第一部分：線(xiàn)上實(shí)習(xí)（基礎(chǔ)部分共計(jì)15個(gè)課時(shí)）

學(xué)習(xí)時(shí)間

報(bào)名后即可開(kāi)始學(xué)習(xí)

學(xué)習(xí)地址（Python快速入門(mén)），備注：該部分內(nèi)容是前導(dǎo)課，請(qǐng)一定提前學(xué)習(xí)。

模塊

內(nèi)容

課時(shí)

Python基礎(chǔ)

1 準(zhǔn)備工作

1.1 認(rèn)識(shí)Python

1.2 搭建Python環(huán)境

1.3 安裝PyCharm并創(chuàng)建一個(gè)應(yīng)聲蟲(chóng)程序

2 Python基礎(chǔ)知識(shí)

2.1 掌握Python固定語(yǔ)法

2.2 創(chuàng)建字符串變量并提取里面的數(shù)值

2.3 計(jì)算圓形的各參數(shù)

3 Python數(shù)據(jù)結(jié)構(gòu)

3.1 創(chuàng)建一個(gè)列表（list）并進(jìn)行增刪改查操作

3.2 轉(zhuǎn)換一個(gè)元組（tuple）并進(jìn)行取值操作

3.3 創(chuàng)建一個(gè)字典（dict）并進(jìn)行增刪改查操作

3.4 將兩個(gè)列表轉(zhuǎn)換為集合（set）并進(jìn)行集合運(yùn)算

4程序流程控制語(yǔ)句

4.1實(shí)現(xiàn)考試成績(jī)劃分

4.2實(shí)現(xiàn)一組數(shù)的連加與連乘

4.3使用冒泡排序法排序

4.4實(shí)訓(xùn)（猜數(shù)字游戲）

5 函數(shù)

5.1自定義函數(shù)實(shí)現(xiàn)輸出方差

5.2使用匿名函數(shù)添加列表元素

5.3存儲(chǔ)并導(dǎo)入函數(shù)模塊

6 面向?qū)ο?/span>

6.1 認(rèn)識(shí)面向?qū)ο缶幊?/span>

6.2 創(chuàng)建Car類(lèi)

6.3 創(chuàng)建Car對(duì)象

6.4 迭代Car對(duì)象

6.5 產(chǎn)生Land_Rover對(duì)象（子類(lèi)）

7 文件基礎(chǔ)

7.1 認(rèn)識(shí)文件

7.2 讀取txt文件中的數(shù)據(jù)

7.3 保存數(shù)據(jù)為csv格式文件

7.4 認(rèn)識(shí)os模塊

15

第二部分：線(xiàn)下實(shí)戰(zhàn)（實(shí)部分共計(jì)40個(gè)課時(shí)）

學(xué)習(xí)時(shí)間

9月23-28日

日期

內(nèi)容

時(shí)間

第一天

報(bào)到

全天

第二天

大數(shù)據(jù)人才培養(yǎng)方案/課程設(shè)置分享

09:00-09:30

實(shí)戰(zhàn)任務(wù)說(shuō)明及啟動(dòng)

09:30-09:45

Python數(shù)據(jù)分析與應(yīng)用

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Python3的Anaconda發(fā)行版

1.4掌握Jupyter Notebook常用功能

2 NumPy數(shù)值計(jì)算基礎(chǔ)

2.1認(rèn)識(shí)NumPy數(shù)組對(duì)象ndarray

2.2認(rèn)識(shí)NumPy矩陣與通用函數(shù)

2.3利用NumPy進(jìn)行統(tǒng)計(jì)分析

3 Matplotlib數(shù)據(jù)可視化基礎(chǔ)

3.1了解繪圖基礎(chǔ)語(yǔ)法與常用參數(shù)

3.2分析特征間的關(guān)系

3.3分析特征內(nèi)部數(shù)據(jù)分布與分散狀況

4 Pandas統(tǒng)計(jì)分析基礎(chǔ)

4.1讀寫(xiě)不同數(shù)據(jù)源的數(shù)據(jù)

4.2掌握DataFrame的常用操作

4.3轉(zhuǎn)換與處理時(shí)間序列數(shù)據(jù)

5 使用Pandas進(jìn)行數(shù)據(jù)預(yù)處理

5.1合并數(shù)據(jù)

5.2清洗數(shù)據(jù)

5.3標(biāo)準(zhǔn)化數(shù)據(jù)

5.4轉(zhuǎn)換數(shù)據(jù)

6使用scikit-learn構(gòu)建模型

6.1使用sklearn轉(zhuǎn)換器處理數(shù)據(jù)

6.2構(gòu)建并評(píng)價(jià)聚類(lèi)模型

6.3構(gòu)建并評(píng)價(jià)分類(lèi)模型

6.4構(gòu)建并評(píng)價(jià)回歸模型

7 航空公司客戶(hù)價(jià)值分析

7.1了解航空公司現(xiàn)狀與客戶(hù)價(jià)值分析

7.2預(yù)處理航空客戶(hù)數(shù)據(jù)

??7.3使用K-Means算法進(jìn)行客戶(hù)分群

09:45-12:00

14:00-17:00

第三天

機(jī)器學(xué)習(xí)與人工智能

1 機(jī)器學(xué)習(xí)介紹

1.1有監(jiān)督學(xué)習(xí)：分類(lèi)、回歸

1.2無(wú)監(jiān)督學(xué)習(xí)：聚類(lèi)

1.3半監(jiān)督學(xué)習(xí)

1.4強(qiáng)化學(xué)習(xí)

2 機(jī)器學(xué)習(xí)案例：基于文本內(nèi)容的垃圾短信識(shí)別

2.1目標(biāo)分析

2.2數(shù)據(jù)準(zhǔn)備

2.3特征工程

2.4模型訓(xùn)練與調(diào)優(yōu)

2.5性能度量與模型評(píng)估

TensorFlow實(shí)戰(zhàn)

1 TensorFlow安裝與入門(mén)

1.1 TensorFlow環(huán)境搭建

1.2 TensorFlow計(jì)算模型性:計(jì)算圖

1.3 TensorFlow數(shù)據(jù)模型:張量Tensor

1.4 TensorFlow運(yùn)行模型:會(huì)話(huà)

2 TensorFlow數(shù)據(jù)類(lèi)型

2.1 常量、變量及其構(gòu)建

2.2 TensorFlow實(shí)現(xiàn)線(xiàn)性回歸模型

2.3 操作：TensorFlow實(shí)現(xiàn)鳶尾花分類(lèi)

3 TensorFlow實(shí)現(xiàn)多層神經(jīng)網(wǎng)絡(luò)

3.1 BP神經(jīng)網(wǎng)絡(luò)模型(Back Propagation)

3.2 操作：利用TensorFlow構(gòu)建BP網(wǎng)絡(luò)模型實(shí)現(xiàn)鳶尾花分類(lèi)

4 手寫(xiě)數(shù)字識(shí)別

4.1 圖片預(yù)處理

4.2 占位符:placeholder

4.3 操作：利用TensorFlow實(shí)現(xiàn)SoftMax網(wǎng)絡(luò)對(duì)手寫(xiě)數(shù)字識(shí)別

09:00-12:00

14:00-17:00

第四天

深度學(xué)習(xí)經(jīng)典算法案例實(shí)戰(zhàn)

1 卷積神經(jīng)網(wǎng)絡(luò)CNN

1.1卷積神經(jīng)網(wǎng)絡(luò)(CNN)簡(jiǎn)介

1.2 CNN關(guān)鍵結(jié)構(gòu):卷積層與池化層

1.3 經(jīng)典卷積網(wǎng)絡(luò)模型: LeNet-5

1.4 圖像數(shù)據(jù)處理

1.5 操作：利用CNN進(jìn)行手寫(xiě)數(shù)字識(shí)別

2案例：基于深度神經(jīng)網(wǎng)絡(luò)CNN的人臉識(shí)別

1.1 案例背景及目標(biāo)?

1.2 數(shù)據(jù)準(zhǔn)備（opencv-python）

1.3 人臉檢測(cè)及數(shù)據(jù)轉(zhuǎn)化

1.4 CNN網(wǎng)絡(luò)模型訓(xùn)練與保存?

1.5 模型加載與調(diào)用

1.6 人臉實(shí)時(shí)識(shí)別

09:00-12:00

14:00-17:00

第五天

企業(yè)案例：電商網(wǎng)站智能客服應(yīng)用

1 案例背景介紹

??1.1 案例背景

??1.2 系統(tǒng)架構(gòu)及流程

??1.3 數(shù)據(jù)介紹及分析目標(biāo)

2 詞表征（Word Representation）

??2.1 詞表征的背景與應(yīng)用

??2.2 one-hot編碼

??2.3 word2vec原理及實(shí)現(xiàn)

??2.4 練習(xí)：word2vec實(shí)現(xiàn)

3 數(shù)據(jù)預(yù)處理

??3.1 分詞、去除停用詞、近義詞處理

??3.2 生成詞向量（Word2Vec）

??3.3 構(gòu)造文本相似度基本特征

4 深度學(xué)習(xí)挖掘語(yǔ)義特征

??4.1 詞向量組合相似度

??4.2 基于循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）編碼的相似度計(jì)算

5 集成學(xué)習(xí)建模

6 模型評(píng)價(jià)與優(yōu)化

09:00-12:00

14:00-17:00

第六天

大數(shù)據(jù)企業(yè)參觀訪(fǎng)學(xué)