2019年第四期全国高校大数据与人工智能应用技术双师型骨干师资培训班-威尼斯5139手机版

1 准备工作

   1.1 认识python

   1.2 搭建python环境

   1.3 安装anaconda并创建一个hello word程序

2 python基础知识

   2.1 掌握python固定语法

   2.2 创建字符串变量并提取里面的数值

   2.3 计算圆形的各参数

3 python数据结构

   3.1 创建一个列表（list）并进行增删改查操作

   3.2 转换一个元组（tuple）并进行取值操作

   3.3 创建一个字典（dict）并进行增删改查操作

   3.4 将两个列表转换为集合（set）并进行集合运算

4 程序流程控制语句

   4.1 实现考试成绩划分

   4.2 实现一组数的连加与连乘

   4.3 使用冒泡排序法排序

   4.5 实训（猜数字游戏）

5 函数

   5.1 自定义函数实现输出方差

   5.2 使用匿名函数添加列表元素

   5.3 存储并导入函数模块

6 面向对象

   6.1 认识面向对象编程

   6.2 创建car类

   6.3 创建car对象

   6.4 迭代car对象

   6.5 产生land_rover对象（子类）

7 文件基础

   7.1 认识文件

   7.2 读取txt文件中的数据

   7.3 保存数据为csv格式文件

   7.4 认识os模块

1 python数据分析概述

   1.1 认识数据分析

   1.2 熟悉python数据分析的工具

   1.3 安装python3的anaconda发行版

   1.4 掌握jupyter notebook常用功能

2 numpy数值计算基础

   2.1 认识numpy数组对象ndarray

   2.2 认识numpy矩阵与通用函数

   2.3 利用numpy进行统计分析

3 matplotlib数据可视化基础

   3.1 了解绘图基础语法与常用参数
   3.2 分析特征间的关系
   3.3 分析特征内部数据分布与分散状况

4 pandas统计分析基础

   4.1 读写不同数据源的数据
   4.2 掌握dataframe的常用操作
   4.3 转换与处理时间序列数据

5 使用pandas进行数据预处理

   5.1 合并数据

   5.2 清洗数据

   5.3 标准化数据

   5.4 转换数据

6 使用scikit-learn构建模型

   6.1 使用sklearn转换器处理数据

   6.2 构建并评价聚类模型

   6.3 构建并评价分类模型

   6.4 构建并评价回归模型

7 航空公司客户价值分析

   7.1 了解航空公司现状与客户价值分析

   7.2 预处理航空客户数据

   7.3 使用k-means算法进行客户分群

09:45-12:00

14:00-17:00

机器学习与人工智能

1 机器学习介绍

   1.1 有监督学习：分类、回归

   1.2 无监督学习：聚类

   1.3 半监督学习

   1.4 强化学习

2 机器学习案例：基于文本内容的垃圾短信识别

   2.1 目标分析

   2.2 数据准备

   2.3 特征工程

   2.4 模型训练与调优

   2.5 性能度量与模型评估

tensorflow实战

1 tensorflow安装与入门

   1.1 tensorflow环境搭建

   1.2 tensorflow计算模型性：计算图

   1.3 tensorflow数据模型：张量tensor

   1.4 tensorflow运行模型：会话

2 tensorflow数据类型

   2.1 常量、变量及其构建

   2.2 tensorflow实现线性回归模型

   2.3 操作：tensorflow实现鸢尾花分类

3 tensorflow实现多层神经网络

   3.1 bp神经网络模型（back propagation）

   3.2 操作：利用tensorflow实现softmax网络对手写数字识别

09:00-12:00

14:00-17:00

深度学习经典算法案例实战

1 卷积神经网络cnn

   1.1 卷积神经网络(cnn)简介

   1.2 cnn关键结构：卷积层与池化层

   1.3 经典卷积网络模型：lenet-5

   1.4 图像数据处理

   1.5 操作：利用cnn进行手写数字识别

2 案例：基于深度神经网络cnn的人脸识别

   2.1 案例背景及目标

   2.2 数据准备（opencv-python）

   2.3 人脸检测及数据转化

   2.4 cnn网络模型训练与保存

   2.5 模型加载与调用

   2.6 人脸实时识别

09:00-12:00

14:00-17:00

企业案例：电商网站智能客服应用

1 案例背景介绍

   1.1 案例背景

   1.2 系统架构及流程

   1.3 数据介绍即分析目标

2 词表征（word representation）

   2.1 词表征的背景与应用

   2.2 one-hot编码

   2.3 word2vec原理及实现

   2.4 练习：word2vec实现

3 数据预处理

   3.1 分词、去除停用词、近义词处理

   3.2 生成词向量（word2vec）

   3.3 构造文本相似度基本特征

4 深度学习挖掘语义特征

   4.1 词向量组合相似度

   4.2 基于循环神经网络（rnn）编码的相似度计算

5 集成学习建模

6 模型评价与优化

09:00-12:00

14:00-17:00

1 准备工作

   1.1 认识python

   1.2 搭建python环境

   1.3 安装pycharm并创建一个应声虫程序

2 python基础知识

   2.1 掌握python固定语法

   2.2 创建字符串变量并提取里面的数值

   2.3 计算圆形的各参数

3 python数据结构

   3.1 创建一个列表（list）并进行增删改查操作

   3.2 转换一个元组（tuple）并进行取值操作

   3.3 创建一个字典（dict）并进行增删改查操作

   3.4 将两个列表转换为集合（set）并进行集合运算

4 程序流程控制语句

   4.1 实现考试成绩划分

   4.2 实现一组数的连加与连乘

   4.3 使用冒泡排序法排序

   4.4 实训（猜数字游戏）

5 函数

   5.1 自定义函数实现输出方差

   5.2 使用匿名函数添加列表元素

   5.3 存储并导入函数模块

6 面向对象

   6.1 认识面向对象编程

   6.2 创建car类

   6.3 创建car对象

   6.4 迭代car对象

   6.5 产生land_rover对象（子类）

7 文件基础

   7.1 认识文件

   7.2 读取txt文件中的数据

   7.3 保存数据为csv格式文件

   7.4 认识os模块

1 python数据分析概述

   1.1 认识数据分析

   1.2 熟悉python数据分析的工具

   1.3 安装python3的anaconda发行版

   1.4 掌握jupyter notebook常用功能

2 numpy数值计算基础

   2.1 认识numpy数组对象ndarray

   2.2 认识numpy矩阵与通用函数

   2.3 利用numpy进行统计分析

3 matplotlib数据可视化基础

   3.1 了解绘图基础语法与常用参数

   3.2 分析特征间的关系

   3.3 分析特征内部数据分布与分散状况

4 pandas统计分析基础

   4.1 读写不同数据源的数据

   4.2 掌握dataframe的常用操作

   4.3 转换与处理时间序列数据

5 使用pandas进行数据预处理

   5.1 合并数据

   5.2 清洗数据

   5.3 标准化数据

   5.4 转换数据

6 航空公司客户价值分析

   6.1 了解航空公司现状与客户价值分析

   6.2 预处理航空客户数据

   6.3 使用k-means算法进行客户分群

09:45-12:00

14:00-17:00

机器学习与人工智能

1 机器学习介绍

   1.1 有监督学习：分类、回归

   1.2 无监督学习：聚类

   1.3 半监督学习

   1.4  强化学习

2 使用scikit-learn构建模型

   2.1 使用sklearn转换器处理数据

   2.2 构建并评价聚类模型

   2.3 构建并评价分类模型

   2.4 构建并评价回归模型

3 机器学习案例1：基于水色图像的水质识别

   3.1 背景与目标

   3.2 数据准备

   3.3 特征提取

   3.4 模型训练与调优

   3.5 性能度量与模型评估

4 机器学习案例2：基于文本内容的垃圾短信识别

   4.1 目标分析

   4.2 数据准备

   4.3 特征工程

   4.4 模型训练与调优

   4.5 性能度量与模型评估

09:45-12:00

14:00-17:00

tensorflow实战

1 tensorflow安装与入门

   1.1 tensorflow环境搭建

   1.2 tensorflow计算模型性：计算图

   1.3 tensorflow数据模型：张量tensor

   1.4 tensorflow运行模型：会话

2 tensorflow数据类型

   2.1 常量、变量及其构建

   2.2 tensorflow实现线性回归模型

   2.3 操作：tensorflow实现鸢尾花分类

3 tensorflow实现多层神经网络

   3.1 bp神经网络模型（back propagation）

   3.2 操作：利用tensorflow构建bp网络模型实现鸢尾花分类

4 手写数字识别

   4.1 图片预处理

   4.2 占位符：placeholder

   4.3 操作：利用tensorflow实现softmax网络对手写数字识别

5 tensorflow动态学习速率

   5.1 tensorflow动态学习速率设置

   5.2 tensorflow动态学习速率使用

6 tensorflow模型保存与调用

   6.1 tensorflow模型保存操作

   6.2 tensorflow模型加载与调用

   6.3 操作:softmax网络保存与调用实例

09:45-12:00

14:00-17:00

深度学习经典算法案例实战

1卷积神经网络cnn

   1.1 卷积神经网络（cnn）简介

   1.2 cnn关键结构：卷积层与池化层

   1.3 经典卷积网络模型：lenet-5

   1.4 图像数据处理

   1.5 操作：利用cnn进行手写数字识别

2 案例：基于深度神经网络cnn的人脸识别

   2.1 案例背景及目标

   2.2 数据准备（opencv-python）

   2.3 人脸检测及数据转化

   2.4 cnn网络模型训练与保存

   2.5 模型加载与调用

   2.6 人脸实时识别

09:45-12:00

14:00-17:00

案例：基于深度神经网络rnn的聊天机器人（chatbot）实现

1 循环神经网络rnn

   1.1 循环神经网络（rnn）简介

   1.2 rnn网络关键结构：隐层互联

   1.3 经典rnn模型：lstm

   1.4 时序数据处理

   1.5 操作：rnn的tensorflow实现

2 案例实现

   2.1 案例背景及目标

   2.2 语料库（corpus）准备并构建字典

   2.3 循环神经网络（recurrent neural network,rnn）基本原理

   2.4 定义激活函数（tanh函数）、softmax算法处理分类问题

   2.5 定义正向的输出与损失函数（loss function）

   2.6 构建基于注意力（attention）的seq2seq模型

   2.7 随时间反向传播（bptt）计算梯度并通过优化器更新

   2.8 使用checkpoint文件保存模型参数，并调用chatbot模型训练与测试优化

09:45-12:00

14:00-17:00

  发票内容

电子发票

接收邮箱

班次选择：

青岛班/广州班

1、请将报名表发至train-1@tipdm.com，培训费报名后请汇至指定的账号，汇款底单上注明“大数据研修班”字样，方便查账备案。将汇款底单电邮至报名处邮箱train-1@tipdm.com；
2、报到时现金或刷卡支付。

户   名：广东泰迪智能科技股份有限公司

开户行：中国工商银行广州花城支行

汇款帐号：3602 0285 0920 1663 221