/3

泰迪科技第六届“Python集训营”开幕通知

泰迪智能科技2019-02-26 18:20:15401

新的一年已经到来啦,第七届泰迪杯挖掘赛也要开始啦!各位同学们有没有做好参赛的准备呢!恰逢毕业季,各位同学们又要开始为找工作而奔波啦,就让我们从现在开始准备起来吧。

在数据分析的学习过程中,语言仅仅是作为基础,想要成为一名优秀的数据分析师,仅靠掌握语言和算法怎么能够呢!数据分析的精髓就在于实战应用呀!只有在实战中,你才能真正的领悟数据的奥秘,感受数据这个抽象的定义在现实生活中的运用。在数据分析的学习过程中,理论知识大家可以轻松的从书本或网络上获取,而实战,尤其是从实际项目中转化而来的实战练习,却是价比千金,十足珍贵的。在本期集训营中,我们将推出三个实战案例,涵盖当下热门的文本分类,情感分析,人工智能等多个方向,由亲身参与项目制作的讲师手把手教习代码,分享经验!你还在等什么呐!走上人生巅峰就在现在~!

课程安排如下:(课表详见附件一)

序号课程模块价格(元)前置能力课时/天
1
Python快速入门免费送
2

TensorFlow基础及应用

实战1:电商评论数据情感分析(瀚文本分析)

399Python基础8天
3实战2:智能客服应用
288TensorFlow基础5天
4实战3:ChatBot聊天机器人288TensorFlow基础5天

下面重点来了~~!!!

自从小姐姐接手策划案开始,福利!就要一贯的传承下去!不管老板给了多大的压力!我就是要给你们发!福!利!(¬︿̫̿¬☆)~

下面四重福利,双手奉上!!!

第一重福利~~~~

好东西~就要大家一起分享!最少俩人就可以享受团购价格!!!咳咳,为什么总感觉这句话我上次说过(⊙﹏⊙)。。。!

好啦,我不管~ 反正人多多就是很开心o(* ̄▽ ̄*)ブ

人数折扣
俩人
8折
仨人及以上
7折


第二重福利~~~~

突然想起来,上一次竟然有人吐槽点赞福利太复杂!!(¬︿̫̿¬☆)

好了好了,善良的我当然是选择原谅你们啦~这次只需要转发这条通知到朋友圈或空间、微博等任何你常用的聊天软件~~就可以享受8折优惠啦!!!

第三重福利~~~~

正所谓好事成双,课程的学习也需要系统和连续,同时报名任意两门课程即可享6折优惠,报名三门课程即可享5折优惠!哎,为了让你们能够多多学习~小姐姐我也是煞费苦心啊!

课程折扣
报名两门课程
6折
报名三门课程
5折

第四重福利~~~~

以上所有福利均可叠加~~~!!对,不要问我为什么!就是那么任性!我就喜欢叠加福利!

掐指一算啊,貌似所有福利打折下来,一门课程仅需要100多!!!!!

额,不知道领导看到之后会不会捶死我/(ㄒoㄒ)/~~

如果下一期的文案你们没看到我的话。。。记得为我默哀

请记住,我是为了同志们的利益而牺牲的!/(ㄒoㄒ)/~~

时间安排

开课时间2019年3月13日   晚20:00~21:30
上课安排每周一至周五   晚上20:00-21:30(如有变动会在群里提前通知)


支付方式

银行账户支付宝账户
户名:黄震均
开户行:建设银行广州萝岗支行
帐号:6236 6833 2001 2370 920
户名:黄震均
157089944@qq.com

报名方式

联系人曾老师   13246821827  或  020-22205718
咨询方式3324859589(QQ)  或  804954701(QQ)
报名邮箱zengaizhi@tipdm.com
机构网址www.tipdm.com


注明:报名付款时请核对好优惠后的价格,按上述三种付款方式中的一种方式付款。然后将带有订单号的付款凭证截图发给曾老师,以便对账核查。另要求附上报名人的姓名 + 电话号码。

附件:

日期课程内容学时
3月13日~3月15日

文本分类(Text Categorization):垃圾短信分类

1、总体流程

2、文本预处理技术

2.1 分词(Word Segmentation)
2.2 正则表达式(Regular Expression)
2.3 停用词(Stop Words)
2.4 词云(WordCloud)绘制

3、文本的向量表示

3.1 文本特征选取(feature extraction):字、词、短语等
3.2 特征权重计算:布尔值、词频TF、TF-IDF等

4、常用文本分类器(Text Classifier)

4.1 朴素贝叶斯(Navie Bayes)
4.2 支持向量机(SVM)
4.3 最近邻算法(KNN)

5、分类性能评测(Model Evaluation)

5.1 查准率、查全率、F1值
5.2 交叉验

3天
3月18日~3月20日

情感分析(Sentiment Anlaysis)

1、数据不平衡

1.1 出现的原因
1.2 解决方案

2、基于情感词典进行情感评分

3、基于机器学习进行情感分类(Sentiment Classification)

4、依存句法分析主语

5、案例:电商评论数据情感分析

5.1 了解电商企业现状
5.2 获取电商产品评论数据
5.3 评论数据预处理
5.4 评论情感倾向性分析
5.5 评论数据主题分析

3天
3月21日~3月22日

TensorFlow基础及应用

1、深度学习

1.1 深度学习基础
1.2 深度学习工具
1.3 BP神经网络原理及实现

2、TensorFlow安装与基础语法

2.1 TensorFlow计算模型性:计算图
2.2 TensorFlow数据模型:张量Tensor
2.3 TensorFlow运行模型:会话
2.4 例子:拟合三维平面

3、BP神经网络实现MNIST手写字体识别

3.1 读取MNIST手写字体数据集
3.2 前向传播网络构建
3.3 反向传播、损失函数构建
3.4 运行计算图进行模型训练

2天
3月25日~3月29日

案例:电商网站智能客服应用

1、案例背景介绍

1.1 案例背景
1.2 系统架构及流程
1.3 数据介绍及分析目标

2、词表征(Word Representation)

2.1 词表征的背景与应用
2.2 one-hot编码
2.3 word2vec原理及实现
2.4 练习:《鹿鼎记》的word2vec实现

3、数据预处理

3.1 分词、去除停用词、近义词处理
3.2 生成词向量(Word2Vec)
3.3 构造文本相似度基本特征

4、深度学习挖掘语义特征

4.1 词向量组合相似度
4.2 神经网络编码的相似度计算

5、集成学习建模

5天
4月1日~4月5日案例:聊天机器人(ChatBot)实现

1、案例背景及目标

1.1 聊天机器人现状
1.2 资料推荐

2、语料库(Corpus)准备并构建字典


2.1 分词并构建字典
2.2 文本转为ID向量并保存
2.3 Word2Vec训练并保存

3、循环神经网络(Recurrent Neural Network,RNN)基本原理

3.1 循环神经网络RNN原理
3.2 使用TensorFlow构建RNN进行MNIST手写字体识别
3.3 Seq2Seq模型原理

4、定义ChatBot计算图

4.1 定义模型输入Tensor
4.2 Encoder端计算图
4.3 Decoder端计算图
4.4 构建基于注意力(Attention Mechanism)的Seq2Seq模型
4.5 定义损失函数(Loss Function)和优化器(Optimizer)
4.6 梯度剪枝(Gradient Clipping)

5、执行计算图

5.1 批处理数据
5.2 使用checkpoint文件保存与调用模型参数
5.3 模型训练与结果展示
5.4 调用测试计算图进行对话

5天