基礎(chǔ)篇（報(bào)名成功后即可開始學(xué)習(xí)）

時(shí)間

課程內(nèi)容

學(xué)習(xí)平臺(tái)

正式培訓(xùn)前

Python編程基礎(chǔ)

1準(zhǔn)備工作

2列表操作

3程序流程控制語句

4字符串操作

4.1字符串及其索引&切片

4.2字符串的常見方法

4.3字典的創(chuàng)建及索引

4.4字典常用操作

4.5字典推導(dǎo)式

5Python文件讀取操作

5.1Python讀取文件

5.2練習(xí)3：統(tǒng)計(jì)小說中的單詞頻次

6函數(shù)

6.1Python函數(shù)自定義

6.2練習(xí)4：自定義求序列偶數(shù)個(gè)數(shù)的函數(shù)

7面向?qū)ο笈c模塊

7.1Python方法與函數(shù)對(duì)比介紹

7.2Python面向?qū)ο笫纠?/p>

7.3Python模塊使用

7.4第三方庫的安裝與調(diào)用

8注意事項(xiàng)

8.1Python工作路徑說明

8.2模塊命名及存放路徑的注意事項(xiàng)

8.3結(jié)語

泰迪云課堂

核心課程篇

時(shí)間

課程內(nèi)容

學(xué)習(xí)平臺(tái)

專題講座

8月2日

18:30-22:00

主講：馮國燦教授

主題內(nèi)容：計(jì)算機(jī)視覺技術(shù)及其應(yīng)用

第一課 Python數(shù)據(jù)科學(xué)庫使用

8月2日

18:30-22:00

1 Python數(shù)據(jù)分析概述

1.1 認(rèn)識(shí)數(shù)據(jù)分析

1.2 熟悉Python數(shù)據(jù)分析的工具

1.3 安裝anaconda與掌握J(rèn)upyter Notebook常用功能

2 NumPy數(shù)值計(jì)算基礎(chǔ)

2.1 掌握NumPy數(shù)組對(duì)象

2.1.1NumPy簡(jiǎn)介

2.1.2 數(shù)組創(chuàng)建及基礎(chǔ)屬性

2.1.3 初識(shí)數(shù)組的特點(diǎn)

2.1.4 創(chuàng)建常用數(shù)組

2.1.5 數(shù)組數(shù)據(jù)類型

2.1.6 生成隨機(jī)數(shù)

2.1.7 一維數(shù)組的索引

2.1.8 邏輯型索引

2.1.9 多維數(shù)組的索引

2.1.10 求解距離矩陣

2.1.11 變化數(shù)組shape

2.2 掌握NumPy矩陣與通用函數(shù)

2.2.1 NumPy矩陣介紹

2.2.2 NumPy通用函數(shù)介紹

2.2.3 通用函數(shù)的廣播機(jī)制

2.3 利用NumPy進(jìn)行統(tǒng)計(jì)分析

2.3.1 NumPy讀寫二進(jìn)制文件

2.3.2 NumPy讀寫txt文件

2.3.3 利用NumPy對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單統(tǒng)計(jì)分析

3 Pandas統(tǒng)計(jì)分析基礎(chǔ)

3.1 Pandas簡(jiǎn)介

3.2 讀寫不同數(shù)據(jù)源的數(shù)據(jù)

3.2.1 Pandas讀取文本數(shù)據(jù)

3.2.2 存儲(chǔ)數(shù)據(jù)框

3.2.3 Pandas讀取excel文件

3.2.4 將數(shù)據(jù)框存儲(chǔ)為excel文件

3.3 數(shù)據(jù)框與數(shù)據(jù)框元素

3.3.1 構(gòu)建數(shù)據(jù)框

3.3.2 查看數(shù)據(jù)框的常用屬性

3.3.3 按行列順序訪問數(shù)據(jù)框中的元素

3.3.4 按行列名稱訪問數(shù)據(jù)框中的元素

3.3.5 修改數(shù)據(jù)框中的元素

3.3.6 刪除數(shù)據(jù)框中的元素

3.3.7 描述分析數(shù)據(jù)框中的元素

泰迪云課堂

操作演練/作業(yè)

個(gè)人PC

在線答疑

微信群

第二課? Python機(jī)器學(xué)習(xí)實(shí)戰(zhàn)

8月3日

18:30-22:00

1.1引言

1.2基本術(shù)語

1.3假設(shè)空間&歸納偏好

2.1經(jīng)驗(yàn)誤差與過擬合

2.2評(píng)估方法

2.3性能度量

2.4性能度量Python實(shí)現(xiàn)

3.1線性回歸基本形式

3.2線性回歸模型的Python實(shí)現(xiàn)

3.3波士頓房?jī)r(jià)預(yù)測(cè)的Python實(shí)現(xiàn)

3.4邏輯回歸介紹

3.5研究生入學(xué)錄取預(yù)測(cè)的Python實(shí)現(xiàn)

4.1從女生相親到?jīng)Q策樹

4.2明天適合打球嗎

4.3決策樹拆分屬性選擇

4.4決策樹算法家族

4.5泰坦尼克號(hào)生還者預(yù)測(cè)—數(shù)據(jù)預(yù)處理

4.6泰坦尼克號(hào)生還者預(yù)測(cè)—模型構(gòu)建與預(yù)測(cè)

4.7決策樹可視化

泰迪云課堂

操作演練/作業(yè)

個(gè)人PC

在線答疑

微信群

8月4日

18:30-22:00

5.1聚類分析概述

5.2相似性度量

5.3K-Means聚類分析算法介紹

5.4利用K-Means算法對(duì)鳶尾花進(jìn)行聚類

5.5聚類結(jié)果的性能度量

5.6調(diào)用Sklearn實(shí)現(xiàn)聚類分析

6.1間隔與支持向量

6.2對(duì)偶問題

6.3核函數(shù)

6.4軟間隔與正則化

6.5支持向量機(jī)算法的Python實(shí)現(xiàn)

泰迪云課堂

操作演練/作業(yè)

個(gè)人PC

在線答疑

微信群

第三課 Python特征工程實(shí)戰(zhàn)

8月5日

18:30-22:00

1.1 特征工程是什么

1.2 特征工程效果評(píng)估

1.3 定性還是定量

1.4 數(shù)據(jù)的4個(gè)等級(jí)介紹

1.5 數(shù)據(jù)的4個(gè)等級(jí)演示

2.1 探索性數(shù)據(jù)分析

2.2 探究不同類別樣本的血糖濃度

2.3 缺失值探索

2.4 刪除缺失值

2.5 構(gòu)建基線模型

2.6 網(wǎng)格搜索優(yōu)化

2.7 利用0進(jìn)行缺失值填充的模型性能

2.8 利用均值進(jìn)行缺失值填充的模型性能

2.9 標(biāo)準(zhǔn)化和歸一化介紹

2.10 結(jié)合機(jī)器學(xué)習(xí)流水線進(jìn)一步優(yōu)化

2.11 數(shù)據(jù)預(yù)處理小結(jié)

3.1 特征構(gòu)建引言

3.2 分類數(shù)據(jù)的填充

3.3 自定義分類數(shù)據(jù)填充器

3.4 自定義定量數(shù)據(jù)填充器

3.5 編碼定類數(shù)據(jù)

3.6 編碼定序變量

3.7 連續(xù)變量分箱

3.8 在流水線中封裝預(yù)處理操作

3.9 拓展數(shù)值特征的模型基線

3.10 多項(xiàng)式特征模型性能

泰迪云課堂

操作演練/作業(yè)

個(gè)人PC

在線答疑

微信群

8月6日

18:30-22:00

4.1 特征選擇介紹

4.2 數(shù)據(jù)導(dǎo)入及探索

4.3 基于皮爾遜相關(guān)系數(shù)的特征選擇

4.4 特征選擇前后模型性能比較

4.5 基于假設(shè)檢驗(yàn)的特征選擇

4.6 基于樹的特征選擇

4.7 特征選擇后模型性能探索

4.8 基于線性模型的特征選擇

4.9 小結(jié)

5.1 特征轉(zhuǎn)換介紹

5.2 主成分分析（PCA）介紹

5.3 PCA工作流程實(shí)現(xiàn)

5.4 PCA方差分析

5.5 利用sklearn實(shí)現(xiàn)PCA

5.6 深入解釋PCA之相關(guān)性探究

5.7 深入解釋PCA之線性變換

5.8 深入解釋PCA之?dāng)?shù)據(jù)分布探索

5.9 PCA小結(jié)

5.10 LDA工作流程及實(shí)現(xiàn)

5.11 sklearn實(shí)現(xiàn)LDA

5.12 LDA數(shù)據(jù)分布探索

5.13 應(yīng)用特征轉(zhuǎn)換

5.14 小結(jié)

泰迪云課堂

操作演練/作業(yè)

個(gè)人PC

在線答疑

微信群

第四課 綜合案例：水產(chǎn)養(yǎng)殖水質(zhì)智能識(shí)別

8月7日

18:30-22:00

1.1 案例背景與目標(biāo)

1.2 讀取一張圖片數(shù)據(jù)

1.3 獲取圖片數(shù)據(jù)的像素值矩陣

1.4 截取圖像的有效區(qū)域

1.5 水質(zhì)圖像特征-顏色矩

1.6 三個(gè)顏色矩的Python實(shí)現(xiàn)

1.7 如何進(jìn)行批量化數(shù)據(jù)轉(zhuǎn)換

1.8 自定義函數(shù)獲取指定路徑中的所有圖片名稱

1.9 處理所有圖片數(shù)據(jù)

1.10 數(shù)據(jù)處理代碼整理

1.11 模型構(gòu)建與性能評(píng)估

泰迪云課堂

操作演練/作業(yè)

個(gè)人PC

在線答疑

微信群

第五課 文本分類案例：垃圾短信智能識(shí)別

8月8日

18:30-22:00

1背景與目標(biāo)

2 數(shù)據(jù)探索

2.1數(shù)據(jù)讀取

2.2數(shù)據(jù)抽取

3 數(shù)據(jù)預(yù)處理

3.1去除短信中的x序列

3.2結(jié)巴分詞

3.3去除停用詞

3.4數(shù)據(jù)預(yù)處理函數(shù)封裝

3.5垃圾短信的詞頻統(tǒng)計(jì)

3.6詞云圖繪制

4 文本向量的表示

4.1文本數(shù)據(jù)的向量化表達(dá)

4.2獲取訓(xùn)練樣本的tf-idf權(quán)值向量

4.3獲取測(cè)試樣本的tf-idf權(quán)值向量

5 模型訓(xùn)練及評(píng)價(jià)

6 小結(jié)

泰迪云課堂

操作演練/作業(yè)

個(gè)人PC

在線答疑

微信群

第六課 綜合實(shí)戰(zhàn)：電商智能推薦-優(yōu)惠券使用預(yù)測(cè)

8月9日

18:30-22:00

1 背景與目標(biāo)

2 數(shù)據(jù)說明

2.1線下訓(xùn)練集數(shù)據(jù)介紹

2.2線上訓(xùn)練集數(shù)據(jù)介紹

2.3測(cè)試數(shù)據(jù)介紹

2.4項(xiàng)目流程介紹

3 數(shù)據(jù)預(yù)處理

3.1構(gòu)建正樣本

3.2構(gòu)建負(fù)樣本

3.3構(gòu)建樣本標(biāo)簽

4 特征構(gòu)建

4.1特征構(gòu)建介紹

4.2處理Discount_rate列

4.3特征1-折扣率

4.4特征2-商戶與用戶之間的距離

5 模型訓(xùn)練

5.1建模前數(shù)據(jù)準(zhǔn)備

5.2初級(jí)模型構(gòu)建

5.3ROC曲線與AUC值

5.4模型性能評(píng)估

5.5訓(xùn)練函數(shù)封裝

5.6模型預(yù)測(cè)

5.7預(yù)測(cè)函數(shù)封裝

6 特征完善

6.1特征3-優(yōu)惠券流行度

6.2特征4-用戶在商家中的消費(fèi)次數(shù)

6.3如何進(jìn)行特征拼接

6.4拼接訓(xùn)練集的特征3&4

6.5拼接測(cè)試及的特征3&4

泰迪云課堂

操作演練/作業(yè)

個(gè)人PC

在線答疑

微信群

第七課 在線考試

8月10日

高級(jí)大數(shù)據(jù)技術(shù)應(yīng)用職業(yè)技術(shù)證書職業(yè)技術(shù)證書在線考試

泰迪云課堂