垃圾郵件分類器
（七）使用支持向量機(jī)對金融支付服務(wù)的欺詐行為進(jìn)行預(yù)測
（八）通過boosting提升傳統(tǒng)算法在海外電商企業(yè)用戶細(xì)分項(xiàng)目中的效果
（九）使用XGBoost提升樹對人類發(fā)展指數(shù)官方數(shù)據(jù)集進(jìn)行回歸預(yù)測
（十）監(jiān)督學(xué)習(xí)綜合應(yīng)用實(shí)戰(zhàn)：基于超參數(shù)優(yōu)化的Gradient Boosting的銷售預(yù)測
（十一）專題直播：機(jī)器學(xué)習(xí)的人才需求及技術(shù)應(yīng)用現(xiàn)狀分析
（十二）階段作業(yè)
第七章：掌握數(shù)據(jù)價(jià)值挖掘及預(yù)測的無監(jiān)督學(xué)習(xí)算法基礎(chǔ)
（一）導(dǎo)學(xué)直播：實(shí)際工作中我們應(yīng)該如何根據(jù)場景選擇適合的機(jī)器學(xué)習(xí)算法模型
（二）使用KMeans進(jìn)行旅游企業(yè)客戶分群
（三）使用PCA進(jìn)行基因序列異常檢測實(shí)現(xiàn)癌癥診斷
（四）基于潛在狄利克雷分配（LDA）的內(nèi)容主題挖掘
（五）使用Apriori進(jìn)行322萬知乎用戶的關(guān)注話題關(guān)聯(lián)分析
（十二）階段作業(yè)
第八章：使用深度學(xué)習(xí)完成你的第 一個(gè)AI項(xiàng)目--人臉識別
（一）導(dǎo)學(xué)直播：深度學(xué)習(xí)的行業(yè)應(yīng)用價(jià)值及技術(shù)發(fā)展趨勢
（二）單層感知器與多層感知器在反欺詐預(yù)測上的表現(xiàn)對比
（三）使用神經(jīng)網(wǎng)絡(luò)進(jìn)行手寫數(shù)字圖片識別
（四）快速上手構(gòu)建一個(gè)人臉識別系統(tǒng)
（五）專題直播：深度學(xué)習(xí)主流框架介紹
（六）階段作業(yè)
第九章 工業(yè)項(xiàng)目實(shí)戰(zhàn)保障機(jī)器學(xué)習(xí)技術(shù)的落地實(shí)踐
（一）導(dǎo)學(xué)直播：工業(yè)場景下的機(jī)器學(xué)習(xí)模型應(yīng)用與模型部署
（二）推薦系統(tǒng)案例精講
（三）金融風(fēng)控案例精講
（四）時(shí)間序列案例精講
（五）算法模型的部署--在人工智能實(shí)驗(yàn)室 中部署我們的反欺詐預(yù)測模型
（六）專題直播：機(jī)器學(xué)習(xí)工程師職業(yè)成長路徑
（七）階段作業(yè)
第四階段
分布式機(jī)器學(xué)習(xí)的工具基礎(chǔ)與工業(yè)項(xiàng)目實(shí)戰(zhàn)
看了解大數(shù)據(jù)工具運(yùn)用的工業(yè)應(yīng)用價(jià)值、大數(shù)據(jù)生態(tài)系統(tǒng)的重要組件、大數(shù)據(jù)架構(gòu)搭建方法；掌握海量數(shù)據(jù)的存儲與處理技術(shù)；了解Spark大數(shù)據(jù)處理工具及相關(guān)組件；了解分布式機(jī)器學(xué)習(xí)的工業(yè)應(yīng)用價(jià)值，掌握Spark MLlib分布式機(jī)器學(xué)習(xí)實(shí)現(xiàn)的邏輯及其在金融、計(jì)算廣告、推薦系統(tǒng)、量化投資等領(lǐng)域的應(yīng)用。
第十章：海量數(shù)據(jù)存儲和處理技術(shù)：Linux環(huán)境下Spark2.x+Python開發(fā)環(huán)境的
（一）導(dǎo)學(xué)直播：海量數(shù)據(jù)處理的市場需求分析及工具介紹
（二）導(dǎo)入本地虛擬機(jī)至virtualbox及啟動系統(tǒng)和遠(yuǎn)程桌面連接
（二）大數(shù)據(jù)環(huán)境快速搭建：Hadoop偽分布式集群的搭建
（三）大數(shù)據(jù)環(huán)境快速搭建：Linux系統(tǒng)下安裝PySpark模塊并遠(yuǎn)程啟動Anaconda
（四）使用結(jié)構(gòu)化海量數(shù)據(jù)處理框架Spark SQL、Spark DataFrame進(jìn)行航空數(shù)據(jù)分析
（五）專題直播：Spark DataFrame與Python DataFrame異同
（六）階段作業(yè)
第十一章：千萬級別數(shù)據(jù)的機(jī)器學(xué)習(xí)問題：機(jī)器學(xué)習(xí)的分布式計(jì)算實(shí)現(xiàn)
（一）分布式機(jī)器學(xué)習(xí)的工業(yè)價(jià)值及技術(shù)發(fā)展趨勢介紹
（二）PySpark機(jī)器學(xué)習(xí)：Spark Mllib實(shí)現(xiàn)算法模型構(gòu)建
（三）構(gòu)建分類模型預(yù)測StumbleUpon給用戶個(gè)性化推薦的網(wǎng)頁是否長期受歡迎
（四）構(gòu)建回歸模型實(shí)現(xiàn)共享單車需求量預(yù)測
（五）分布式環(huán)境下的Avazu廣告數(shù)據(jù)集性別標(biāo)簽預(yù)測
（六）基于Avazu廣告數(shù)據(jù)的廣告排名及CTR預(yù)估
（七）分布式環(huán)境下的Audioscrobbler音樂推薦系統(tǒng)開發(fā)
（八）基于分布式機(jī)器學(xué)習(xí)的實(shí)現(xiàn)個(gè)人貸 款違約預(yù)測
（九）基于分布式機(jī)器學(xué)習(xí)的銀行零售產(chǎn)品的交叉營銷
（十）基于分布式XGBoost的量化投資項(xiàng)目實(shí)戰(zhàn)--股票價(jià)格的預(yù)測
（十一）專題直播：運(yùn)用Spark ML Pipeline組建簡易文本分類案例需求分析
（十二）階段作業(yè)
第五階段
結(jié)業(yè)項(xiàng)目競賽
學(xué)員將組隊(duì)參加DC平臺、阿里天池競賽，提交項(xiàng)目代碼到平臺，根據(jù)項(xiàng)目得 分及排名情況進(jìn)行優(yōu) 秀學(xué)員評選
第十二章：項(xiàng)目競賽及競賽案例詳解
第六階段
就業(yè)階段
本階段將為學(xué)員提供專業(yè)的簡歷指導(dǎo)和就業(yè)推薦服務(wù)，為學(xué)員的就業(yè)保駕護(hù)航。學(xué)員入職后持續(xù)提供為期1年的入職護(hù)航服務(wù)，入職不滿意重新推薦