人工智能+Python培訓(xùn)課程

招生對(duì)象
大學(xué)生
需要解決的問(wèn)題
就業(yè)需求迫在眉睫，對(duì)未來(lái)充滿(mǎn)期待和不確定，該入哪一行、選擇什么職業(yè)？
提供的解決方案
通過(guò)大量的真實(shí)項(xiàng)目訓(xùn)練，提升動(dòng)手能力，增加項(xiàng)目實(shí)戰(zhàn)經(jīng)驗(yàn)。課上課下全天候訓(xùn)練，鍛煉實(shí)戰(zhàn)開(kāi)發(fā)項(xiàng)目的能力。鞏固學(xué)過(guò)的數(shù)學(xué)知識(shí)，理解算法原理，增加項(xiàng)目動(dòng)手經(jīng)驗(yàn)的同時(shí)，為更高層次的算法解決方案打好基礎(chǔ)。
職場(chǎng)人士（數(shù)據(jù)分析）
需要解決的問(wèn)題
已經(jīng)擁有了數(shù)據(jù)分析抓取方面工作經(jīng)驗(yàn)的白領(lǐng)，技能發(fā)展遇到瓶頸，如何突破職業(yè)天花板？
提供的解決方案
充分利用已有數(shù)據(jù)方面的經(jīng)驗(yàn)技能，對(duì)AI算法的推導(dǎo)過(guò)程原理進(jìn)行深度補(bǔ)充，在數(shù)據(jù)挖掘分析基礎(chǔ)上進(jìn)一步提升，從數(shù)據(jù)引入深度學(xué)習(xí)知識(shí)，在數(shù)據(jù)基礎(chǔ)上進(jìn)入AI的學(xué)習(xí)，將數(shù)據(jù)分析挖掘的知識(shí)充分靈活運(yùn)用，運(yùn)用算法解決實(shí)際問(wèn)題。
IT從業(yè)者
需要解決的問(wèn)題
Javaer、PHPer、前端er...具備了豐富的項(xiàng)目開(kāi)發(fā)經(jīng)驗(yàn)，職業(yè)發(fā)展進(jìn)入平臺(tái)期，如何邁進(jìn)科技前沿行業(yè)？
提供的解決方案
直接跳過(guò)編程基礎(chǔ)，通過(guò)項(xiàng)目之間橫向和縱向的對(duì)比，迅速進(jìn)入AI項(xiàng)目的開(kāi)發(fā)，在開(kāi)發(fā)過(guò)程中理解AI項(xiàng)目的開(kāi)發(fā)過(guò)程及技能，理解深度學(xué)習(xí)開(kāi)發(fā)AI項(xiàng)目，大大增加在算法開(kāi)發(fā)方面的能力。
人工智能從業(yè)者職業(yè)規(guī)劃
AI算法工程師
1、深度學(xué)習(xí)算法研究、實(shí)現(xiàn)和優(yōu)化，負(fù)責(zé)特定需求的深度學(xué)習(xí)算法解決方案。
2、跟進(jìn)業(yè)界人工智能的研究成果，開(kāi)發(fā)并提升相應(yīng)的算法任務(wù)。
圖像識(shí)別工程師
1、根據(jù)公司產(chǎn)品和業(yè)務(wù)需求，進(jìn)行相關(guān)圖像算法的研究和開(kāi)發(fā)。
2、負(fù)責(zé)相關(guān)算法的核心代碼實(shí)現(xiàn)或移植。
自然語(yǔ)言處理工程師
1、根據(jù)公司產(chǎn)品和業(yè)務(wù)需求，進(jìn)行相關(guān)NLP算法的研究和開(kāi)發(fā)。
2、負(fù)責(zé)NLP問(wèn)題的研究，完成知識(shí)抽取、實(shí)體匹配、語(yǔ)義消歧、關(guān)系抽取等應(yīng)用的研發(fā)。
語(yǔ)音識(shí)別工程師
1、參與公司核心語(yǔ)音識(shí)別算法的設(shè)計(jì)和研究及其工程實(shí)現(xiàn)。
2、負(fù)責(zé)跟進(jìn)行業(yè)前沿技術(shù)發(fā)展趨勢(shì)，不斷優(yōu)化當(dāng)前神經(jīng)網(wǎng)絡(luò)模型；
數(shù)據(jù)挖掘工程師
1、對(duì)產(chǎn)品與用戶(hù)數(shù)據(jù)進(jìn)行爬取和分析，發(fā)現(xiàn)數(shù)據(jù)背后的特征規(guī)律；
2、完成產(chǎn)品、市場(chǎng)等部門(mén)提出的各類(lèi)數(shù)據(jù)挖掘需求、完成機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘項(xiàng)目。
數(shù)據(jù)分析工程師
1、負(fù)責(zé)數(shù)據(jù)分析工作，挖掘數(shù)據(jù)分析需求，制定并實(shí)施分析方案，進(jìn)行項(xiàng)目數(shù)據(jù)分析、模型建構(gòu)和數(shù)據(jù)處理。
課程體系
人工智能
人工智能初級(jí)：人工智能技術(shù)和應(yīng)用場(chǎng)景的全面解析，系統(tǒng)化介紹人工智能技術(shù)鏈條
通過(guò)實(shí)例對(duì)人工智能的開(kāi)發(fā)語(yǔ)言載體Python進(jìn)行深入理解并掌握Python語(yǔ)法規(guī)則，變量和數(shù)據(jù)類(lèi)型，程序結(jié)構(gòu)控制，Python的數(shù)據(jù)結(jié)構(gòu)，Python中的OOP，了解-神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法和流程，學(xué)習(xí)主流機(jī)器學(xué)習(xí)、深度學(xué)習(xí)框架環(huán)境的搭建，TensorFlow、Keras、Caffe等。
人工智能中級(jí)：本模塊重點(diǎn)在于算法的開(kāi)發(fā)實(shí)現(xiàn)方面，學(xué)習(xí)人工智能中的識(shí)別技術(shù)
通過(guò)數(shù)字識(shí)別和人臉識(shí)別、自然語(yǔ)言處理等這些應(yīng)用極為廣泛的項(xiàng)目開(kāi)發(fā)，深入介紹深度學(xué)習(xí)的概念，激活函數(shù)以及神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，對(duì)CNN、RNN進(jìn)行原理方法和原理學(xué)習(xí)，卷積層和池化層，圖像特征提取與識(shí)別，經(jīng)典LeNet模型，LSTM，Encoder-Decoder Model等，同時(shí)引入自然語(yǔ)言處理方面的內(nèi)容，包括分詞、題干提取建模等，為不同方向的技術(shù)學(xué)習(xí)構(gòu)建完整的技能知識(shí)圖譜。
人工智能高級(jí)：從本階段開(kāi)始，我們的學(xué)習(xí)重點(diǎn)轉(zhuǎn)向高級(jí)的模型優(yōu)化算法上
在項(xiàng)目開(kāi)發(fā)實(shí)現(xiàn)的基礎(chǔ)上進(jìn)行調(diào)優(yōu)處理，通過(guò)學(xué)習(xí)過(guò)程的優(yōu)化、數(shù)據(jù)預(yù)處理方法、超參數(shù)、學(xué)習(xí)率優(yōu)化、Batch-Normalization等方法，實(shí)現(xiàn)開(kāi)發(fā)算法的優(yōu)化，完善提升神經(jīng)網(wǎng)絡(luò)的效率和質(zhì)量，進(jìn)一步理解算法實(shí)現(xiàn)與設(shè)計(jì)，實(shí)現(xiàn)開(kāi)發(fā)工程師提升到算法專(zhuān)家之路。
數(shù)據(jù)分析
數(shù)據(jù)分析初級(jí)：使用Python處理工作場(chǎng)景中的簡(jiǎn)單數(shù)據(jù)分析
基于CDBD（中國(guó)歷代人物傳記資料庫(kù)）數(shù)據(jù)集開(kāi)發(fā)課程案例，介紹數(shù)據(jù)分析的基本流程和方法，涉及的數(shù)據(jù)建模方法主要是聚類(lèi)和決策樹(shù)，學(xué)完之后能夠使用Python處理工作場(chǎng)景中的簡(jiǎn)單數(shù)據(jù)分析。
數(shù)據(jù)分析中級(jí)：成為具有一定分析思維的數(shù)據(jù)分析師
基于真實(shí)企業(yè)數(shù)據(jù)庫(kù)開(kāi)發(fā)案例，重點(diǎn)介紹K-近鄰、凝聚與分裂（層次聚類(lèi)算法）、線(xiàn)性回歸、樸素貝葉斯等數(shù)據(jù)建模方法，成為具有一定分析思維的數(shù)據(jù)分析師，滿(mǎn)足就業(yè)需求。
數(shù)據(jù)分析高級(jí)：成長(zhǎng)為一名高級(jí)數(shù)據(jù)分析師，并獲得算法工程師的相關(guān)技能
基于前兩個(gè)階段學(xué)員學(xué)習(xí)數(shù)據(jù)開(kāi)發(fā)的在線(xiàn)學(xué)習(xí)數(shù)據(jù)分析案例，通過(guò)完全貼近真實(shí)情境的數(shù)據(jù)分析工作，學(xué)會(huì)處理各種數(shù)據(jù)分析中的復(fù)雜問(wèn)題，所使用的建模方法有支持向量機(jī)、DBSCAN、邏輯回歸和反向傳播神經(jīng)網(wǎng)絡(luò)，**終成長(zhǎng)為一名高級(jí)數(shù)據(jù)分析師，并獲得算法工程師的相關(guān)技能，能做出直接跟系統(tǒng)交互的儀表盤(pán)。
Python

Python初級(jí)：數(shù)據(jù)可視化
在大量數(shù)據(jù)的情況下，如何讓數(shù)據(jù)能夠更直觀，更高效的輸出有用的信息就需要借助于數(shù)據(jù)可視化技術(shù)。通過(guò)項(xiàng)目實(shí)戰(zhàn)完全掌握Matplotlib實(shí)現(xiàn)簡(jiǎn)單直觀的數(shù)據(jù)可視化、Echarts實(shí)現(xiàn)更豐富的交互需求，在此基礎(chǔ)上認(rèn)識(shí)更多的數(shù)據(jù)可視化庫(kù)并靈活運(yùn)用。
Python中級(jí)：數(shù)據(jù)抓取與采集
互聯(lián)網(wǎng)上存在著海量的數(shù)據(jù)信息，通過(guò)爬蟲(chóng)可以快速高效的獲取這些數(shù)據(jù)。Scrapy爬蟲(chóng)框架是當(dāng)前非常流行的一款爬蟲(chóng)框架。Scrapy使用Python作為開(kāi)發(fā)語(yǔ)言，并且提供了非常豐富擴(kuò)展功能，數(shù)量掌握Scrapy爬蟲(chóng)框架的使用能夠?qū)崿F(xiàn)高效獲取互聯(lián)網(wǎng)數(shù)據(jù)的目標(biāo)。
Python高級(jí)：數(shù)據(jù)清洗與挖掘
本階段主要完成數(shù)據(jù)處理方面的學(xué)習(xí)，利用Python實(shí)現(xiàn)數(shù)據(jù)清洗與存儲(chǔ)相關(guān)技能。數(shù)據(jù)被正式應(yīng)用于AI核心算法前，需要經(jīng)過(guò)遷移、清洗、分片等多種轉(zhuǎn)換處理，利用Python的numpy、pandas模塊有效處理源數(shù)據(jù)中的空缺值、噪聲數(shù)據(jù)、不一致數(shù)據(jù)、重復(fù)數(shù)據(jù)等。數(shù)據(jù)來(lái)源、存儲(chǔ)環(huán)境是多樣的，分別來(lái)自于JSON、CSV文件，MySQL、Redis、MongoDB數(shù)據(jù)庫(kù)，HDFS文件系統(tǒng)等等。利用Python的json、csv、pymysql、redis、pymongo、pyhdfs模塊很好地解決了數(shù)據(jù)存儲(chǔ)問(wèn)題。