2019年第五期全国高校大数据与人工智能双师型骨干师资研修班-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 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：中国建设银行股份有限公司广州萝岗支行

汇款帐号：44050 14700 42090 12501