Python＋人工智能的超强组合，再不学就跟不上时代啦！

课程名称

《Python人工智能》 （七天无理由退款）

主讲老师

Robin 资深算法工程师

计算机博士，从事机器学习、计算机视觉及模式识别等相关方向的研究，在计算机视觉等国际会议及期刊发表近20余篇学术论文。现就职于海外某研究机构，负责算法改进及其产品化、数据分析处理、建模及可视化。

课程简介

人工智能领域的数据科学工作者和数据分析师的岗位技能需要掌握Python作为数据分析工具，本课程以案例驱动的方式讲解如何利用Python完成数据处理、数据分析、可视化及建模等方面常用的数据分析方法与技巧。

面向人群

1. 想了解和学习典型的数据分析流程和实践的学习者

2. 想接触和学习非结构化数据(文本、图像、时间序列等)分析的学习者

3. 想学习数据分析中常用建模知识的相关从业人员

4. 尚不会使用Python处理数据分析的从业者

5. 想转行从事数据分析师行业的学习者

6. 想使用Python实现机器学习或深度学习的工程师

学习收益

通过本课程的学习，学员将会收获：

1. 熟悉数据分析的流程，包括数据采集、处理、可视化、数据建模等

2. 掌握Python语言作为数据分析工具，从而有能力驾驭不同领域数据分析实践

3. 掌握非结构化数据的处理与分析

4. 快速积累多个业务领域数据分析项目经验，包括文本数据、图像数据及时间序列

5. 掌握使用Python实现基于机器学习及深度学习的数据分析和预测

6. 掌握数据分析中常用的建模知识

开课时间

2018年3月3日

学习方式

在线直播，共9次课，每次2~3小时

每周2次（周六、日，15:00 - 17:00）

直播后提供录制回放视频，可在线反复观看，有效期1年

课程大纲

第一课 工作环境准备及数据分析基础

1. 课程介绍

2. 工作环境准备

3. Python进阶技巧

4. 科学计算库NumPy

5.实战案例1-1：中国五大城市PM2.5数据分析 (1)

第二课 数据分析库Pandas详解

1. 基本数据对象及操作

2. 数据清洗

3. 数据合并及分组

4. 透视表

5.实战案例1-2：中国五大城市PM2.5数据分析 (2)

第三课 数据展示及可视化

1. 数据可视化的重要性--Anscombe's quartet

2. 基本图表的绘制及应用场景

3. 数据分析常用图表的绘制

4. Pandas及Seaborn制图

5. 其他常用的可视化工具

--D3.js, ECharts

6.实战案例2：YouTube视频趋势分析

第四课 Python机器学习(1)

1. 机器学习基本概念与流程

2. Python机器学习库scikit-learn

3. 机器学习常用算法介绍及演示(1)

-- KNN, 线型回归，逻辑回归，SVM，决策树

4.实战案例3-1：手机价格预测 (1)

第五课 Python机器学习(2)

1. 模型评价指标及模型选择

2. 集成学习

-- Bagging, Boosting, Stacking, 集成规则

3. Boosting框架Xgboost

4.实战案例3-2：手机价格预测 (2)

第六课 图像数据处理及分析

1. 计算机视觉库OpenCV

2. 图像数据基本概念及操作

3. 常用的图像特征描述

4. 常用的聚类算法

5.实战案例4-1：时尚商品图片分类(Fashion-MNIST) (1)

第七课 神经网络及深度学习CNN

1. 人工神经网络

2. 深度学习

3. TensorFlow框架学习及使用

4. TensorFlow实现卷积神经网络 (CNN)

5.实战案例4-2：时尚商品图片分类(Fashion-MNIST) (2)

第八课 时间序列分析及深度学习RNN

1. 时间序列基础

2. 时间序列基本操作

3. 循环神经网络RNN

4. Keras框架学习及使用

5.实战案例5：比特币价格分析

第九课 文本数据分析

1. 自然语言处理及NLTK

2. 文本数据处理

3. “词袋”模型

4. 朴素贝叶斯

5.实战案例6：垃圾短信检测

常见问题

Q：本课程必须提前掌握Python吗？

A：需要掌握基本的Python编程，本课程不会系统性讲授Python的基本编程语言。如果你熟悉其他编程语言Java、C、Scala，学习Python是很容易的。

Q：会有实际上机演示和动手操作吗？

A：有，几乎每节课，老师均会准备上机演示部分，学员可以学习老师的实践经验。