2020年全国高校数据分析与数学建模骨干师资研修班-邀请函

2019-11-26 泰迪智能科技 684
分享到:
主办单位:湖北省工业与应用数学学会

泰迪杯数据挖掘挑战赛组委会
协办单位:武汉大学数学与统计学院
支持单位:
广东泰迪智能科技股份有限公司

人民邮电出版社
联合单位:湖南省大学生数学建模竞赛组委会
承办单位:湖北中天数创教育科技有限公司


各高校:

大数据时代悄然来临,带来了信息技术发展的巨大变革,并深刻影响着社会生产和人们生活的方方面面。数据科学已经成为企业、社会和国家关注的重要战略资源,并已成为业界争相投入的新焦点。

数据分析挖掘与建模是大数据互联网时代的核心技术,也是目前学术界和工业界的热点研究方向。掌握机器学习及数据挖掘技术的人才在市场上炙手可热,是各大互联网公司的争夺焦点。大数据专业人才的培养是新一轮科技较量的基础,高等院校承担着大数据人才培养的重任,因此,各高等院校非常重视大数据课程的开设,大数据课程将逐渐发展成为计算机科学与技术专业的重要核心课程。然而,由于诸多高校的数据科学专业或方向是基于原有的统计学、数学、计算机等相关专业开设,相关课程建设的教师水平急需提高。

在这样的背景下,湖北省工业与应用数学学会联合广东泰迪智能科技股份有限公司、武汉大学数学与统计学院举办“2020年全国高校大数据挖掘与深度学习算法编程及实战研修班。旨在建立该领域教学、科研行业教研协作圈,加快中国高校大数据课程体系建设、促进中国高校大数据教学水平不断提升。同时使更多在数学建模和计算机相关领域的专家、教师了解参加数据挖掘挑战赛对培养数学、统计、计算机、人工智能等专业学生的重要性,也为一直以来指导学生参加数据挖掘竞赛的老师们提供新的指导思路、培养高水平的“泰迪杯”数据挖掘挑战赛教练员。诚挚的邀请相关专家、教练员、研究生、本科生参加本次会议。现将有关通知如下:

一、研修目标及特点

1、本次培训将系统讲授大数据课程知识体系、授课方法、实验环境搭建、智能算法理论与编程、大数据实训实验室建设、高校大数据课程公共服务平台资源使用指南等方面的内容,使学员能够深入了解当下数据挖掘与机器学习技术在世界范围内的最新发展水平,理解数据挖掘与机器学习技术在当代各种大数据相关产品中的应用,并掌握该领域最关键技术的原理,以及技术应用过程,旨在帮助参加培训的教师快速建立对大数据课程的整体性认识,为高效备课和顺利开课、科研和项目开发工作打下坚实基础。

2、本次培训课程内容以“鱼骨教学法”进行编排设计,所有课程将围绕真实企业项目展开,强调培训的实战性和真实性。让教师亲身接触企业一线工作场景,充分提升教师的实践教学能力。本次学习为每位参训学员提供系统的院校大数据专业建设方案,帮助各高校在大数据专业课程体系建设提供全方位、强有力的教学资源支持。

3、本次课程通过讲授、研讨、动手实操,行业名企实地参观考察多种灵活有效的教学方式,加强大数据专业资队伍的建设,提升教师教学创新思维。了解大数据岗位目前的就业形势、 前景及所需相关技能,了解企业实际需求, 并参与一个实际项目的全过程,将培训转化成教学成果,运用到教师自己后续的教学当中去,全部提升教师实践教学能力。

4、了解高校大数据专业的教材、实验室、实训室建设内容、产品、科研和创新创业最新讯息,本次学习为每位参训学员提供大数据教学实训平台试用账号、大数据教材展示、课程建设与程序设计的相关资源,进一步完善已开设大数据专业院校课程体系

5、全面掌握机器学习、深度学习原理,深入理解编程实现方法,对机器学习、深度学习运作机制有清晰全面的认识。

6、全面掌握Python数据挖掘技能,使用相关技能实现算法。提供全部讲课课时的教学内容讲稿、讲课PPT、全部源代码、编程操作步骤、建立与老师的答疑联系。

注:所有学员自带笔记本电脑(Windows操作系统)、紧跟老师上课过程操作练习,完全学会经典案例开发技术,完全学会使用以上工具软件开发应用。

二、研修对象

各高等院校数据科学相关专业、计算机专业、网络通信专业、电子工程专业、信息计算科学专业、统计学专业、数学专业、经济管理专业、市场营销专业等科研、教学带头人,骨干教师、博士生、硕士生、本科生;从事计算机、云计算、数理统计、图形设计、人机交互、大数据、互联网等相关领域项目的科研院所的项目负责人、科研人员、工程技术人员;

三、课程安排

第一部分:线上学习(前置课程)

备注:该部分内容是前置课,请一定提前学习。学习地址https://edu.tipdm.org/course/7(Python快速入门)

课程模块内容课时
Python编程基础

1 准备工作

   1.1 认识Python

   1.2 搭建Python环境

   1.3 安装Anaconda并创建一个hello word程序

2 Python基础知识

   2.1 掌握Python固定语法

   2.2 创建字符串变量并提取里面的数值

   2.3 计算圆形的各参数

3 Python数据结构

   3.1 创建一个列表(list)并进行增删改查操作

   3.2 转换一个元组(tuple)并进行取值操作

   3.3 创建一个字典(dict)并进行增删改查操作

   3.4 将两个列表转换为集合(set)并进行集合运算

4 程序流程控制语句

   4.1 实现考试成绩划分

   4.2 实现一组数的连加与连乘

   4.3 使用冒泡排序法排序

   4.5 实训(猜数字游戏)

5 函数

   5.1 自定义函数实现输出方差

   5.2 使用匿名函数添加列表元素

   5.3 存储并导入函数模块

6 面向对象

   6.1 认识面向对象编程

   6.2 创建Car类

   6.3 创建Car对象

   6.4 迭代Car对象

   6.5 产生Land_Rover对象(子类)

7 文件基础

   7.1 认识文件

   7.2 读取txt文件中的数据

   7.3 保存数据为csv格式文件

   7.4 认识os模块

15
第二部分:线下实战
日期内容时间
第一天报到全天

第二天

Python数据分析与应用

1 Python数据分析概述

   1.1 认识数据分析

   1.2 熟悉Python数据分析的工具

   1.3 安装Python3的Anaconda发行版

   1.4 掌握Jupyter Notebook常用功能

2 NumPy数值计算基础

   2.1 认识NumPy数组对象ndarray

   2.2 认识NumPy矩阵与通用函数

   2.3 利用NumPy进行统计分析

3 Matplotlib数据可视化基础

   3.1 了解绘图基础语法与常用参数

   3.2 分析特征间的关系

   3.3 分析特征内部数据分布与分散状况

4 Pandas统计分析基础

   4.1 读写不同数据源的数据

   4.2 掌握DataFrame的常用操作

   4.3 转换与处理时间序列数据

5 使用Pandas进行数据预处理

   5.1 合并数据

   5.2 清洗数据

   5.3 标准化数据

   5.4 转换数据

08:30-11:30


14:00-17:00

第三天

Python数据分析与处理实训

实训1 开始了解你的数据-餐饮数据探索;

实训2 数据过滤与排序-欧洲杯数据与分析;

实训3 数据分组-酒类消费数据探索;

实训4 Apply应用-犯罪数据探索与处理;

实训5 数据框合并综合应用;

实训6 时间序列数据处理-股价数据分析与处理;

实训7 统计分析-招聘数据探索与分析;

08:30-1:30


14:00-17:00

第四天

机器学习实战

1 机器学习介绍

   1.1 有监督学习:分类、回归;

   1.2 无监督学习:聚类;

   1.3 半监督学习;

   1.4 强化学习;

2 机器学习案例:基于文本内容的;垃圾短信识别;

   2.1 目标分析;

   2.2 数据准备;

   2.3 数据预处理;

   2.4 特征工程;

   2.5 使用scikit-learn构建模型;

   2.6 性能度量与模型评估;

08:30-1:30


14:00-17:00

第五天

人工智能经典算法

1 TensorFlow安装与入门

   1.1 TensorFlow环境搭建;

   1.2 TensorFlow计算模型性:计算图;

   1.3 TensorFlow数据模型:张量Tensor;

   1.4 TensorFlow运行模型:会话;

2 TensorFlow数据类型

   2.1 常量、变量及其构建;

   2.2 TensorFlow实现香型回归模型;

   2.3 操作:TensorFlow实现鸢尾花分类;

3 手写数字识别

   3.1 图片预处理;

   3.2 占位符:placeholder;

   3.3 操作:利用TensorFlow实现SofMax网络对手写数字识别;

4 案例:基于深度神经网络CNN的人脸识别

   4.1 案例背景及目标;

   4.2 数据准备(opencv-python);

   4.3 人脸检测及数据转化;

   4.4 CNN网络模型训练与保存;

   4.5 模型加载与调用;

   4.6 人脸实时识别;

08:30-1:30


14:00-17:00

第六天

出租车合乘业务系统设计

1 问题描述;

2 解题思路;

3 准备工作;

4 合乘条件;

5 合乘分组;

6 上下车顺序;

7 指派车辆;

8 计算结果及分析;

9 总结;

10 练习题;

08:30-1:30


14:00-17:00


四、师资介绍

本次课程主讲老师来自国内知名大数据科技企业(“泰迪杯”全国大学生数据挖掘竞赛)广东泰迪智能科技股份有限公司实战专家和高校知名专家教授。
主讲老师介绍:

Likeman.jpg

李波     湖北省工业与应用数学学会常务理事、华中师范大学数学与统计学学院教授、博士生导师、统计系副系主任,教育大数据应用技术国家工程实验室核心成员。研究方向为教育大数据、应用统计、随机过程。主持国家自然科学基金项目3项,参与国家自然科学基金面上项目5项,主持省部级科研项目9项。共发表科研论文20余篇。指导学生参加数学建模竞赛多次获得国家一等奖、美赛一等奖、研赛一等奖,获得全国大学生数学建模竞赛优秀指导教师称号。多次获得华中师范大学教学工作奖、教学创新奖一、二等奖、“科研园丁”、“三育人”先进个人等称号。

杨惠.jpg

杨惠广州泰迪智能科技有限公司高级数据分析师,具备丰富的培训经验,曾为多家企业、院校服务过专业培训工作。如PPV商业培训、泰迪大数据师资培训、珠海城职院数据分析培训等。从事数据挖掘工作五年,擅长文本挖掘及深度神经网络RNN,熟悉常用机器学习算法原理及应用,如神经网络、SVM、决策树、贝叶斯等算法;精通R、Python、Matlab等常用数据挖掘处理工具。具有丰富的实践项目经验。如“京东电商产品评论情感分析”项目;“珠江数码大数据营销推荐应用”项目;“电子商务网站智能推荐服务”项目。

张敏.jpg

张敏      广东泰迪智能科技股份有限公司高级数据分析师、培训总监。从事用户数据分析和数据挖掘工作多年,具有丰富的数据挖掘理论及实践培训经验,对数据具有较高的敏感度,根据数据对其进行全面的统计分析。精通R、Python、Matlab等多种数据挖掘工具。

律波.jpg

律波      广东泰迪智能科技股份有限公司高级数据分析师,应用统计学硕士,有较强的统计学、数据挖掘理论功底;精通R、Python、spss、Excel等数据挖掘分析工具,擅长pandas、matplotlib、numpy的模块进行数据处理;擅长从数据中发掘规律,对数据具有较高的敏感度,逻辑思维能力强,擅长数据可视化,机器学习算法原理的实现,如神经网络、SVM、决策树、贝叶斯等;负责“泰迪杯”数据挖掘大赛题目的构思和实现;负责“珠江数码大数据营销推荐应用”项目,完成标签库的构建及产品推荐模型;负责多个本科类院校数据分析软件培训和毕业生数据分析培训。

五、大数据教材及配套资源介绍

由张良均教授主编出版的大数据系列教材已经被全国高校普遍采用。

图书图片.png

大数据系列丛书:《Hadoop大数据开发基础》、《Python编程基础》、《Python数据分析与应用》、《Spark大数据技术与应用》《大数据数学基础》、《Python机器学习实战》、《R语言商务数据分析实战》等。

六、报名材料及费用说明

1.报名及费用

(1)报名材料:报名申请表、身份证复印件、两寸近期正面免冠彩色证件照(电子版)。

(2)会议费用:3900元/人(学生费用:凭学生证3200元/人)。费用包含(报名费、学习费、资料费、场地费),食宿可选择统一安排,费用自理。

(3)本次会议委托湖北中天数创教育科技有限公司收取费用并开具发票。

2. 收款帐号信息

账  户:湖北中天数创教育科技有限公司

开户行:工行武汉南湖花园支行

开户银行代码:102521003542

开户号:3202154309100052567

3. 会议安排

报到时间:2020年1月5日;会议时间:2020年1月6-10日;

报到地点:武汉大学数学与统计学院

4. 报名方式

联 系 人:  刘  丽 13016063044(微信同号)

                        田代平17702773580(微信同号)

报名邮箱:tiandaiping@tipdm.com

机构网站:www.tipdm.com


 注:请与会老师填写报名回执12月20日之前发送到报名邮箱


田代平微信.png

5.附件:

全国高校数据分析与数学建模实战骨干师资研修班-邀请函(1).pdf

报名回执_2020年(武汉大学).docx