CDA人工智能就业班
课程亮点:
朝九晚九全程跟班答疑、一对一督学、定期直播串讲、五分钟内有问必答、出勤率和进度监督、作业与测试
学习目标:
熟练掌握数据库、Python等数据分析软件;
学会机器学习、深度学习;
熟练掌握数据清洗,可以完成缺失值填补、异常值处理等;
精通数据可视化,例如箱线图、动态图等;
掌握人工智能在各行业的应用场景;
可以独立完成数据项目;
可以独立完成数据报告撰写;
学会团队协作,分工完成大型项目。
课程内容:
01章Mysql数据库应用
01-01数据库概述及基本操作
01-02单表查询
01-03多表查询、子查询
01-04常用函数
01-05MySQL进阶练习
01-06电商案例
02章Excel业务数据分析
02-01Excel基础技能
02-02案例综合-人力考勤应用
02-03数据的分类汇总
02-04图表可视化
02-05图表应用案例一-零售分析仪
02-06图表应用案例二-财务分析
02-07分析方法
03章商业智能分析
03-01数据仓库概述及基本操作
03-02数据建模及汇总规则
03-03零售行业分析案例
03-04电商行业客户行为分析案例
03-05餐饮行业销售情况监控案例
03-06电商行业流量分析案例
03-07进销存分析案例
03-08汽车市场数据分析案例
03-09拓展业务分析案例
04章机器学习数学基础
04-01微积分
04-02线性代数
04-03描述性统计方法
04-04抽样估计
04-05假设检验
04-06列联分析
04-07相关分析
04-08回归分析
05章python编程
05-01python入门与安装
05-02python语法入门
05-03基本数据类型
05-04控制语句
05-05错误与异常
05-06常用内置函数
05-07函数创建与使用
05-08python高级特性
05-09python模块
05-10python IO操作
05-11日期与时间
05-12类和面向对象
05-13python连接数据库
06章Python数据清洗
06-01Numpy基础
06-02Pandas入门
06-03Pandas基本数据处理方法
06-04Pandas聚合与分组
06-05Python数据清洗高级操作及案例实战
07章Python数据可视化
07-01Python数据可视化入门
07-02MLlib(RDD-BaseAPI)机器学习
07-03MatPlotlib绘图高级参数
07-04高级绘图工具seaborn、pyecharts
08章Python统计分析
08-01数据分析及统计信息
08-02一元线性回归
08-03多元线性回归
08-04一般logistic回归
08-05logistic回归与修正
09章Python机器学习入门
09-01机器学习入门
09-02KNN
09-03模型评估方法(一)
09-04模型优化方法(一)
09-05Kmeans
09-06模型评估方法(二)
09-07DBSCAN
09-08决策树
09-09模型评估方法(三)
09-10案例实战:决策树在保险行业的应用
10章Python机器学习夯实基础
10-01线性回归
10-02模型优化方法(二)
10-03逻辑回归
10-04朴素贝叶斯
10-05模型优化方法(三)
10-06关联规则
10-07协同过滤
10-08案例实战:基于协同过滤的商品个性化推荐
11章Python机器学习成竹在胸
11-01集成算法之随机森林
11-02集成算法之AdaBoost
11-03数据处理和特征工程
11-04SVM
11-05神经网络
11-06XGBoost
11-07实战案例:基于XGboost的航空预测
12章数据分析项目报告撰写
12-01报告的预备工作
12-02报告的逻辑框架及结构
12-03常用分析模型及适用场景
12-04项目基本情况分析
12-05项目分析方法与过程
12-06具体报告撰写
13章算法综合案例一:评分卡
13-01案例背景介绍
13-02建模准备
13-03数据清洗及变量粗筛
13-04模型训练
13-05模型评估
13-06模型部署与更新
14章算法综合案例二:电商零售
14-01项目总体概览以及计划
14-02方法实现与结果
14-03营销活动设计以及结果评价
15章非关系型数据库MongoDB
15-01MongoDB简介
15-02MongoDB的常用操作
15-03MongoDB的使用
15-04python操作MongoDB
16章深度学习基础:复杂网络分析
16-01图论
16-02复杂网络的拓扑结构性质
16-03更多类型的网络
16-04复杂网络的演化
16-05复杂网络的功能
16-06案例:北京市快速轨道交通的有效性
16-07案例:社交网络数据分析
17章深度学习框架TensorFlow
17-01开发环境搭建
17-02TensorFlow基本数据结构
17-03TensorFlow实现代码结构和开发步骤——回归问题
17-04TensorFlow实现代码结构和开发步骤——分类问题
18章深度学习基础算法理论及实践
18-01AI概述和TensorFlow基础
18-02神经网络结构
18-03卷积神经网络
18-04RNN和LSTM
18-05手写数字识别的突破——卷积神经网络TensorFlow实现
19章深度学习高阶算法理论及实践
19-01判别网络
19-02生成网络
19-03对抗网络和增强学习
20章人工智能实战
20-01文本分析项目
20-02文本数据预处理
20-03文本分析应用与python语言实现
20-04图像识别项目
20-05深度学习与图像识别及经典数据集
20-06图像识别的突破——卷积神经网络
20-07使用卷积神经网络对经典数据集cifar进行分类识别
20-08使用自己的数据集训练卷积神经网络
20-09语音识别项目
20-10语音技术分析
20-11本地语音识别
20-12网络语音识别
20-13对抗网络项目
20-14GAN原型讲解
20-15DCGAN
20-16DiscoDAN
20-17半监督学习