2022年第三期_全国高校大数据与人工智能师资研修班邀请函

课程模块：Excel数据分析基础与实战、Power BI数据分析与可视化

实战案例：广东省区采购数据分析、汽车大数据综合案例分析、新零售智能售货机可视化、学生校园卡消费行为分析

详见附件一：商务数据分析实战课程大纲

课程模块：Python编程基础、Python数据分析与应用、Pandas数据分析基础、Python数据可视化、Python网络爬虫实战

数据采集与处理实战：《红海行动》B站弹幕采集与分析、某品牌手机的京东评论数据采集与分析、泰迪内推平台招聘信息采集与分析

拓展自学篇：网站图像素材采集实战

详见附件二 数据采集与处理实战(Python)课程大纲

课程模块：Python编程基础、Python数据分析与应用、Pandas数据分析基础、Python数据可视化、Python机器学习实战

实战案例：运营商流失用户分析与预测、百货商场用户画像描绘与价值分析、天猫用户重复购买预测、泰迪内推平台信息精准推荐应用(基于泰迪建模平台实现)

详见附件三：大数据分析与机器学习实战(Python)课程大纲

课程模块：Python编程基础、Python数据分析与应用、Python机器学习算法原理与实现、TensorFlow2实战、TensorFlow2深度学习原理及实战、语音处理实战

实战案例：语音识别中的HMM声学模型、英文数字语音识别、中文语音识别

详见附件四：  智能语音实战课程大纲

冯国灿                  博士，中山大学数学学院教授，博士生导师。泰迪杯数据挖掘挑战赛组委会委员，中国工业与应用数学会常务理事，广东省工业与应用数学学会理事长，2000-2002英国格莱莫根大学数字图像实验室和布拉德福大学数字媒体实验室做博士后研究员。主要从事模式识别、计算机视觉研究，参加主持包括国家自然科学基金等科学基金20多项，发表学术论文100余篇，入选2014-2019爱斯唯尔计算机科学中国高被引学者排行榜。

费用

支付方式

联系人：曾老师   电话：13246821827                      微信：antonia602501

2022年4月20日

18:30 - 22:00

主讲：郝志峰

主题内容：大数据视角下数字孪生与元宇宙的思考

主讲：方海涛

主题内容：随机最优控制与人工智能

2022年4月20日

18:30 - 22:00

1.1 认识数据分析

1.2 认识Excel 2016

2.1 获取文本数据

2.2 从数据库获取数据

3.1 排序

3.2 筛选

3.3 分类汇总

4.1 认识公式和函数

4.2 数组公式

4.3 日期和时间函数

4.4 数学函数

4.5 统计函数

4.6 文本函数

4.7 逻辑函数

5.1 透视表的创建和修改

5.2 透视表的操作

5.3 透视图的操作

操作演练

2022年4月21日

18:30 - 22:00

6.1 对比分析

6.2 趋势分析

6.3 饼图

6.4 散点图

6.5 雷达图

7.1 案例背景

7.2 数据预处理

8 商品销售分析

9 库存分析

10 用户分析

11 分析报告

操作演练

2022年4月22日

18:30 - 22:00

1 数据分析与可视化概述

1.1 认识数据分析(Power BI)

1.2 常用数据可视化软件

1.3 认识Power BI

2 数据获取

2.1 获取数据的方式

2.2 数据获取

3 M语言数据建模与处理

3.1 编辑器和M语言

3.2 获取网络分页数据

3.3 清洗数据

3.4 数据转换

3.5 规约数据

2022年4月23日

18:30 - 22:00

4 数据分析可视化

4.1 可视化

4.2 认识对比分析

4.3 对比分析图表绘制操作

4.4 认识结构分析

4.5 结构分析可视化操作

4.6 相关分析

4.7 相关分析可视化操作

2022年4月24日

18:30 - 22:00

4.8 描述性分析

4.9 描述性分析可视化操作

4.10 KPI图表分析

4.11 KPI分析可视化操作

5 数据分析报表

5.1 认识Power BI报表

5.2 完整的分析报表：会员数据分析

5.3 完整分析报表的操作

6 Power BI移动版数据部署

6.1 移动版发布一份分析报表

6.2 仪表板的使用

自行安排

1 DAX语言数据处理

1.1 DAX语言

1.2 DAX语言处理表间关系

1.3 DAX函数使用实例

1.4 数据查询操作

2022年4月25日

18:30 - 22:00

1 背景与挖掘目标

2 数据处理

2.1 数据读取、合并

2.2 数据筛选、缺失值处理、数据排序

2.3 采购渠道、时间、数据排序

3 数据分析

3.1 渠道构成分析

3.1.1 渠道内部构成分析

3.1.2 渠道外部构成分析

3.2 行业内外部构成分析

3.3 各行业不同渠道采购额变化趋势

3.3.1 各行业不同渠道采购额随年份的变化趋势

3.3.2 各行业不同渠道采购额随月份、季度的变化趋势

4 小结

2022年4月26日

18:30 - 22:00

1 背景介绍

2 分析目标

3 Power Query读取数据

4 数据预处理

5 市场需求分析

6 消费能力分析

7 企业品牌竞争分析

8 热销车辆分析

9 分析报告

2022年4月27日

18:30 - 22:00

1 了解某公司自动售货机现状

1.1 分析某公司自动售货机现状、步骤与流程

2 数据获取、预处理与建模

2.1 清洗数据、规约数据、数据建模

3 数据分析及可视化

3.1 销售分析及可视化

3.2 库存分析和可视化

3.3 用户分析和可视化

4 数据部署

4.1 整理销售、库存和用户分析报表

2022年4月28日

18:30 - 22:00

1 案例背景与目标

1.1 案例背景解读

1.2 挖掘目标分析

2 数据预处理

2.1 预处理：读取数据和异常值

2.2 预处理：缺失值

2.3 预处理：重复值与合并数据

3 数据分析

3.1 食堂消费数据分析

3.2 学生消费行为分析

4 小结

2022年4月29日

19:00 - 21:00

Python编程基础

1 准备工作

2 列表操作

3 程序流程控制语句

4 字符串操作

4.1 字符串及其索引&切片

4.2 字符串的常见方法

4.3 字典的创建及索引

4.5 字典推导式

5 Python文件读取操作

5.1 Python读取文件

5.2 练习3：统计小说中的单词频次

6 函数

6.1 Python函数自定义

6.2 练习4：自定义求序列偶数个数的函数

7 面向对象与模块

7.1 Python方法与函数对比介绍

7.2 Python面向对象示例

7.3 Python模块使用

7.4 第三方库的安装与调用

8 注意事项

8.1 Python工作路径说明

8.2 模块命名及存放路径的注意事项

8.3 结语

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Anaconda与启动Jupyter Notebook

1.4 掌握Jupyter Notebook常用功能

2 NumPy数值计算基础

2.1 掌握NumPy数值计算基础

2.1.1 NumPy简介

2.1.2 数组创建及基础属性

2.1.3 初识数组的特点

2.1.4 创建常用数组

2.1.5 数组数据类型

2.1.6 生成随机数

2.1.7 一维数组的索引

2.1.8 逻辑型索引

2.1.9 多维数组的索引

2.1.10 求解距离矩阵

2.1.11 变化数组shape

2.2 掌握NumPy矩阵与通用函数

2.2.1 NumPy矩阵介绍

2.2.2 NumPy通用函数介绍

2.2.3 通用函数的广播机制

2.3 利用NumPy进行统计分析

2.3.1 NumPy读写二进制文件

2.3.2 NumPy读写txt文件

2.3.3 利用NumPy对数据进行简单统计分析

2022年4月20日

18:30 - 22:00

主讲：郝志峰

主题内容：大数据视角下数字孪生与元宇宙的思考

主讲：方海涛

主题内容：随机最优控制与人工智能

2022年4月20日

18:30 - 22:00

1.1 Pandas简介

1.2 读写不同数据源的数据

1.2.1 Pandas读取文本数据

1.2.2 存储数据框

1.2.3 Pandas读取excel文件

1.2.4 将数据框存储为excel文件

1.3 数据框与数据框元素

1.3.1 构建数据框

1.3.2 查看数据框的常用属性

1.3.3 按行列顺序访问数据框中的元素

1.3.4 按行列名称访问数据框中的元素

1.3.5 修改数据框中的元素

1.3.6 删除数据框中的元素

1.3.7 描述分析数据框中的元素

1.4 转换与处理时间序列数据

1.4.1 转换成时间类型数据

1.4.2 时间类型数据的常用操作

1.5 使用分组聚合进行组内计算

1.5.1 groupby分组操作

1.5.2 agg聚合操作

1.6 创建透视表与交叉表

1.6.1 生成透视表

1.6.2 生成交叉表

2 使用Pandas进行数据预处理

2.1 合并数据

2.1.1 表堆叠

2.1.2 主键合并

2.1.3 重叠合并

2.2 清洗数据

2.2.1 检测与处理重复值

2.2.2 检测与处理缺失值

2.2.3 检测与处理异常值

2.3 标准化数据

2.4 转换数据

2.4.1 哑变量处理

2.4.2 离散化连续型数据

操作演练

2022年4月21日

18:30 - 22:00

1.1 Matplotlib绘制流程说明

1.2 添加文本和修改绘图风格

1.3 rc参数

1.4 散点图

1.5 折线图

1.6 直方图和条形图

1.7 饼图

1.8 箱线图

1.9 人口特征间分布

1.10 人口各个特征分布

操作演练

2.1 seaborn基础介绍

2.2 seaborn简单绘图

2.3 seaborn绘图风格

2.4 调色板1

2.5 调色板2

2.6 关系图

2.7 分类图

2.8 分布图

2.9 回归图

2.10 矩阵图

2.11 网格图

3.1 Pyecharts基础介绍

3.2 Pyecharts绘制日历图

3.3 Pyecharts绘制漏斗图

3.4 Pyecharts绘制仪表盘

3.5 Pyecharts绘制水球图

3.6 Pyecharts绘制关系图

3.7 Pyecharts绘制直角坐标系图表

3.8 Pyecharts绘制饼图

3.9 Pyecharts绘制雷达图

3.10 Pyecharts绘制词云图

3.11 Pyecharts绘制柱状图

3.12 Pyecharts绘制树形图

3.13 Pyecharts绘制地理图表

2022年4月22日

18:30 - 22:00

1 Python爬虫环境与爬虫简介

1.1 认识爬虫

1.1.1 常见网上冲浪过程

1.1.2 爬虫的概念

1.1.3 爬虫合法性

1.2 认识发爬虫

1.3 配置Python爬虫环境

2 网页前端基础

2.1 认识网络信息传输过程

2.1.1 网络传输模型

2.1.2 网络信息传输过程

2.2 认识HTTP

2.2.1 认识HTTP

2.2.2 熟悉Cookie

3 简单静态网页爬取

3.1 认识静态网页

3.2 实现HTTP请求

3.2.1 创建工程

3.2.2 生成HTTP请求

3.2.3 完善HTTP请求

3.3 解析网页

3.3.1 为什么要解析网页

3.3.2 初始Xpath

3.3.3 Xpath相对路径及属性查找

3.3.4 使用BeautifulSoup解析网页

3.3.5 网页解析小结

3.4 存储数据

3.4.1 认识chrome开发者工具

3.4.2 任务演练：爬取并存储泰迪科技官网首页数据

2022年4月23日

18:30 - 22:00

4 认识动态网页

4.1 认识动态网页

4.2 逆向分析爬取动态网页

4.2.1 通过网页源码追踪目标数据文件地址

4.2.2 通过开发者工具追踪目标数据文件地址

4.2.3 爬取数据并进行保存

4.3 使用Selenium库爬取动态网页

4.3.1 搭建Selenium环境

4.3.2 利用Selenium获取网页数据

4.3.3 利用Selenium控制点击操作

5 模拟登录

5.1 使用表单登录方法实现模拟登录

5.1.1 模拟登录的过程

5.1.2 查找提交入口和表单数据

5.1.3 提交表单完成模拟登录

5.1.4 使用表单登录的注意事项

5.2 使用Cookie登录方法实现模拟登录

5.3 使用Selenium模拟登录

2022年4月24日

18:30 - 22:00

6 Scrapy爬虫

6.1 认识Scrapy

6.2 通过Scrapy爬取基本页面信息

6.2.1 创建项目

6.2.2 指定字段及创建spiders

6.2.3 完成spiders编写

6.2.4 运行程序保存数据

6.3 通过Scrapy抓取跳转页面数据

6.3.1 任务介绍及项目创建

6.3.2 获取所有页面的url

6.3.3 获取每个页面的新闻二次页面url

6.3.4 提取各新闻二次页面中的目标数据

6.3.5 运行程序保存数据

7 拓展：终端协议及爬取工具介绍

2022年4月25日

18:30 - 22:00

1 案例与背景

2 数据采集

2.1 定位弹幕数据文件的位置

2.2 采集弹幕数据

2.3 解析及保存弹幕数据

2.4 弹幕数据采集小结

3 数据处理与分析

3.1 对弹幕内容进行分词

3.2 去除停用词

3.3 统计词频

3.4 绘制词云图

3.5 处理弹幕发送时间数据

3.6 弹幕发布数量分布图

3.7 弹幕发布数量随日期变化图

3.8 其他图形绘制

3.9 从弹幕数量变化看影片情节特点

4 总结

2022年4月26日

18:30 - 22:00

1 项目背景与挖掘目标

2.1 通过谷歌开发者工具获取URL

2.2 发送HTTP请求与转换程JSON数据

2.3 提取信息并保存到本地

2.4 循环采集数据：保存数据

2.5 循环采集数据：自定义函数

3.1 数据预处理

3.2 数据预处理实现

4.1 评论数据词云绘制

4.2 好评、差评词云绘制与分析

4.3 不同颜色商品购买比例分析

4.4 不同配置商品购买比例分析

4.5 销售数量和评论数量和日期的关系

4.6 销售数量和评论数量和时间的关系

4.7 购买与评论时间间隔统计分析

4.8 不同渠道的销售比例

2022年4月27日

18:30 - 22:00

1 背景与目标

2 数据采集

2.1 网页结构探索分析

2.2 关键数据爬取

2.3 单页数据爬取

2.4 翻页数据爬取

2.5 数据存储

3 数据清洗与处理

4 招聘数据分析

4.1 学历要求分析

4.2 薪资待遇分析

4.3 技能要求水平

4.4 经验要求分析

5 总结

1 思路介绍

2 单个图片文件爬取

3 获取一个页面所有图片网址

4 保存所有图片

5 翻页爬取更多数据

6 PDF文件规律及问题

7 PDF翻页刷新的网址规律

8 获取当前页所有图片网址

9 翻页刷新爬取所有图片

10 图片拼接成PDF文件

2022年4月28日

19:00 - 21:00

Python编程基础

1 准备工作

2 列表操作

3 程序流程控制语句

4 字符串操作

4.1 字符串及其索引&切片

4.2 字符串的常见方法

4.3 字典的创建及索引

4.4 字典常用操作

4.5 字典推导式

5 Python文件读取操作

5.1 Python读取文件

5.2 练习3：统计小说中的单词频次

6 函数

6.1 Python函数自定义

6.2 练习4：自定义求序列偶数个数的函数

7 面向对象与模块

7.1 Python方法与函数对比介绍

7.2 Python面向对象示例

7.3 Python模块使用

7.4 第三方库的安装与调用

8 注意事项

8.1 Python工作路径说明

8.2 模块命名及存放路径的注意事项

8.3 结语

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Anaconda与启动Jupyter Notebook

1.4 掌握Jupyter Notebook常用功能

2 NumPy数值计算基础

2.1 掌握NumPy数组对象

2.1.1 NumPy简介

2.1.2 数组创建及基础属性

2.1.3 初始数组的特点

2.1.4 创建常用数组

2.1.5 数组数据类型

2.1.6 生成随机数

2.1.7 一维数组的索引

2.1.8 逻辑型索引

2.1.9 多维数组的索引

2.1.10 求解距离矩阵

2.1.11 变化数组shape

2.2 掌握NumPy矩阵与通用函数

2.2.1 NumPy矩阵介绍

2.2.2 NumPy通用函数介绍

2.2.3 通用函数的广播机制

2.3 利用NumPy进行统计分析

2.3.1 NumPy读写二进制文件

2.3.2 NumPy读写txt文件

2.3.3 利用NumPy对数据进行简单统计分析

2022年4月21日

18:30 - 22:00

主讲：郝志峰

主题内容：大数据视角下数字孪生与元宇宙的思考

主讲：方海涛

主题内容：随机最优控制与人工智能

2022年4月21日

18:30 - 22:00

1 Pandas统计分析基础

1.1 Pandas简介

1.2 读写不同数据源的数据

1.2.1 Pandas读取文本数据

1.2.2 存储数据框

1.2.3 Pandas读取Excel文件

1.2.4 将数据框存储为Excel文件

1.3 数据框与数据框元素

1.3.1 构建数据框

1.3.2 查看数据框的常用属性

1.3.3 按行列顺序访问数据框中的元素

1.3.4 按行列名称访问数据框中的元素

1.3.5 修改数据框中的元素

1.3.6 删除数据框中的元素

1.3.7 描述分析数据框中的元素

1.4 转换与处理时间类型数据

1.4.1 转换成时间类型数据

1.4.2 时间爱类型数据的常用操作

1.5 使用分组聚合进行组内计算

1.5.1 groupby分组操作

1.5.2 agg聚合操作

1.6 创建透视表与交叉表

1.6.1 生成透视表

1.6.2 生成交叉表

2 使用Pandas进行数据预处理

2.1 合并数据

2.1.1 表堆叠

2.1.2 主键合并

2.1.3 重叠合并

2.2 清洗数据

2.2.1 检测与处理重复值

2.2.2 检测与处理缺失值

2.2.3 检测与处理异常值

2.3 标准化数据

2.4 转换数据

2.4.1 哑变量处理

2.4.2 离散化连续型数据

2022年4月22日

18:30 - 22:00

1.1 Matplotlib绘制流程说明

1.2 添加文本和修改绘图风格

1.3 rc参数

1.4 散点图

1.5 折线图

1.6 直方图和条形图

1.7 饼图

1.8 箱线图

1.9 人口特征间分布

1.10 人口各个特征分布

2.1 seaborn基础介绍

2.2 seaborn简单绘图

2.3 seaborn绘图风格

2.4 调色板1

2.5 调色板2

2.6 关系图

2.7 分类图

2.8 分布图

2.9 回归图

2.10 矩阵图

2.11 网格图

3.1 Pyecharts基础介绍

3.2 Pyecharts绘制日历图

3.3 Pyecharts绘制漏斗图

3.4 Pyecharts绘制仪表图

3.5 Pyecharts绘制水球图

3.6 Pyecharts绘制关系图

3.7 Pyecharts绘制直角坐标系图表

3.8 Pyecharts绘制饼图

3.9 Pyecharts绘制雷达图

3.10 Pyecharts绘制词云图

3.11 Pyecharts绘制柱状图

3.12 Pyecharts绘制树形图

3.13 Pyecharts绘制地理图表

2022年4月23日

18:30 - 22:00

1 机器学习绪论

1.1 引言

1.2 基本术语

1.3 假设空间&归纳偏好

2 模型评估与选择

2.1 经验误差与过拟合

2.2 评估方法

2.3 性能度量

2.4 性能度量Python实现

3 回归分析

3.1 线性回归基本形式

3.2 线性回归模型的Python实现

3.3 波士顿房价预测的Python实现

3.4 逻辑回归介绍

3.5 研究生入学录取预测的Python实现

4 决策树

4.1 从女性相亲到决策树

4.2 明天适合打球吗？

4.3 决策树拆分属性选择

4.4 决策树算法家族

4.5 泰坦尼克号生还者预测-数据预处理

4.6 泰坦尼克号生还者预测-模型构建与预测

2022年4月24日

18:30 - 22:00

5 人工神经网络

5.1 单个神经元介绍

5.2 经典网络结构介绍

5.3 神经网络工作流程演示

5.4 如何修正网络参数-梯度下降法

5.5 网络工作原理推导

5.6 网络搭建准备

5.7 样本从输入层到隐层传输的Python实现

5.8 网络输出的Python实现

5.9 单样本网络训练的Python实现

5.10 全样本网络训练的Python实现

5.11 网络性能评价

5.12 调用scikit-learn实现神经网络算法

6 最近邻算法(KNN)

6.1 KNN算法介绍

6.2 KNN算法解决鸢尾花分类问题

7 朴素贝叶斯

7.1 非洲人还是北美人

7.2 为什么有“朴素”二字

7.3 拉普拉斯修正

7.4 用高斯朴素贝叶斯算法解决鸢尾花分类问题

2022年4月25日

18:30 - 22:00

8 聚类分析

8.1 聚类分析概述

8.2 相似性度量

8.3 K-Means聚类分析算法介绍

8.4 利用K-Means算法对鸢尾花进行聚类

8.5 聚类结果的性能度量

8.6 调用sklearn实现聚类分析

9 集成学习

9.1 集成学习基本概念

9.2 并行集成算法-Bagging&RandomForest

9.3 串行集成算法-Boosting算法流程

9.4 串行集成算法-Boosting代码实现

9.5 Stacking算法流程

9.6 Stacking代码实现

泰迪云课堂

2022年4月26日

18:30 - 22:00

1.1 背景与目标

1.2 案例思路分析

2.1 数据探索

2.2 数据去重及删除无关属性

2.3 用户分组及标签构建

2.4 提取用户基本信息和在网时长

2.5 处理合约是否有效

2.6 处理合约计划到期时间

2.7 其余变量处理

2.8 特征拼接及缺失值处理

2.9 数据保存

3.1 特征选择介绍

3.2 皮尔逊特征选择

3.3 处理样本类别不均衡问题

4.1 模型性能评估介绍

4.2 模型构建及性能评估

2022年4月27日

18:30 - 22:00

1.1 背景与分析目标

2.1 会员信息表处理

2.2 销售流水表处理

3.1 会员年龄分析

3.2 不同年龄的消费能力

3.3 不同性别的消费情况

3.4 会员和非会员消费情况

3.5 商场会员年消费趋势

3.6 不同月份的消费趋势

3.7 每年每月的消费金额趋势

3.8 不同时刻的消费情况

4.1 用户画像介绍

4.2 会员基本信息标签

4.3 会员消费特征标签

4.4 会员商品偏好标签

4.5 生成用户画像

5.1 会员细分介绍

5.2 K-Means算法实现会员聚类

5.3 结果分析

2022年4月28日

18:30 - 22:00

1.1 背景与挖掘目标

2.1 工程环境准备

2.2 缺失值处理和数据去重

2.3 数据分布探索

3.1 特征工程介绍

3.2 原始特征

3.3.1 用户相关特征：用户在平台的总交互次数

3.3.2 用户相关特征：用户最近一次购买距离第一次的时长

3.4.1 商家相关特征：商家被交互的数量

3.4.2 商家相关特征：商家的复购次数

3.5.1 用户和商家相关特征：用户在商家的交互次数

3.5.2 用户和商家相关特征：不同用户在不同商家购买率

3.6 离散型特征处理

4.1 建模前的数据处理

4.2 模型构建

4.3 模型训练和评估

4.4 模型应用

5 小结

2022年4月29日

18:30 - 22:00

1 背景与目标

2 数据预处理

2.1 数据读取

2.2 数据预处理

2.3 数据拆分

3 模型构建

3.1 模型选型分析

3.2 模型构建

4 模型评价

4.1 模型性能评估

4.2 模型优化

5 部署设置

2022年4月30日

19:00 - 21:00

Python编程基础

1 准备工作

2 列表操作

3 程序流程控制语句

4 字符串操作

4.1 字符串及其索引&切片

4.2 字符串的常见方法

4.3 字典的创建及索引

4.4 字典常用操作

4.5 字典推导式

5 Python文件读取操作

5.1 Python读取文件

5.2 练习3：统计小说中的单词频次

6 函数

6.1 Python函数自定义

6.2 练习4：自定义求序列偶数个数的函数

7 面向对象与模块

7.1 Python方法与函数对比介绍

7.2 Python面向对象示例

7.3 Python模块使用

7.4 第三方库的安装与调用

8 注意事项

8.1 Python工作路径说明

8.2 模块命名及存放路径的注意事项

8.3 结语

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anaconda与启动Jupyter Notebook

1.4 掌握Jupyter Notebook常用功能

2 NumPy数值计算基础

2.1 掌握NumPy数组对象

2.1.1 NumPy简介

2.1.2 数组创建及基础属性

2.1.3 初识数组的特点

2.1.4 创建常用数组

2.1.5 数组数据类型

2.1.6 生成随机数

2.1.7 一维数组的索引

2.1.8 逻辑型索引

2.1.9 多维数组的索引

2.1.10 求解距离矩阵

2.1.11 变化数组shape

2.2 掌握NumPy矩阵与通用函数

2.2.1 NumPy矩阵介绍

2.2.2 NumPy通用函数介绍

2.2.3 通用函数的广播机制

2.3 利用NumPy进行统计分析

2.3.1 NumPy读写二进制文件

2.3.2 NumPy读写txt文件

2.3.3 利用NumPy对数据进行简单统计分析

3 Matplotlib数据可视化基础

3.1 掌握绘图基础语法与常用参数

3.1.1 Matplotlib介绍

3.1.2 基础图形绘制

3.1.3 常用参数设置

3.2 分析特征间关系

3.2.1 绘制散点图

3.2.2 散点图参数设置

3.2.3 绘制折线图

3.3 分析特征内部数据分布与分散情况

3.3.1 绘制直方图

3.3.2 绘制饼图

3.3.3 绘制箱线图

2022年4月21日

18:30 - 22:00

主讲：郝志峰

主题内容：大数据视角下数字孪生与元宇宙的思考

主讲：方海涛

主题内容：随机最优控制与人工智能

主讲：冯国灿

主题内容：计算机视觉技术及其应用

2022年4月21日

18:00 - 22:00

1 机器学习绪论

1.1 引言

1.2 基本术语

1.3 假设空间&归纳偏好

2 模型评估与选择

2.1 经验误差与过拟合

2.2 评估方法

2.3 性能度量

2.4 性能度量Python实现

3 回归分析

3.1 线性回归基本形式

3.2 线性回归模型的Python实现

3.3 波士顿房价预测的Python实现

3.4 逻辑回归介绍

3.5 研究生入学录取预测的Python实现

4 聚类分析

4.1 聚类分析概述

4.2 相似性度量

4.3 K-Means聚类分析算法介绍

4.4 利用K-Means算法对鸢尾花进行聚类

4.5 聚类结果的性能度量

4.6 调用scikit-learn实现聚类分析

2022年4月22日

18:00 - 22:00

1 任务1：构建一个线性模型

1.1 TensorFlow2介绍

1.2 TensorFlow2常用数据类型和操作

1.3 初始化模型

1.4 构建损失函数

1.5 模型训练及可视化

1.6 使用高阶API-Keras

2 任务2：MNIST手写数字识别

2.1 数据读取及探索

2.2 交叉熵

2.3 模型构建及训练

2.4 调用保存好的模型对新样本进行预测

2022年4月23日

18:00 - 22:00

1.1 深度神经网络-引言

2 卷积神经网络CNN

2.1 浅层神经网络的局限

2.2 卷积操作

2.3 卷积操作的优势

2.4 池化及全连接

2.5 高维输入及多filter卷积

2.6 实现卷积操作

2.7 实现池化操作

3 循环神经网络RNN

3.1 循环神经网络简介

3.2 循环神经网络的常见结构

4 长短时记忆网络LSTM

4.1 LSTM的三个门

4.2 LSTM三个门的计算示例

4.3 利用RNN&LSTM实现MNIST手写数字识别

2022年4月24日

18:00 - 22:00

1 语音识别概述

1.1 语音识别的概念和应用场景

1.2 语音识别的发展与挑战

1.3 语音识别的通用流程

2 语音集成

2.1 认识语音数据

2.2 音频参数介绍

2.3 wave模块读写语音数据

2.4 librosa模块读写语音数据

2.5 librosa模块常用方法

2.6 录音

2.7 语音播放

2.8 时域&频域

2.9 语音信号波形图

2.10 语音信号频域图

2.11 语音信号频谱图

3 信号处理与特征提取

3.1 端点静音处理

3.2 降噪

3.3 预加重

3.4 分帧

3.5 加窗

3.6 傅里叶变换

3.7 Mel滤波器组

3.8 FBank特征

3.9 Log-Mel Spectrogram特征

3.10 梅尔顿频率倒谱系数(MFCC)

2022年4月25日

18:30 - 22:00

4 常用的语音识别算法介绍

4.1 音素

4.2 字典

4.3 声学模型

4.3.1 GMM + HMM模型

4.3.2 DNN + HMM模型

4.4 语言模型

4.4.1 N-gram语言模型

4.4.2 RNN语言模型

4.5 端到端的语音识别系统

4.5.1 LSTM + CTC

4.5.2 DFCNN

2022年4月26日

18:00 - 22:00

1 案例背景与挖掘目标

2.1 语音特征和数据获取

2.2 语言处理

2.3 MFCC特征提取

3.1 HMM模型

3.2 HMM模型训练

3.3 模型预测

4 小结

2022年4月27日

18:00 - 22:00

1 案例背景和挖掘目标

2.1 语言数据获取

2.2 数据划分

2.3 MFCC特征提取

2.4 MFCC特征处理

2.5 特征维度分析

2.6 标准化和数据保存

2.7 数据预处理总结

3.1 构建网络

3.2 模型编译

3.3 模型训练

3.4 模型训练过程

3.5 模型测试

3.6 课后拓展：模型应用

4 小结

2022年4月28日

18:00 - 22:00

1 案例背景及挖掘目标

1.1 案例背景

1.2 目标

1.3 数据说明

1.4 实现流程讲解

2 数据探索与预处理

2.1 语音数据加载

2.2 标签数据加载

2.3 语音数据特征提取

2.4 标签数据向量化

3 模型构建

3.1 数据批处理

3.2 模型构建

3.3 回调函数定义

4 模型训练

4.1 模型训练

4.2 模型保存

5 模型评估与调用测试

5.1 模型评估

5.2 模型调用测试

6 小结

2022年4月29日

19:00 - 21:00