| 主办单位： | 泰迪杯数据挖掘挑战赛组委会 |
| 承办单位： | 广东泰迪智能科技股份有限公司 |
| 协办单位： | 人民邮电出版社有限公司 |
| 北京泰迪云智信息技术研究院 |
各有关院校
教育部《高等学校人工智能创新行动计划》及国务院颁布的《新一代人工智能发展规划》，责成科技司、基教司、职成司、高教司、地方各级教育行政部门大力推动人工智能、大数据等新技术在教育教学中的深入应用，推进信息技术与高等教育教学深度融合。从发布对人工智能、大数据等新技术与教育结合的指导性文件到直接扶持建设相关教学项目，为高校进行教学改革和升级教学手段和方式指明了新的方向。
据专业备案结果显示，2019年全国共有180所高校成功申报人工智能专业，新增智能制造工程专业高校80所、机器人工程专业高校62所以及智能科学与技术专业高校36所，同时全国成功申报人工智能技术服务专业的高职院校达到171所。人工智能产业的发展对人才提出了新的需求，国内各高校在积极进行学术研究的同时，已经将大数据与人工智能教育纳入培养体系。为帮助高校适时调整课程体系、继续深化教学改革，指导数据智能学科建设和跨学科人才培养，进一步提升教学能力和科研能力，泰迪杯数据挖掘挑战赛组委会将继续推动大数据与人工智能人才培养工程行动计划，2020年第六期“全国高校人工智能技术与应用实战项目师资训练营”将以线上以云课堂形式举办， 现将有关通知如下：
一、集训项目名称
基于深度学习的推荐系统受众性别预测
二、项目介绍
随着互联网和移动互联网迅猛发展，越来越多的用户数据涌向不同的线上平台，如何从海量数据中探究规律、挖掘价值，已经各大互联网公司重点关注的事情，个性化推荐系统便是其中一个引人瞩目的产出物。
在各类个性化推荐系统中，用户的年龄、性别、学历、职业等基础属性是重要输入特征，其中的逻辑是在大部分情况下用户对广告的偏好会随着其年龄、性别等自身情况的不同而产生区别，这一逻辑也许在多行业的实践中得到过验证。如果能够等到用户基本属性并将其输入个性化推荐系统中，则能大大提高系统的推荐准确率。
所以，对于缺乏用户基础属性的公司而言，基于用户交后数据来推断用户基础属性，是一件极有价值的事情。本项目的目标是通过分析挖掘用户在广告系统中的交互行为数据来得到各用户的基础属性-性别。
三、项目任务安排
| 项目实训安排 | 集训时间：2020年10月17日-23日 | |
|---|---|---|
| 时间 | 任务安排 | 学习平台 |
10月17日 19:00 - 21:30 | 1 了解项目背景及目标 2 获取及认识数据 | 个人pc |
| 线上直播：项目介绍及思路梳理 | 企业微信 | |
| 在线答疑 | 微信群 | |
10月18日 19:00 - 21:30 | 3 探索整理数据 4 获取用户相应单击流数据 | 个人pc |
| 任务讲解及分析 | 泰迪云课堂 | |
| 在线答疑 | 微信群 | |
10月19日 19:00 - 21:30 | 5 实现word embedding操作 | 个人pc |
| 任务讲解及分析 | 泰迪云课堂 | |
| 在线答疑 | 微信群 | |
10月20日 19:00 - 21:30 | 6 构建循环神经网络（rnn）序列模型 | 个人pc |
| 任务讲解及分析 | 泰迪云课堂 | |
| 在线答疑 | 微信群 | |
10月21日 19:00 - 21:30 | 7 构建卷积神经网络（cnn）模型 | 个人pc |
| 任务讲解及分析 | 泰迪云课堂 | |
| 在线答疑 | 微信群 | |
10月22日 19:00 - 21:30 | 8 构建并行网络结构：多特征并行叠加 9 模型调优 | 个人pc |
| 任务讲解及分析 | 泰迪云课堂 | |
| 在线答疑 | 微信群 | |
10月23日 19:00 - 21:30 | 机器学习工程师职业技术在线考试 | 泰迪云课堂 |
注：所有学员自备笔记本电脑(windows7 或以上操作系统(64位)、4g 内存)、按照项目要求完成各项目任务
四、项目技能点
深度学习实战、wordembedding、tensorflow2、python综合实操、机器学习、智能推荐、实际项目搭建与应用。
五、能得到的服务
1、完整的项目数据
2、项目解决思路梳理
3、全程有项目助理跟进答疑
4、教学及科研转化思路
5、项目所需技能的配套课程
六、预期收益
1、掌握深度学习技术在一线个性化推荐系统中的应用
2、深入理解深度学习（cnn、rnn）技术框架
3、进一步掌握python开发及分析应用技术
4、进一步掌握自然语言处理关键技术--wordembedding
5、考核通过后获得工信部教育与考试中心人工智能应用工程师职业技术证书
七、参加对象
各高等院校大数据、人工智能相关学科、计算机、网络通信、自动化、电子工程、数理统计等专业的科研、教学带头人、骨干教师、博士生、硕士生、本科生、大专生；
从事计算机、云计算、大数据、人工智能、互联网等相关领域项目的科研院所的项目负责人、科研人员、工程技术人员等。
八、时间与方式
项目实训时间：2020年10月17日-23日
（本次训练营的任务目标为完成一线企业项目，并非传统培训授课，请按要求定时完成各项目任务。提供的配套课程通过登录云课堂观看学习，支持六个月内免费回看）
九、项目配套课程
| 学习网站：edu.tipdm.org | 学习时间：报名成功后随时可以开始学习 | |
|---|---|---|
1 准备工作 2 列表操作 3 程序流程控制语句 4 字符串操作 4.1 字符串及其索引&切片 4.2 字符串娥常见方法 4.3 字典的创建及索引 4.4 字典常用操作 4.5 字典推导式 5 python文件读取操作 5.1 python读取文件 5.2 练习：统计小说中的单词频次 6 函数 6.1 python函数自定义 6.2 练习：自定义求序列偶数个数的函数 7 面向对象与模块 7.1 python方法与函数对比介绍 7.2 python面向对象示例 7.3 python模块使用 7.4 第三方库的安装与调用 8 注意事项 8.1 python工作路径说明 8.2 模块命名及存放路径的注意事项 8.3 结语 | 1 python数据分析概述 1.1 数据分析概述 1.2 熟悉python数据分析的工具 1.3 安装python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 掌握numpy数组对象 2.2 掌握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 掌握绘图基础语法与常用参数 3.2 分析特征间关系 3.3 分析特征内部数据分布与分散情况 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 4.4 使用分组聚合进行组内计算 4.5 创建透视表与交叉表 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 | |
| python机器学习实战 | 深度学习基础-人工神经网络 | |
1 机器学习绪论 1.1 引言 1.2 基本术语 1.3 假设空间&归纳偏好 2 模型评估与选择 2.1 经验误差与过拟合 2.2 评估方法 2.3 性能度量 2.4 性能度量python实现 3 回归分析(regressionanalysis) 3.1 线性回归基本形成 3.2 线性回归模型的python实现 3.3 波士顿房价预测的python实现 3.4 逻辑回归介绍 3.5 研究生入学录取预测的python实现 | 1 单个神经元介绍 2 经典网络结构介绍 3 神经网络工作流程演示 4 如何修正网络参数、梯度下降 5 网络工作原理推导 6 网络搭建准备 7 样本从输入层到隐层传输的python实现 8 网络输出的python实现 9 单样本网络训练的python实现 10 全样本网络训练的python实现 11 网络性能评价 12 调用sklearn实现神经网络算法 | |
| tensorflow2实战 | 人工智能核心课-深度神经网络 | |
1 任务1：构建一个线性模型 1.1 tensorflow介绍 1.2 tensorflow2常用数据类型和操作 1.3 初始化模型 1.4 构建损失函数 1.5 模型训练及可视化 1.6 使用高阶api-keras 2 任务2：mnist手写数字识别 2.1 数据读取及探索 2.2 交叉熵 2.3 模型构建及训练 2.4 调用保存好的模型对新样本进行预测 3 作业-鸢尾花分类 | 1.1 深度神经网络-引言 2 卷积神经网络cnn 2.1 浅层神经网络的局限 2.2 卷积操作 2.3 卷积操作的优势 2.4 池化及全连接 2.5 高维输入及多filter卷积 2.6 实现卷积操作 2.7 实现池化操作 3 循环神经网络rnn 3.1 循环神经网络简介 3.2 循环神经网络的常见结构 4 长短时记忆网络lstm 4.1 lstm的三个门 4.2 lstm三个门的计算示例 4.3 利用rnn&lstm实现mnist手写数字识别 | |
| 案例：用循环神经网络（rnn）对文本进行分类 | ||
1 明确项目需求与目标 2 环境准备 3 数据预处理 4 加载模型、构建读取接口 5 确定训练策略 6 配置参数 7 确定任务，开始训练 8 性能评估及总结 | ||
特别说明：配套课程仅作为参加本次训练营的基础知识，非本次实训营的核心内容。 报名成功后随时可以开始配套课程学习，项目集训前需完成全部课程内容。 | ||
十、课程主讲师资介绍
张敏广东泰迪智能科技股份有限公司高级、培训总监，从事用户数据分析和数据挖掘工作六年，具有丰富的大数据挖掘理论及实践培训经验，对数据具有较高的敏感度，根据数据对其进行全面的统计分析。精通python、r语言、matlab等多种数据挖掘工具。擅长市场发展情况监控、精确营销方面的数据挖掘工作。有为南方电网、珠江数码等大型企业长期提供实施服务的经验，主导了电子商务网站用户行为分析及网页智能推荐服务、中医证型关联规则挖掘、电信业务话单量预测、航空公司客户价值分析等多个项目。2017年“泰迪杯数据挖掘挑战赛教练员培训”主讲讲师，2018年广东省python与深度学习技术师资培训班主讲讲师，先后负责过西安理工大学、广东工业大学、广西师范学院、广西科技大学、闽江学院、广东石油化工学院、上海健康医学院等高校实训课程及德生科技等企业内训和数据挖掘就业班的课程。组织并参与编写《》、《》、《r语言编程基础》等。 | |
杨惠广东泰迪智能科技股份有限公司高级，具备丰富的培训经验，曾为多家企业、院校服务过专业培训工作。如ppv商业培训、泰迪大数据师资培训、珠海城职院数据分析培训等。从事数据挖掘工作五年，擅长文本挖掘及深度神经网络rnn，熟悉常用机器学习算法原理及应用，如神经网络、svm、决策树、贝叶斯等算法；精通r、python、matlab等常用数据挖掘处理工具。具有丰富的实践项目经验。如“京东电商产品评论情感分析”项目；“珠江数码大数据营销推荐应用”项目；“电子商务网站智能推荐服务”项目。 |
十一、证书颁发
学员经在线培训并考试合格后，可以获得本期培训对应专题职业技术证书。
十二、报名材料及费用说明
1. 报名材料：报名申请表、身份证复印件、两寸近期正面免冠彩色证件照 电子版（要求背景：白色，格式：jpg，大小：14-20k）。
2. 费用：2980 元/人,包含（报名费、学习费、资料费、证书费）。
3. 课程全程内容共计75课时，课程视频内容六个月内面向学员免费开放，可以反复学习。
4. 参加线上课程学习的学员，如后续本人参加线下课程继续深造，持线上缴费凭证可享受一次免费学习机会(仅限参加同一培训专题方向的线下课程)。
5. 本次由广东泰迪智能科技股份有限公司收取费用并开具发票。
八、威斯尼斯人0907官方网站的联系方式
联 系 人：曾老师 手 机：13246821827
微 信：antonia602501 q q：804954701
邮 箱：zengaizhi@tipdm.com
机构网址：www.tipdm.com
附件一：
2020年全国高校大数据与人工智能骨干师资研修班
报名申请表
| 单位名称 | |||||||
| 部门/院系 | |||||||
| 通讯地址 | 邮 编： | ||||||
| 发票抬头 | 发票内容： | ||||||
| 纳税号 | 电子发票 接收邮箱： | ||||||
| 联系人 | 电话： | 邮 箱： | |||||
| 姓名 | 性别 | 学历 | 毕业院校 | 职务 | 身份证号 | 手机号 | 电子邮箱 |
| 样书申请 | 1.《excel数据获取与处理》、2.《excel数据分析与可视化》、3.《powerbi数据分析与可视化》、4.《》、5.《数据数学基础(r语言描述)》、6.《大数据数学基础(python语言描述)》、7.《r语言编程基础》、8.《》、9.《》、10.《》、11.《》、12《》 | ||||||
| 样书申请说明：以上教材均由泰迪科技公司相关专家参与主编，人民邮电出版社出版，每位报名参加培训的学员可申请以上教材中的一本样本。 | |||||||
| 费用威斯尼斯人0907官方网站的支付方式 | 1、电汇到制定账号 2、扫码支付（报名后联系工作人员索要支付码）。 3、付款时请备注“姓名 单位名称”字样，方便查账备案。 | ||||||
| 账号信息 | 账户名：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 账号名：3602 0285 0920 1663 221 | ||||||
| 备注 | 请将报名表发送至招生办公室，报名邮箱：zengaizhi@tipdm.com 联系人： 曾老师 13246821827 | ||||||