人工智能+Python培訓課程

招生對象
大學生
需要解決的問題
就業(yè)需求迫在眉睫，對未來充滿期待和不確定，該入哪一行、選擇什么職業(yè)？
提供的解決方案
通過大量的真實項目訓練，提升動手能力，增加項目實戰(zhàn)經驗。課上課下全天候訓練，鍛煉實戰(zhàn)開發(fā)項目的能力。鞏固學過的數(shù)學知識，理解算法原理，增加項目動手經驗的同時，為更高層次的算法解決方案打好基礎。
職場人士（數(shù)據(jù)分析）
需要解決的問題
已經擁有了數(shù)據(jù)分析抓取方面工作經驗的白領，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)方面的經驗技能，對AI算法的推導過程原理進行深度補充，在數(shù)據(jù)挖掘分析基礎上進一步提升，從數(shù)據(jù)引入深度學習知識，在數(shù)據(jù)基礎上進入AI的學習，將數(shù)據(jù)分析挖掘的知識充分靈活運用，運用算法解決實際問題。
IT從業(yè)者
需要解決的問題
Javaer、PHPer、前端er...具備了豐富的項目開發(fā)經驗，職業(yè)發(fā)展進入平臺期，如何邁進科技前沿行業(yè)？
提供的解決方案
直接跳過編程基礎，通過項目之間橫向和縱向的對比，迅速進入AI項目的開發(fā)，在開發(fā)過程中理解AI項目的開發(fā)過程及技能，理解深度學習開發(fā)AI項目，大大增加在算法開發(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、深度學習算法研究、實現(xiàn)和優(yōu)化，負責特定需求的深度學習算法解決方案。
2、跟進業(yè)界人工智能的研究成果，開發(fā)并提升相應的算法任務。
圖像識別工程師
1、根據(jù)公司產品和業(yè)務需求，進行相關圖像算法的研究和開發(fā)。
2、負責相關算法的核心代碼實現(xiàn)或移植。
自然語言處理工程師
1、根據(jù)公司產品和業(yè)務需求，進行相關NLP算法的研究和開發(fā)。
2、負責NLP問題的研究，完成知識抽取、實體匹配、語義消歧、關系抽取等應用的研發(fā)。
語音識別工程師
1、參與公司核心語音識別算法的設計和研究及其工程實現(xiàn)。
2、負責跟進行業(yè)前沿技術發(fā)展趨勢，不斷優(yōu)化當前神經網絡模型；
數(shù)據(jù)挖掘工程師
1、對產品與用戶數(shù)據(jù)進行爬取和分析，發(fā)現(xiàn)數(shù)據(jù)背后的特征規(guī)律；
2、完成產品、市場等部門提出的各類數(shù)據(jù)挖掘需求、完成機器學習與數(shù)據(jù)挖掘項目。
數(shù)據(jù)分析工程師
1、負責數(shù)據(jù)分析工作，挖掘數(shù)據(jù)分析需求，制定并實施分析方案，進行項目數(shù)據(jù)分析、模型建構和數(shù)據(jù)處理。
課程體系
人工智能
人工智能初級：人工智能技術和應用場景的全面解析，系統(tǒng)化介紹人工智能技術鏈條
通過實例對人工智能的開發(fā)語言載體Python進行深入理解并掌握Python語法規(guī)則，變量和數(shù)據(jù)類型，程序結構控制，Python的數(shù)據(jù)結構，Python中的OOP，了解-神經網絡的訓練方法和流程，學習主流機器學習、深度學習框架環(huán)境的搭建，TensorFlow、Keras、Caffe等。
人工智能中級：本模塊重點在于算法的開發(fā)實現(xiàn)方面，學習人工智能中的識別技術
通過數(shù)字識別和人臉識別、自然語言處理等這些應用極為廣泛的項目開發(fā)，深入介紹深度學習的概念，激活函數(shù)以及神經網絡基礎，對CNN、RNN進行原理方法和原理學習，卷積層和池化層，圖像特征提取與識別，經典LeNet模型，LSTM，Encoder-Decoder Model等，同時引入自然語言處理方面的內容，包括分詞、題干提取建模等，為不同方向的技術學習構建完整的技能知識圖譜。
人工智能高級：從本階段開始，我們的學習重點轉向高級的模型優(yōu)化算法上
在項目開發(fā)實現(xiàn)的基礎上進行調優(yōu)處理，通過學習過程的優(yōu)化、數(shù)據(jù)預處理方法、超參數(shù)、學習率優(yōu)化、Batch-Normalization等方法，實現(xiàn)開發(fā)算法的優(yōu)化，完善提升神經網絡的效率和質量，進一步理解算法實現(xiàn)與設計，實現(xiàn)開發(fā)工程師提升到算法專家之路。
數(shù)據(jù)分析
數(shù)據(jù)分析初級：使用Python處理工作場景中的簡單數(shù)據(jù)分析
基于CDBD（中國歷代人物傳記資料庫）數(shù)據(jù)集開發(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和決策樹，學完之后能夠使用Python處理工作場景中的簡單數(shù)據(jù)分析。
數(shù)據(jù)分析中級：成為具有一定分析思維的數(shù)據(jù)分析師
基于真實企業(yè)數(shù)據(jù)庫開發(fā)案例，重點介紹K-近鄰、凝聚與分裂（層次聚類算法）、線性回歸、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，滿足就業(yè)需求。
數(shù)據(jù)分析高級：成長為一名高級數(shù)據(jù)分析師，并獲得算法工程師的相關技能
基于前兩個階段學員學習數(shù)據(jù)開發(fā)的在線學習數(shù)據(jù)分析案例，通過完全貼近真實情境的數(shù)據(jù)分析工作，學會處理各種數(shù)據(jù)分析中的復雜問題，所使用的建模方法有支持向量機、DBSCAN、邏輯回歸和反向傳播神經網絡，**終成長為一名高級數(shù)據(jù)分析師，并獲得算法工程師的相關技能，能做出直接跟系統(tǒng)交互的儀表盤。
Python

Python初級：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。通過項目實戰(zhàn)完全掌握Matplotlib實現(xiàn)簡單直觀的數(shù)據(jù)可視化、Echarts實現(xiàn)更豐富的交互需求，在此基礎上認識更多的數(shù)據(jù)可視化庫并靈活運用。
Python中級：數(shù)據(jù)抓取與采集
互聯(lián)網上存在著海量的數(shù)據(jù)信息，通過爬蟲可以快速高效的獲取這些數(shù)據(jù)。Scrapy爬蟲框架是當前非常流行的一款爬蟲框架。Scrapy使用Python作為開發(fā)語言，并且提供了非常豐富擴展功能，數(shù)量掌握Scrapy爬蟲框架的使用能夠實現(xiàn)高效獲取互聯(lián)網數(shù)據(jù)的目標。
Python高級：數(shù)據(jù)清洗與挖掘
本階段主要完成數(shù)據(jù)處理方面的學習，利用Python實現(xiàn)數(shù)據(jù)清洗與存儲相關技能。數(shù)據(jù)被正式應用于AI核心算法前，需要經過遷移、清洗、分片等多種轉換處理，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)、重復數(shù)據(jù)等。數(shù)據(jù)來源、存儲環(huán)境是多樣的，分別來自于JSON、CSV文件，MySQL、Redis、MongoDB數(shù)據(jù)庫，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)存儲問題。