2023年第一期_全国高校大数据与人工智能骨干师资研修班培训通知

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：财务分析在纳税评估中的应用(Excel)、新零售无人智能售货机可视化项目(Power BI)、学生校园卡消费行为分析(Excel)

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：农产品信息采集与分析、Python爬虫助力疫情数据追踪、泰迪内推平台招聘信息采集分析

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：网络入侵用户自动识别、百货商场用户画像描绘与价值分析、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：Linux操作系统基础、Java编程基础、Hadoop大数据基础、Hive大数据仓库

综合实战：航空客户乘机数据预处理、HBase非关系型数据库、Scala编程基础、Spark大数据技术与应用

项目实战：广电大数据用户画像(Hadoop+Spark+Hive)

拓展课程：Zookeeper分布式服务框架、Flume大数据采集与传输、Kafka大数据流处理、Flink大数据实时处理、商品实时推荐系统(Flume+Kafka+Flink)

详见附件四： Hadoop+Spark大数据技术应用实战课程大纲

课程模块：Python编程继础、Python数据分析与应用、Pandas数据处理技术、Python机器学习算法原理与实现、PySpark大数据处理与分析

实战案例：基于PySpark的招聘网站信息的职业类型划分、基于PySpark的信用贷款风险分析

详见附件五：PySpark大数据处理与机器学习课程大纲

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框架基础实战、TensorFlow2深度学习原理与实现、计算机视觉实战

实战案例：水产养殖水质智能识别、基于FaceNet的人脸智能识别、基于GAN的图像风格转换

详见附件六：计算机视觉实战(TensorFlow)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框架基础实战、TensorFlow2深度学习原理与实现、自然语言处理实战

实战案例：公众健康问句分类、搭建一个属于自己的聊天机器人、基于深度学习的推荐系统受众性别预测

详见附件七：自然语言处理实战(TensorFlow)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框架实战、TensorFlow2深度学习原理与实现

实战案例：脑PET图像分析和疾病预测、路透社新闻分类、FaceNet的人脸智能识别

详见附件八：TensorFlow与人工智能实战课程大纲

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、PyTorch框架基础实战、PyTorch深度学习原理与实现

实战案例：脑PET图像分析和疾病预测、新冠疫情期间网民情绪识别、基于U-net的肝脏肿瘤分割。

详见附件九：PyTorch与人工智能实战课程大纲

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、MindSpore框架基础实战、MindSpore深度学习原理与实现

实战案例：脑PET图像分析和疾病预测、新冠疫情期间网民情绪识别、基于深度学习的问政留言分类。

详见附件十：MindSpore与人工智能实战课程大纲

课程模块：Python编程基础、Python数据分析与应用、Python机器学习实战、智能推荐算法、BP神经网络与TensorFlow2深度学习原理与实现

实战案例：O2O优惠券使用预测、教育平台的线上课程智能推荐策略、基于深度学习的推荐系统受众性别预测、泰迪内推平台信息精准推荐应用(基于泰迪建模平台实现)

详见附件十一：深度学习推荐系统实战课程大纲

课程模块：Python编程基础、Python数据分析与应用、网络舆情与情感分析概述、机器学习概述、Python网络爬虫实战、Python文本挖掘实战，疫情期间网民情绪数据采集与舆情数据挖掘：疫情期间网民情绪识别、问政留言数据采集与舆情数据挖掘：问政留言分类。

详见附件十二：健康医疗大数据应用课程大纲

课程模块：Python编程基础、AI医疗概论、Python数据分析与应用、Python机器学习实战、BP神经网络与TensorFlow2实战、TensorFlow2深度学习原理与实现

实战案例：公众健康问句分类、脑PET图像分析和疾病预测、基于深度学习的肝脏肿瘤分割。

详见附件十三：健康医疗大数据应用课程大纲

    陈晓枫    广东泰迪智能科技股份有限公司大数据研发工程师、大数据讲师。对Hadoop生态圈相关组件技术有一定的理解，掌握Hadoop核心框架原理。熟悉MapReduce编程，了解实时框架HBase、Spark Streaming和Flink。参与《Hadoop大数据应用（第2版）》、《Spark大数据技术与应用（第2版）》、《大数据项目实战》等图书的编写和修改。曾参与多个院校教材资源开发工作。曾参与韩山师范3+1版等大数据培训课程。

费用

支付方式

联系人：曾老师   电话：13246821827        微信：antonia602501

2023年1月05日

18:30 - 22:00

主讲：方海涛

主题内容：随机最优控制与人工智能

2023年1月05日

18:30 - 22:00

1.1 认识数据分析

1.2 认识Excel2016

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

2023年1月06日

18:30 - 22:0

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

2023年1月07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 数据集成

3.5 数据转换

3.6 规约数据

操作演练

2023年1月08日

08:30 - 22:00

4 DAX语言数据处理

4.1 DAX语言

4.2 DAX语言处理表间关系

4.3 DAX函数使用实例

4.4 数据查询操作

5 数据分析可视化

5.1 可视化

5.2 认识对比分析

5.3 对比分析图表绘制操作

2023年1月09日

18:30 - 22:00

5.4 认识结构分析

5.5 结构分析可视化操作

5.6 相关分析

5.7 相关分析可视化操作

5.8 描述性分析

5.9 描述性分析可视化操作

5.10 KPI图表分析

5.11 KPI分析可视化操作

6 数据分析报表

6.1 认识Power BI报表

6.2 完整的分析报表：会员数据分析

6.3 完整分析报表的操作

7 Power BI移动版数据部署

7.1 移动版发布一份分析报表

7.2 仪表板的使用

2023年1月10日

18:30 - 22:00

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

2023年1月11日

18:30 - 22:00

1 案例背景

2 数据预处理

2.1 数据预处理1

2.2 数据预处理2

3 数据可视化

3.1 数据分析与可视化1

3.2 数据分析与可视化2

2023年1月12日

18:30 - 22:00

1 案例背景和分析流程

2 数据预处理

3 发现疑点

4 共同不分析

5 增长趋势分析

6 财务比率分析

7 重点评估区域

8 重点评估区域审计

9 问题发现和财务报表的调整

10 小结

2023年1月13日

18: 30 - 22:00

1.1 案例背景与目标

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

3.1 食堂消费数据分析

3.2 学生消费行为分析

4 小结

2023年1月14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

2023年1月05日

18:30 - 22:00

主讲：方海涛

主题内容：随机最优控制与人工智能

2023年1月05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

操作演练

2023年1月06日

18:30 - 22:00

2 使用Pandas进行数据与预处理

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

2023年1月07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 Pyecharts基础介绍

2.2 Pyecharts绘制日历图

2.3 Pyecharts绘制漏斗图

2.4 Pyecharts绘制仪表盘

2.5 Pyecharts绘制水球图

2.6 Pyecharts绘制关系图

2.7 Pyecharts绘制直角坐标系图表

2.8 Pyecharts绘制饼图

2.9 Pyecharts绘制雷达图

2.10 Pyecharts绘制词云图

2.11 Pyecharts绘制柱状图

2.12 Pyecharts绘制树形图

2.13 Pyecharts绘制地理图表

自行安排

3.1 seaborn基础介绍

3.2 seaborn简单绘图

3.3 seaborn绘图风格

3.4 调色板1

3.5 调色板2

3.6 关系图

3.7 分类图

3.8 分布图

3.9 回归图

3.10 矩阵图

3.11 网格图

2023年1月08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 认识反爬虫

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 初识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

2023年1月09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 爬取数据并及进行保存

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

2023年1月10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

2023年1月11日

18:30 - 22:00

1.1 背景与分析目标

2.1 网页分析和爬虫思路

2.2 省份链接获取

2.3 获取省份名称

2.4 确定翻页数目

2.5 获取单页表格

2.6 获取所有省份和页面的数据 

2.7 分布式爬取

3.1 数据预处理

3.2 数据 指标提取

3.3 省级以上部门审定数据分析

3.4 水稻品种类型数量分析

3.5 主要水稻类型被审定的数量分析

3.6 水稻母本分析

3.7 主要审定公司分析

4 总结

2023年1月12日

18:30 - 22:00

1 背景与目标

2.1 数据来源介绍

2.2 定位国内疫情数据位置

2.3 爬取国内疫情数据

3 数据处理

3.1 解析各省数据

3.2 解析各城市数据

3.3 存储国内疫情数据

3.4 获取并保存海外疫情数据

4 数据可视化

4.1 国内疫情数据可视化准备

4.2 绘制大陆地区新增确诊人数分布图

4.3 绘制风险地区数据分布图

4.4 绘制交互图

2023年1月13日

18:30 - 22:00

1 背景和目标

2 数据采集

2.1 网页结构探索

2.2 定位一级页面数据地址

2.3 爬取及解析一级页面数据

2.4 提取一级页面字段

2.5 定位二级页面数据地址

2.6 爬取及解析二级页面数据

2.7 翻页爬取及数据保存

3 数据处理

3.1 读取已爬取完成的数据

3.2 数据预处理操作

4 分析与可视化

4.1 招聘岗位对学历要求分析

4.2 各行业的大数据招聘需求数量分析

4.3 不同类型公司的薪资待遇分析

4.4 小结

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

2023年1月14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

2023年1月05日

18:30 - 22:00

主讲：方海涛

主题内容：随机最优控制与人工智能

2023年7月05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

2022年7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

2.1 Pyecharts基础介绍

2.2 Pyecharts绘制日历图

2.3 Pyecharts绘制漏斗图

2.4 Pyecharts绘制仪表图

2.5 Pyecharts绘制水球图

2.6 Pyecharts绘制关系图

2.7 Pyecharts绘制直角坐标系图表

2.8 Pyecharts绘制饼图

2.9 Pyecharts绘制雷达图

2.10 Pyecharts绘制词云图

2.11 Pyecharts绘制柱状图

2.12 Pyecharts绘制树形图

2.13 Pyecharts绘制地理图表

3.1 seaborn基础介绍

3.2 seaborn简单绘图

3.3 seaborn绘图风格

3.4 调色板1

3.5 调色板2

3.6 关系图

3.7 分类图

3.8 分布图

3.9 回归图

3.10 矩阵图

3.11 网格图

2023年1月07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

2023年1月08日

18:30 - 22:00

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 从女生相亲到决策树

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

2023年1月09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sklearn实现神经网络算法

2023年1月10日

18:30 - 22:0

6 支持向量机

6.1 间隔与支持向量

6.2 对偶问题

6.3 核函数

6.4 软间隔与正则化

6.5 支持向量机算法的Python实现

7 集成学习

7.1 集成学习基本概念

7.2 并行集成算法-Bagging&RandomForest

7.3 串行集成算法-Boosting算法流程

7.4 川航集成算法-Boosting代码实现

7.5 Stacking算法流程

7.6 Stacking代码实现

7 支持向量机

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

8 集成学习

8.1 集成学习基本概念

8.2 并行集成算法-Bagging&RandomForest

8.3 串行集成算法-Boosting算法流程

8.4 串行集成算法-Boosting代码实现

8.5 Stacking算法流程

8.6 Stacking代码实现

2023年1月11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 缺失值处理

2.4 异常值处理

2.5 数据合并

3 数据可视化分析

3.1 食堂就餐行为分析

3.2 学生早中晚餐就餐地点占比饼图

3.3 工作日和非工作日食堂就餐时间曲线图

3.4 不同专业、不同性别的学生消费分析

4 模型构建

4.1 构建聚类模型

4.2 模型性能评估

5 小结

2023年1月12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

2023年1月13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

2023年1月14日

18:30 - 22:00

1 背景与目标

2 目标分析

2.1 推荐思路分析

2.2 基于物品的协同过滤推荐介绍

3 工程实现

3.1 EB工具登录及简介

3.2 创建空白工程

3.3 导入数据

3.4 筛选正文数据

3.5 字符替换及记录去重

3.6 划分训练集用户和测试集用户

3.7 构造训练集和测试集数据

3.8 构建模型

3.9 推荐及性能评估

4 小结

2023年1月15日

19:00 - 21:00

Linux操作系统基础

1 Linux简介

1.1 Linux简介与发展历程

1.2 Linux常见版本

2 Linux基本命令

2.1 Linux文件系统树

2.2 创建与删除目录或文件

2.3 查看文件内容

2.4 创建硬连接和符合链接

2.5 帮助命令

2.6 重定向相关命令

2.7 用户及用户组

2.8 权限相关命令

2.9 用户、用户组及权限实践操作进程

3 Linux Vi编辑器

3.1 模式介绍与常见快捷命令

3.2 一般模式快捷键

3.3 编辑模式与指令模式快捷键

Java编程基础

1 基础知识

1.1 Java简介

1.2 Java安装配置

1.3 Java基础语法

1.4.1 Java基本数据类型&引用数据类型

1.4.2 Java变量

1.5 Java String类

1.6.1 Java运算符-赋值运算符&算术运算符

1.6.2 Java运算符-关系、逻辑、其他运算符

1.7 循环、条件、循环中断

1.8 Java数组

1.9 Java函数

1.10.1 Java集合简介

1.10.2 Java集合之List

1.10.3 Java集合之Set

1.10.4 Java集合之Map

1.11 Java泛型

2 面向对象

2.1 Java类、对象

2.2.1 Java类封装

2.2.2 Java构造函数

2.2.3 Java类继承

2.2.4 Java类多态

2.3.1 Java抽象类

2.3.2 Java接口

3 线程及异常处理

3.1 Java多线程

3.2 Java包、异常

2023年1月04日

18:30 - 22:00

主讲：方海涛

主题内容：随机最优控制与人工智能

2023年1月04日

18:30 - 22:00

1 认识Hadoop

1.1 认识大数据

1.2 Hadoop简介和发展简史

1.3 Hadoop特性与生态环境

2 Hadoop集群安装与部署

2.1 安装虚拟机

2.2 安配置固定IP

2.3 克隆虚拟机并修改配置

2.4 配置ssh无密码登录

2.5 配置时间同步服务

2023年1月05日

18:30 - 22:00

2.6 安装Java

2.7 Hadoop集群架构

2.8 Hadoop集群安装与部署

2.9 Hadoop集群启动与监控界面介绍

3 HDFS基本操作

3.1 HDFS简介及架构

3.2 HDFS数据读写流程

3.3 HDFS管理命令

3.4 HDFS目录基本操作

3.5HDFS文件基本操作

4 MapReduce原理与架构

4.1 MapReduce框架与设计构思

4.2 MapReduce框架结构

5 MapReduce 入门编程

5.1 MapReduce 单词计数原理

5.2 MapReduce 单词计数源码分析

5.3 搭建MapReduce 开发环境

5.4 MapReduce单词计数编程实现

5.5 MapReduce实现xx与yy连接

5.6 MapReduce实现单词统计次数排序

2023年1月06日

18:30 - 22:00

1 Hive简介

2 Hive安装配置

2.1 Hadoop集群介绍与MySQL安装

2.2 Hive安装配置

2.3 Hive单词计数

3 Hive应用

3.1.1 Hive表定义

3.1.2 创建内部表与外部表

3.1.3 创建静态分区表和动态分区表

3.1.4 创建带数据的表和桶表

3.2 Hive导入及导出

2023年1月07日

18:30 - 22:00

3.3.1 Select查询基本用法1

3.3.2 Select查询基本用法2

3.3.3 内置函数应用

3.3.4 关联查询

2023年1月08日

18:30 - 22:00

1 案例背景与挖掘目标

2 数据存储

3 数据探索与数据清洗

4 属性规约

5 属性构造

4 Hive开发

4.1 构建Maven工程

4.2 开发环境链接测试

4.3 创建公共连接测试

4.4 导入数据到订单表与物品表

4.5 统计顾客数量和商品销售量

4.6 统计各类型商品的购买情况

4.7 统计所有商品销量排名Top20

4.8 统计不同类型商品销量Top10

4.9 将相同客户订单整合写入Hive

5 Hive自定义函数

5.1 创建UDF函数

5.2 创建临时函数

5.3 永久函数的创建与删除

5.4 创建UDAF函数

5.5 创建UDTF函数

6 Hive查询优化

6.1 视图的创建与删除

6.2 创建物化视图

6.3 问价存储格式

2023年1月09日

18:30 - 22:00

1 HBase简介与原理架构

1.1 HBase简介

1.2 HBase原理架构

2 HBase安装配置

2.1 安装集群

3 HBase Shell基本操作

3.1 namespace操作命令

3.2 创建表和查看表

3.3 修改和删除表

3.4 插入和查看表数据

3.5 删除表数据

2023年1月10日

18:30 - 22:00

4 表的模式设计

4.1 HBase表设计

5 HBase Java API应用

5.1 开发环境创建和连接HBase集群

5.2 Java API实现创建表和删除表

5.3 Java API设置Region

5.4 Java API修改列表

5.5 Java API插入数据

5.6 Java API查看和删除数据

5.7 Java API任务实现

2023年1月11日

18:30 - 22:00

1 Spark入门

1.1 Spark介绍

2 Spark集群的安装配置

2.1 Spark安装配置

2.2 Spark安装部署实战

2.3 运行第一个Spark程序

3 Spark架构及原理

3.1 Spark架构

3.2 Spark RDD及DAG图相关概念

4 Spark 编程基础

4.1 创建RDD

4.2 RDD常用算子之transformation算子(1)

4.3 RDD常用算子之transformation算子(2)

4.4 RDD常用算子之键值对RDD算子

4.5 RDD常用算子之action算子

4.6 文件读取与存储

4.7 统计用户停留时间最长的基站

2023年1月12日

18:30 - 22:00

5 配置Spark IDEA开发环境

5.1 搭建Spark开发环境

6 Spark SQL应用

6.1 Spark SQL简介

6.2 Spark SQL配置

6.3 从结构化数据文件创建DataFrame

6.4 从外部数据库数据创建DataFrame

6.5 从RDD创建DataFrame

6.6 读取Hive表数据创建DataFrame

6.7 读取学生成绩创建DataFrame

6.8 常见DataFrame API应用1

6.9 常见DataFrame API应用2

6.10 常见DataFrame API应用3

6.11 通过DataFrame API计算学生总分和平均分

6.12 保存DataFrame数据

6.13 保存学生成绩分析结果到Hive

6.14 DataSet基础操作

6.15 统计商品销售

2023年1月13日

18:30 - 22:00

1 项目背景与需求分析

1.1 背景介绍

1.2 目标分析

1.3 系统架构

2 数据存储

2.1 数据介绍

2.2 数据存储

2.3 开发环境搭建

3 数据探索与清洗

3.1.1 数据探索1

3.1.2 数据探索2

3.1.3 数据探索3

3.1.4 数据探索4

3.2.1 数据清洗1

3.2.2 数据清洗2

3.2.3 数据清洗3

2023年1月14日

18:30 - 22:00

4.1 用户画像简介

4.2 消费内容

4.3 消费等级

4.4 产品名称

4.5 入网程度&业务名称

4.6 地区&语言偏好

5 SVM预测用户是否挽留

5.1 SVM介绍

5.2 特征构建

5.3 标签构建

5.4 模型构建与评估

1 大数据分布式消息Zookeeper

2 Flume数据采集

3 Kafka消息系统

4 Flink大数据实时处理

5 商品实时推荐系统(Flume+Kafka+Flink)

2023年1月15日

19:00 - 21:00

Python编程基础

1.1 认识Python

2.1.1 编写第一个Python程序

2.1.2 缩进代码

2.2.1 字符串基本操作

2.2.2 字符串的索引及切片操作

2.2.3 任务实现-字符串与数值处理

2.3.1 Python常用运算符介绍

2.3.2 任务实现-计算圆形的各参数

3.1 认识Python数据结构

3.2.1 创建列表

3.2.2 列表索引及切片操作

3.2.3 为列表添加元素

3.2.4 列表元素的删除及修改操作

3.2.5 列表推导式

3.2.6 任务实现-求解曲边图形面积

3.3.1 创建字典

3.3.2 字典的增删改查操作

3.3.3 任务实现-单词词频统计

4.1.1 考试成绩等级划分-任务描述

4.1.2 条件判断及分支语句

4.1.3 try-except语句

4.1.4 任务实现-考试成绩等级划分

4.2.1 循环语句

4.2.2 任务实现-实现一组数的连加与连乘操作

4.3 冒泡排序法排序

5.1.1 使用def定义函数

5.1.2 任务实现-自定义求列表均值的函数

5.2 使用lambda创建匿名函数

5.3 存储并导入函数模块

6.1 认识面向对象

6.2.1 创建Human类

6.2.2 创建对象

7.1.1 读取文件数据

7.1.2 任务实现-文件数据读取及词频统计

7.2 将数据写入文件

8 模块和第三方库

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

2023年1月05日

18:30 - 22:00

主讲：方海涛

主题内容：随机最优控制与人工智能

2023年1月15日

18:30 - 22:00

1 Pandas统计分析基础

1.1 Pandas简介

1.2 读写的不同数据源的数据

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

2023年1月06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

2023年1月07日

18:30 - 22:00

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 从女生相亲到决策树

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

2023年1月08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sklearn实现神经网络算法

2023年1月09日

18:30 - 22:00

6 支持向量机

6.1 间隔与支持向量

6.2 对偶问题

6.3 核函数

6.4 软间隔与正则化

6.5 支持向量机算法的Python实现

7 集成学习

7.1 集成学习基本概念

7.2 并行集成算法-Bagging&RandomForest

7.3 串行集成算法-Boosting算法流程

7.4 串行集成算法-Boosting代码实现

7.5 Stacking算法流程

7.6 Stacking代码实现

8 最近邻算法(KNN)

8.1 KNN算法介绍

8.2 KNN算法解决鸢尾花分类问题

9 朴素贝叶斯

9.1 非洲人还是北美人

9.2 为什么有“朴素”二字

9.3 拉普拉斯修正

9.4 用高斯朴素贝叶斯算法解决鸢尾花分类问题

2023年1月10日

18:30 - 22:00

1.1 大数据相关概念

1.2 Spark相关概念

1.3 PySpark大数据分析相关概念

2.1 PySpark环境部署(1)

2.2 PySpark环境部署(2)

3.1 Spark SQL模块介绍

3.2 PySpark SQL模块介绍

3.3.1 创建DataFrame(1)

3.3.2 创建DataFrame(2)

3.3.3 数据查看、处理常用API

3.3.4 统计排序常用API

3.3.5 连接、列操作、输出常用API

2023年1月11日

18:30 - 22:00

4.1 Spark Streaming简介

4.2 创建streamingConnect

4.3 指定输入源

4.4 示例：socket输入源词频统计

4.5 无状态算子使用示例

4.6 滑动窗口使用示例

4.7 updateStateByKey与输出

2023年1月12日

18:30 - 22:00

5.1 Spark MLlib模块介绍

5.2 数据降维

5.3 数据标注化

5.4 数据类型转换

5.5 构建分类模型

5.6 构建回归模型

5.7 构建聚类模型

5.8 构建推荐

2023年1月13日

18:30 - 22:00

1 背景与挖掘目标

2 数据预处理

2.1 数据探索

2.2 数据预处理

2.3 特征构建

3 模型构建

3.1 模型介绍

3.2 模型构建与训练

3.3 模型评估

4 词云图绘制

2023年1月14日

18:30 - 22:00

1 需求与架构分析

2.1 数据合并入库

2.2 信息完整程度与逾期率关系探索

2.3 信息修改天数与逾期率关系探索

2.4 借款月份与逾期率关系探索

3.1 第三方信息特征构建

3.2 信息缺失个数与借款月份特征构建及更新信息重建

3.3 用户登录信息重建

3.4 字符型数据转换及缺失值处理

4 模型构建评估与部署

2023年1月15日

19:00 - 21:00

Python编程基础

1.1 认识Python

2.1.1 编写第一个Python程序

2.1.2 缩进代码

2.2.1 字符串基本操作

2.2.2 字符串的索引及切片操作

2.2.3 任务实现-字符串与数值处理

2.3.1 Python常用运算符介绍

2.3.2 任务实现-计算圆形的各参数

3.1 认识Python数据结构

3.2.1 创建列表

3.2.2 列表索引及切片操作

3.2.3 为列表添加元素

3.2.4 列表元素的删除及修改操作

3.2.5 列表推导式

3.2.6 任务实现-求解曲边图形面积

3.3.1 创建字典

3.3.2 字典的增删改查操作

3.3.3 任务实现-单词词频统计

4.1.1 考试成绩等级划分-任务描述

4.1.2 条件判断及分支语句

4.1.3 try-except语句

4.1.4 任务实现-考试成绩等级划分

4.2.1 循环语句

4.2.2 任务实现-实现一组数的连加与连乘操作

4.3 冒泡排序法排序

5.1.1 使用def定义函数

5.1.2 任务实现-自定义求列表均值的函数

5.2 使用lambda创建匿名函数

5.3 存储并导入函数模块

6.1 认识面向对象

6.2.1 创建Human类

6.2.2 创建对象

7.1.1 读取文件数据

7.1.2 任务实现-文件数据读取及词频统计

7.2 将数据写入文件

8 模块和第三方库

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

4 Pandas统计分析基础

4.1 Pandas简介

4.2 读写的不同数据源的数据

4.2.1 Pandas读取文本数据

4.2.2 存储数据框

4.2.3 Pandas读取excel文件

4.2.4 将数据框存储为excel文件

4.3 数据框与数据框元素

4.3.1 构建数据框

4.3.2 查看数据框的常用属性

4.3.3 按行列顺序访问数据框中的元素

4.3.4 按行列名称访问数据框中的元素

4.3.5 修改数据框中的元素

4.3.6 删除数据框中的元素

4.3.7 描述分析数据框中的元素

4.4 转换与处理时间序列数据

4.4.1 转换成时间类型数据

4.4.2 时间类型数据的常用操作

4.5 使用分组聚合进行组内计算

4.5.1 groupby分组操作

4.5.2 agg聚合操作

4.6 创建透视表与交叉表

4.6.1 生成透视表

4.6.2 生成交叉表

5 使用Pandas进行数据预处理

5.1 合并数据

5.1.1 表堆叠

5.1.2 主键合并

5.1.3 重叠合并

5.2 清洗数据

5.2.1 检测与处理重复值

5.2.2 检测与处理缺失值

5.2.3 检测与处理异常值

5.3 标准化数据

5.4 转换数据

5.4.1 哑变量处理、

5.4.2 离散化连续型数据

2023年1月04日

18:30 - 22:00

主讲：方海涛

主题内容：随机最优控制与人工智能

2023年1月04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

2023年1月05日

18:30 - 22:00

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

4.1 单个神经元介绍

4.2 经典网络结构介绍

4.3 神经网络工作流程演示

4.4 如何修正网络参数-梯度下降法

4.5 网络工作原理推导

4.6 网络搭建准备

4.7 样本从输入层到隐层传输的Python实现

4.8 网络输出的Python实现

4.9 单样本网络训练的Python实现

4.10 全样本网络训练的Python实现

4.11 网络性能评价

4.12 调用sklearn实现神经网络算法

2023年1月06日

18:30 - 22:00

1 任务1：构建一个线性模型

1.1 TensorFlow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

2023年1月07日

18:30 - 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

2023年1月08日

18:30 - 22:00

1 概述

2.1 图像基础

2.2 读写图像

3.1 几何变换-图像平移和旋转

3.2 几何变换-最近邻插值

3.3 几何变换-其他插值方法介绍

2023年1月09日

18:30 - 22:00

4.1 灰度处理-线性变换

4.2 灰度处理-非线性变换

4.3 灰度处理-直方图均衡化

4.4 图像二值化

5.1 图像平滑

5.2 图像锐化-Sobel算子

5.3 图像锐化-其他算法

6 练习

2023年1月10日

18:30 - 22:00

7 图像批处理任务示例

8.1 OpenCV循环读取-批量获取图像路径

8.2 OpenCV循环读取-批量读取图片和标签

8.3 OpenCV循环读取-数据应用示例

9.1 图像文件读取-参数说明

9.2 图像文件读取-读取训练和测试数据

9.3 图像文件读取-查看数据情况

9.4 图像文件读取-数据应用示例

10.1 ImageDataGenerator图像增强-方法介绍

10.2 ImageDataGenerator图像增强-单张图像增强

10.3 ImageDataGenerator图像增强-多张图像增强

10.4 ImageDataGenerator图像增强-从文件夹读取图片并增强

10.5 ImageDataGenerator图像增强-数据应用示例

2023年1月11日

18:30 - 22:00

1.1 案例背景与目标

1.2 读取一张图片数据

1.3 获取图片数据的像素值矩阵

1.4 截取图像的有效区域

1.5 水质图像特征-颜色矩

1.6 三个颜色矩的Python实现

1.7 如何进行批量化数据转换

1.8 自定义函数获取指定路径中的所有图片名称

1.9 处理所有图片数据

1.10 数据处理代码整理

1.11 模型构建与性能评估

2023年1月12日

18:30 - 22:00

1 背景与目标

1.1 背景与目标

1.2 目标分析

1.3 准备工程文件

2 人脸检测

2.1 MTCNN介绍及脚本准备

2.2 人脸检测

2.3 标记人脸框

2.4 标记脸部关键点

3 人脸对齐

3.1 裁剪人脸图像

3.2 人脸对齐

3.3 处理多人脸区域并做函数封装

4 人脸特征提取

4.1 FaceNet基本流程

4.2 FaceNet模型详解

4.3 获取人脸特征向量

5 人脸识别

5.1 加载后台人脸数据库数据

5.2 人脸识别

6 小结

2023年1月13日

18:30 - 22:00

1 背景与目标

2 过程与步骤

2.1 数据读取

2.2 数据预处理

2.3 数据集整理

3 模型构建

3.1 GAN网络搭建

3.2 定义GAN损失函数

3.3 训练网络

3.4 结果分析

4 小结

2023年1月14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

4 Pandas统计分析基础

4.1 Pandas简介

4.2 读写的不同数据源的数据

4.2.1 Pandas读取文本数据

4.2.2 存储数据框

4.2.3 Pandas读取excel文件

4.2.4 将数据框存储为excel文件

4.3 数据框与数据框元素

4.3.1 构建数据框

4.3.2 查看数据框的常用属性

4.3.3 按行列顺序访问数据框中的元素

4.3.4 按行列名称访问数据框中的元素

4.3.5 修改数据框中的元素

4.3.6 删除数据框中的元素

4.3.7 描述分析数据框中的元素

4.4 转换与处理时间序列数据

4.4.1 转换成时间类型数据

4.4.2 时间类型数据的常用操作

4.5 使用分组聚合进行组内计算

4.5.1 groupby分组操作

4.5.2 agg聚合操作

4.6 创建透视表与交叉表

4.6.1 生成透视表

4.6.2 生成交叉表

5 使用Pandas进行数据预处理

5.1 合并数据

5.1.1 表堆叠

5.1.2 主键合并

5.1.3 重叠合并

5.2 清洗数据

5.2.1 检测与处理重复值

5.2.2 检测与处理缺失值

5.2.3 检测与处理异常值

5.3 标准化数据

5.4 转换数据

5.4.1 哑变量处理、

5.4.2 离散化连续型数据

2023年1月05日

18:30 - 22:00

主讲：方海涛

主题内容：随机最优控制与人工智能

2023年1月05日

18:30 - 22:00

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

2023年1月06日

18:30 - 22:00

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

4.1 单个神经元介绍

4.2 经典网络结构介绍

4.3 神经网络工作流程演示

4.4 如何修正网络参数-梯度下降法

4.5 网络工作原理推导

4.6 网络搭建准备

4.7 样本从输入层到隐层传输的Python实现

4.8 网络输出的Python实现

4.9 单样本网络训练的Python实现

4.10 全样本网络训练的Python实现

4.11 网络性能评价

4.12 调用sklearn实现神经网络算法

2023年1月07日

18:30 - 22:00

1 任务1：构建一个线性模型

1.1 TensorFlow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

2023年1月08日

18:30 - 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

2023年1月09日

18:30 - 22:00

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

5.1 生成对抗神经网络简介

5.2 生成对抗神经网络训练流程

5.3 生成手写数字照片-数据准备&定义生成器网络

5.4 生成手写数字照片-判别器网络结构

5.5 生成手写数字照片-网络传输及网络损失值

5.6 生成手写数字照片-模型训练及效果展示

2023年1月10日

18:30 - 22:00

1 自然语言处理概述

1.1 自然语言处理概述
2 NLP 基本流程

2.1 NLP 基本流程

2.2 语料字符处理
2.2.1 语料字符处理-字符串函数
2.2.2 正则表达式
2.2.3 正则表达式应用
2.3 分词和停用词处理

2.3.1 分词：正向最大匹配法

2.3.2 分词：正向最大匹配法实现

2.3.3 分词：逆向最大匹配法
2.4.1 N元语法模型
2.4.2 N元语法模型与分词

2.5.1 隐马尔可夫概述

2.5.2 隐马尔可夫实例

2.5.3 Viterbi算法

2.5.4 Viterbi算法应用

2023年1月11日

18:30 - 22:00

2.7 去停用词

3 文本向量化

3.1.1 向量化与独热编码

3.1.2 基于字典的one-hot实现

3.1.3 基于keras的one-hot表示

3.2 词袋模型

3.3 TF-IDF

3.4.1 Word2Vec模型概述

3.4.2 Word2Vec模型训练

3.4.3 Word2Vec模型应用

3.5 Doc2Vec模型

2023年1月12日

18:30 - 22:00

1 背景与挖掘目标

2.1 数据探索

2.2 分词和去停用词

2.3 词序列化和长度对齐

3.1 预训练词向量

3.2 词向量矩阵

4.1 textCNN模型搭建

4.2 模型训练

4.3 模型评估和总

2023年1月13日

18:30 - 22:00

1 案例背景与目标

1.1 背景与目标
1.2 流程介绍
2 语料库预处理
2.1 语料库介绍
2.2 工程和数据准备
2.3 语料分词处理
2.4 预处理结果保存
2.5 语料预处理代码整理
3 模型构建
3.1 模型介绍
3.2 构建哈希表
3.3 问答数据向量化
3.4 问答向量长度填

2023年1月14日

18:30 - 22:00

2023年1月15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

4 Pandas统计分析基础

4.1 Pandas简介

4.2 读写不同数据源得数据

4.2.1 Pandas读取文本数据

4.2.2 存储数据框

4.2.3 Pandas读取excel文件

4.2.4 将数据框存储为excel文件

4.3 数据框与数据框元素

4.3.1 构建数据框

4.3.2 查看数据框得常用属性

4.3.3 按行列顺序访问数据框中的元素

4.3.4 按行列名称访问数据框中的元素

4.3.5 修改数据框中的元素

4.3.6 删除数据框中的元素

4.3.7 描述分析数据框中的元素

4.4 转换与处理时间序列数据

4.4.1 转换成时间类型数据

4.4.2 时间类型数据的常用操作

4.5 使用分组聚合进行组内计算

4.5.1 groupby分组操作

4.5.2 agg聚合操作

4.6 创建透视表与交叉表

4.6.1 生成透视表

4.6.2 生成交叉表

5 使用Pandas进行数据预处理

5.1 合并数据

5.1.1 表堆叠

5.1.2 主键合并

5.1.3 重叠合并

5.2 清洗数据

5.2.1 检测与处理重复值

5.2.2 检测与处理缺失值

5.2.3 检测与处理异常值

5.3 标准化数据

5.4 转换数据

5.4.1 哑变量处理

5.4.2 离散化连续型数据

2023年1月04日

18:30 - 22:00

主讲：方海涛

主题内容：随机最优控制与人工智能

2023年1月04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

操作演练

2023年1月05日

18:30 - 22:00

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

4.1 单个神经元介绍

4.2 经典网络结构介绍

4.3 神经网络工作流程演示

4.4 如何修正网络参数-梯度下降法

4.5 网络工作原理推导

4.6 网络搭建准备

4.7 样本从输入层到隐层传输的Python实现

4.8 网络输出的Python实现

4.9 单样本网络训练的Python实现

4.10 全样本网络训练的Python实现

4.11 网络性能评价

4.12 调用sklearn实现神经网络算法

2023年1月06日

18:30 - 22:00

1 任务1：构建一个线性模型

1.1 TensorFlow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

操作演练

2023年1月07日

18:30 - 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

2023年1月08日

18:30 - 22:00

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

2023年1月09日

18:30 - 22:00

1 背景与目标

2 数据处理

2.1 图像读取及尺寸调整

2.2 图像增强之翻转操作

2.3 图像增强之旋转缩放

2.4 获取所有照片数据

2.5 批量获取照片数据

2.6 将数据处理过程封装成函数

3 模型构建（AlexNet）

3.1 AlexNet介绍

3.2 搭建第一次卷积结构

3.3 完成AlexNet搭建

3.4 模型训练

4 模型性能评估

4.1 模型性能评估及预测

4.2 小结

2023年1月10日

18:30 - 22:00

1 项目背景与目标

2 数据探索分析

2.1 读取新闻数据

2.2 了解数据的基本情况

3 词嵌入(Word Embedding)

3.1 word embedding的基本概念

3.2 word2vec介绍

3.3 CBOW词向量训练过程

3.4 《鹿鼎记》word2vec介绍

3.5 《鹿鼎记》word2vec实现-读取数据

3.6 《鹿鼎记》word2vec实现-数据预处理

3.7 《鹿鼎记》word2vec实现-词向量训练

3.8 《鹿鼎记》word2vec实现-获取词向量矩阵

4 构建模型

4.1 数据padding

4.2 网络结构中的Embedding层

4.3 构建RNN网络模型

4.4 模型训练及评估

5 模型优化

5.1 词向量预训练

5.2 模型优化

2023年1月11日

18:30 - 22:00

1 背景与目标

1.1 背景与目标

1.2 目标分析

1.3 准备工程文件

2 人脸检测

2.1 MTCNN介绍及脚本准备

2.2 人脸检测

2.3 标记人脸框

2.4 标记脸部关键点

3 人脸对齐

3.1 裁剪人脸图像

3.2 人脸对齐

3.3 处理多人脸区域并做函数封装

4 人脸特征提取

4.1 FaceNet基本流程

4.2 FaceNet模型详解

4.3 获取人脸特征向量

5 人脸识别

5.1 加载后台人脸数据库数据

5.2 人脸识别

6 小结

2023年1月12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

4 Pandas统计分析基础

4.1 Pandas简介

4.2 读写不同数据源得数据

4.2.1 Pandas读取文本数据

4.2.2 存储数据框

4.2.3 Pandas读取excel文件

4.2.4 将数据框存储为excel文件

4.3 数据框与数据框元素

4.3.1 构建数据框

4.3.2 查看数据框得常用属性

4.3.3 按行列顺序访问数据框中的元素

4.3.4 按行列名称访问数据框中的元素

4.3.5 修改数据框中的元素

4.3.6 删除数据框中的元素

4.3.7 描述分析数据框中的元素

4.4 转换与处理时间序列数据

4.4.1 转换成时间类型数据

4.4.2 时间类型数据的常用操作

4.5 使用分组聚合进行组内计算

4.5.1 groupby分组操作

4.5.2 agg聚合操作

4.6 创建透视表与交叉表

4.6.1 生成透视表

4.6.2 生成交叉表

5 使用Pandas进行数据预处理

5.1 合并数据

5.1.1 表堆叠

5.1.2 主键合并

5.1.3 重叠合并

5.2 清洗数据

5.2.1 检测与处理重复值

5.2.2 检测与处理缺失值

5.2.3 检测与处理异常值

5.3 标准化数据

5.4 转换数据

5.4.1 哑变量处理

5.4.2 离散化连续型数据

2023年1月05日

18:30 - 22:00

主讲：方海涛

主题内容：随机最优控制与人工智能

2023年1月05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

2023年1月06日

18:30 - 22:00

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

4.1 单个神经元介绍

4.2 经典网络结构介绍

4.3 神经网络工作流程演示

4.4 如何修正网络参数-梯度下降法

4.5 网络工作原理推导

4.6 网络搭建准备

4.7 样本从输入层到隐层传输的Python实现

4.8 网络输出的Python实现

4.9 单样本网络训练的Python实现

4.10 全样本网络训练的Python实现

4.11 网络性能评价

4.12 调用sklearn实现神经网络算法

2023年1月07日

18:30 - 22:00

1 任务 1：构建一个线性模型

1.1 PyTorch介绍

1.2 PyTorch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

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

2023年1月08日

18:30 - 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 实现卷积和操作

2.7 实现池化操作

2023年1月09日

18:30 - 22:00

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

2023年1月10日

18:30 - 22:00

1 背景与目标

2 数据处理

2.1 图像读取及尺寸调整

2.2 图像增强之翻转操作

2.3 图像增强之旋转缩放

2.4 获取所有照片数据

2.5 批量获取照片数据

2.6 将数据处理过程封装成函数

3 模型构建（AlexNet）

3.1 AlexNet介绍

3.2 搭建第一次卷积结构

3.3 完成AlexNet搭建

3.4 模型训练

4 模型性能评估

4.1 模型性能评估及预测

4.2 小结

2023年1月11日

18:30 - 22:00

1 背景与目标

2 数据准备

2.1 数据基本介绍

2.2 词嵌入介绍

2.3 进行词向量训练

2.4 构建词向量矩阵

2.5 获取编码后的语料库

2.6 对各样本执行padding操作

2.7 拆分数据并将其转为模型所需格式

3 构建模型

3.1 模型介绍

3.2 模型构建

3.3 模型训练

3.4 性能评估

4 小结

2023年1月12日

18:30 - 22:00

1.1 案例背景介绍

1.2 数据介绍及案例目标

2.1 数据预处理步骤流程介绍

2.2 数据读取

2.3 windowing方法介绍

2.4 windowing方法实现

2.5 直方图均衡化

2.6 肿瘤部位的提取

2.7 保存数据

2.8 对所有病人数据做处理

3.1 定义图像生成器

3.2 图片增强实现

3.3 图片归一化

4.1 模型原理

4.2 模型搭建

4.3 模型编译

4.4 模型训练

5 模型评估与优化

2023年1月13日

19:00 - 21:00

Python编程基础

1.1 认识Python

2.1.1 编写第一个Python程序

2.1.2 缩进代码

2.2.1 字符串基本操作

2.2.2 字符串的索引及切片操作

2.2.3 任务实现-字符串与数值处理

2.3.1 Python常用运算符介绍

2.3.2 任务实现-计算圆形的各参数

3.1 认识Python数据结构

3.2.1 创建列表

3.2.2 列表索引及切片操作

3.2.3 为列表添加元素

3.2.4 列表元素的删除及修改操作

3.2.5 列表推导式

3.2.6 任务实现-求解曲边图形面积

3.3.1 创建字典

3.3.2 字典的增删改查操作

3.3.3 任务实现-单词词频统计

4.1.1 考试成绩等级划分-任务描述

4.1.2 条件判断及分支语句

4.1.3 try-except语句

4.1.4 任务实现-考试成绩等级划分

4.2.1 循环语句

4.2.2 任务实现-实现一组数的连加与连乘操作

4.3 冒泡排序法排序

5.1.1 使用def定义函数

5.1.2 任务实现-自定义求列表均值的函数

5.2 使用lambda创建匿名函数

5.3 存储并导入函数模块

6.1 认识面向对象

6.2.1 创建Human类

6.2.2 创建对象

7.1.1 读取文件数据

7.1.2 任务实现-文件数据读取及词频统计

7.2 将数据写入文件

8 模块和第三方库

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

4 Pandas统计分析基础

4.1 Pandas简介

4.2 读写不同数据源得数据

4.2.1 Pandas读取文本数据

4.2.2 存储数据框

4.2.3 Pandas读取excel文件

4.2.4 将数据框存储为excel文件

4.3 数据框与数据框元素

4.3.1 构建数据框

4.3.2 查看数据框得常用属性

4.3.3 按行列顺序访问数据框中的元素

4.3.4 按行列名称访问数据框中的元素

4.3.5 修改数据框中的元素

4.3.6 删除数据框中的元素

4.3.7 描述分析数据框中的元素

4.4 转换与处理时间序列数据

4.4.1 转换成时间类型数据

4.4.2 时间类型数据的常用操作

4.5 使用分组聚合进行组内计算

4.5.1 groupby分组操作

4.5.2 agg聚合操作

4.6 创建透视表与交叉表

4.6.1 生成透视表

4.6.2 生成交叉表

5 使用Pandas进行数据预处理

5.1 合并数据

5.1.1 表堆叠

5.1.2 主键合并

5.1.3 重叠合并

5.2 清洗数据

5.2.1 检测与处理重复值

5.2.2 检测与处理缺失值

5.2.3 检测与处理异常值

5.3 标准化数据

5.4 转换数据

5.4.1 哑变量处理

5.4.2 离散化连续型数据

2023年1月05日

18:30 - 22:00

主讲：方海涛 

主题内容：随机最优控制与人工智能

2023年1月05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

2023年1月06日

18:30 - 22:00

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

4.1 单个神经元介绍

4.2 经典网络结构介绍

4.3 神经网络工作流程演示

4.4 如何修正网络参数-梯度下降法

4.5 网络工作原理推导

4.6 网络搭建准备

4.7 样本从输入层到隐层传输的Python实现

4.8 网络输出的Python实现

4.9 单样本网络训练的Python实现

4.10 全样本网络训练的Python实现

4.11 网络性能评价

4.12 调用sklearn实现神经网络算法

2023年1月07日

18:30 - 22:00

1 MindSpore简介

2 构建一个线性模型

2.1 任务描述：构建一个线性模型

2.2 创建基础张量

2.3 创建特定的张量

2.4 张量与数组相互转换

2.5 读取数据

2.6 构建模型

2.7 构建优化器

2.8 单样本训练

2.9 多轮训练

2.10 训练过程可视化

3 识别手写数字

3.1 案例目标与流程

3.2 加载自定义数据

3.3 转换数据维度和类型

3.4 将数据转为ms标准格式

3.5 构建模型

3.6 模型配置

3.7 模型训练

3.8 加载已训练模型

3.9 单张照片预测

3.10 批量照片预测

3.11 拓展内容-自定义网络

4 小结

2023年1月08日

18:30 - 22:00

1 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

2023年1月09日

18:30 - 22:00

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 LSTM网络层实现

5 利用LSTM实现MNIST手写数字识别

5.1 加载数据

5.2 数据加工

5.3 搭建循环神经网络

5.4 模型配置

5.5 模型训练与性能验证

2023年1月10日

18:30 - 22:00

1 背景与目标

2 数据处理

2.1 图像读取及尺寸调整

2.2 图像增强之翻转操作

2.3 图像增强之旋转缩放

2.4 获取所有照片数据

2.5 批量获取照片数据

2.6 将数据处理过程封装成函数

3 模型构建（AlexNet）

3.1 AlexNet介绍

3.2 定义第一次卷积计算

3.3 定义LeNet5的其他计算操作

3.4 定义LeNet5计算流程

3.5 将数据转为MindSpore所需格式

3.6 模型训练及保存

4 模型加载及应用

5 小结

2023年1月11日

18:30 - 22:00

1 背景与目标

2 数据准备

2.1 数据基本结束

2.2 词嵌入介绍

2.3 进行词向量训练

2.4 构建词向量矩阵

2.5 获取编码后的语料库

2.6 对个样本执行padding操作

2.7 拆分数据并将其转为模型所需格式

3 构建模型

3.1 定义embedding层算子

3.2 定义LSTM层算子

3.3 定义全连接层算子

3.4 定义网络计算流程

3.5 创建RNN网络并进行相应配置

4 模型训练与性能评估

5 小结

2023年1月12日

18:30 - 22:00

1 背景与目标

2.1 删除重复数据

2.2 文本预处理

3.1 分词和去停用词

3.2 绘制词云图

3.3 word2vec词向量

3.4 构建word2vec词向量

3.5 数据保存

4.1 数据加载器

4.2 词典和词向量获取

4.3 数据格式转化

4.4 LSTM模型

4.5 模型搭建

4.6 训练逻辑

4.7 模型训练

4.8 模型预测

5 小结

2023年1月13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

4 Pandas统计分析基础

4.1 Pandas简介

4.2 读写不同数据源得数据

4.2.1 Pandas读取文本数据

4.2.2 存储数据框

4.2.3 Pandas读取excel文件

4.2.4 将数据框存储为excel文件

4.3 数据框与数据框元素

4.3.1 构建数据框

4.3.2 查看数据框得常用属性

4.3.3 按行列顺序访问数据框中的元素

4.3.4 按行列名称访问数据框中的元素

4.3.5 修改数据框中的元素

4.3.6 删除数据框中的元素

4.3.7 描述分析数据框中的元素

4.4 转换与处理时间序列数据

4.4.1 转换成时间类型数据

4.4.2 时间类型数据的常用操作

4.5 使用分组聚合进行组内计算

4.5.1 groupby分组操作

4.5.2 agg聚合操作

4.6 创建透视表与交叉表

4.6.1 生成透视表

4.6.2 生成交叉表

5 使用Pandas进行数据预处理

5.1 合并数据

5.1.1 表堆叠

5.1.2 主键合并

5.1.3 重叠合并

5.2 清洗数据

5.2.1 检测与处理重复值

5.2.2 检测与处理缺失值

5.2.3 检测与处理异常值

5.3 标准化数据

5.4 转换数据

5.4.1 哑变量处理

5.4.2 离散化连续型数据

20223年1月06日

18:30 - 22:00

主讲：方海涛

主题内容：随机最优控制与人工智能

2023年1月06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

2023年1月07日

18:30 - 22:00

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

4.1 从女生相亲到决策树

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

5.1 聚类分析概述

5.2 相似性度量

5.3 K-Means聚类分析算法介绍

5.4 利用K-Means算法对鸢尾花进行聚类

5.5 聚类结果的性能度量

5.6 调用sklearn实现聚类分析

6 集成学习

6.1 集成学习基本概念

6.2 并行集成算法-Bagging&RandomForest

6.3 串行集成算法-Boosting算法流程

6.4 串行集成算法-Boosting代码实现

6.5 Stacking算法流程

6.6 Stacking代码实现

2023年1月08日

18:30 - 22:00

1 智能推荐系统简介

1.1 智能推荐简介

1.2 基于内容的推荐

1.3 协同过滤推荐

1.4 基于深度学习的推荐&复合推荐

1.5 智能推荐系统性能度量

2 关联规则

2.1 关联规则简介

2.2 事务和项集

2.3 支持度与置信度

2.4 Apriori算法流程

2.5 Apriori算法实现

3 协同过滤

3.1 协同过滤推荐算法流程

3.2 新闻推荐数据介绍

3.3 数据准备

3.4 模型构建

3.5 构建测试集用户网址浏览字典

3.6 执行推荐操作

3.7 推荐结构评估

4 FM&Ranking模型

2023年1月09日

18:30 - 22:00

1 BP神经网络

1.1 单个神经元介绍

1.2 经典网络结构介绍

1.3 神经网络工作流程演示

1.4 如何修正网络参数、梯度下降

1.5 网络工作原理推导

1.6 网络搭建准备

1.7 样本从输入层到隐层传输的Python实现

1.8 网络输出的Python实现

1.9 单样本网络训练的Python实现

1.10 全样本网络训练的Python实现

1.11 网络性能评价

1.12 调用scikit-learn实现神经网络算法

2023年1月10日

18:30 - 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

2023年1月11日

18:30 - 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

2023年1月12日

18:30 - 22:00

1 背景与目标

2.1 线下训练集数据介绍

2.2 线上训练集数据介绍

2.3 测试数据介绍

2.4 项目流程介绍

3.1 构建正样本

3.2 构建负样本

3.3 构建样本标签

4.1 特征构建介绍

4.2 处理Discount_rate列

4.3 特征1-折扣率

4.4 特征2-商户与用户之间的距离

5.1 建模前数据准备

5.2 初级模型构建

5.3 ROC曲线与AUC值

5.4 模型性能评估

5.5 训练函数封装

5.6 模型预测

5.7 预测函数封装

6.1 特征3-优惠券流行度

6.2 特征4-用户在商家中的消费次数

6.3 如何进行特征拼接

6.4 拼接训练集的特征

6.5 拼接测试集的特征

7.1 模型训练

7.2 预测

7.3 代码整理

7.4 结构提交

2023年1月13日

18:30 - 22:00

1 数据读取

2 数据探索与预处理

2.1 缺失值处理

2.2 异常值处理

2.3 重复值处理

3 统计分析与可视化

3.1 用户分布分析

3.2 用户活跃度分析

3.3 用户流失率分析

3.4 用户参与课程情况分析

3.5 用户选择课程情况分析

3.6 课程收费差异与用户学习进度相关性分析

4 智能推荐

4.1 线上课程智能推荐

4.2 线上管理决策建议

2023年1月14日

18:30 - 22:00

1 项目文件结构及编辑环境介绍

2 数据获取与探索分析答案讲解

3.1 理解用户单击流相关概念

3.2 获取用户的各单击流数据

4  对各单击流数据进行探索

5.1 对用户单击流数据进行预处理

5.2 进行词向量训练

5.3 对用户的单击流进行编码及padding操作

5.4 将词向量矩阵做相应排序并储存

5.5 将单击流数据转化为二维样本数据并存储

6.1 建模前数据整理

6.2 模型训练集性能评估

7.1 模型优化-并行网络结构介绍

7.2 模型优化

2023年1月15日

18:30 - 22:00

1 背景与目标

2 目标分析

2.1 推荐思路分析

2.2 基于物品的协同过滤推荐介绍

3 工程实现

3.1 EB工具登录及简介

3.2 创建空白工程

3.3 导入数据

3.4 筛选正文数据

3.5 字符替换及记录去重

3.6 划分训练集用户和测试集用户

3.7 构造训练集和测试集数据

3.8 构建模型

3.9 推荐及性能评估

4 小结

2023年1月16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

4 Pandas统计分析基础

4.1 Pandas简介

4.2 读写不同数据源得数据

4.2.1 Pandas读取文本数据

4.2.2 存储数据框

4.2.3 Pandas读取excel文件

4.2.4 将数据框存储为excel文件

4.3 数据框与数据框元素

4.3.1 构建数据框

4.3.2 查看数据框得常用属性

4.3.3 按行列顺序访问数据框中的元素

4.3.4 按行列名称访问数据框中的元素

4.3.5 修改数据框中的元素

4.3.6 删除数据框中的元素

4.3.7 描述分析数据框中的元素

4.4 转换与处理时间序列数据

4.4.1 转换成时间类型数据

4.4.2 时间类型数据的常用操作

4.5 使用分组聚合进行组内计算

4.5.1 groupby分组操作

4.5.2 agg聚合操作

4.6 创建透视表与交叉表

4.6.1 生成透视表

4.6.2 生成交叉表

5 使用Pandas进行数据预处理

5.1 合并数据

5.1.1 表堆叠

5.1.2 主键合并

5.1.3 重叠合并

5.2 清洗数据

5.2.1 检测与处理重复值

5.2.2 检测与处理缺失值

5.2.3 检测与处理异常值

5.3 标准化数据

5.4 转换数据

5.4.1 哑变量处理

5.4.2 离散化连续型数据

2023年1月06日

18:30 - 22:00

主讲：方海涛

主题内容：随机最优控制与人工智能

2023年1月06日

18:30 - 22:00

1 网络舆情概述

1.1 网络舆情概述

1.2 网络舆情空间治理

1.3 网络舆情传播平台

1.4 网络舆情分析技术

2 网络信息采集技术

2.1 搜索引擎概念

2.2 网络蜘蛛概念

3 话题检测与跟踪技术

3.1 基本概念与相关技术

4 文本分割技术

4.1 基本概念

4.2 基于LDA模型的文本分割

4.3 基于VSM模型的文本分割

5 文本情感分析技术

5.1 基本概念

5.2 句子情感分析方法

5.3 段落情感分析方法

5.4 文本情感分析模型

2023年1月07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

2023年1月08日

18:30 - 22:0

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

4.1 单个神经元介绍

4.2 经典网络结构介绍

4.3 神经网络工作流程演示

4.4 如何修正网络参数-梯度下降法

4.5 网络工作原理推导

4.6 网络搭建准备

4.7 样本从输入层到隐层传输的Python实现

4.8 网络输出的Python实现

4.9 单样本网络训练的Python实现

4.10 全样本网络训练的Python实现

4.11 网络性能评价

4.12 调用sklearn实现神经网络算法

2023年1月09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 认识反爬虫

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 初识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

2023年1月10日

18:30 - 22:0

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 爬取数据并及进行保存

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

2023年1月11日

18:30 - 22:00

1.1 文本挖掘概述

2.1 文本预处理_正则表达式

2.2 中文分词概述

2.2.1 机械分词法

2.2.2 马尔可夫链分词法

2.2.3 隐马尔可夫模型(HMM)

2.2.4 viterbi算法

2.2.5 隐马尔可夫与viterbi算法应用

2.2.6 jieba库_jieba分词

2.3 绘制词云

3.1 文本向量化表示

2023年1月12日

18:30 - 22:00

1 背景与目标

2 数据采集

2.1 网页结构分析

2.2 网页节点信息获取

2.3 单页数据采集

2.4 循环获取网页数据

2.5 数据存储

3 数据处理

3.1 词嵌入介绍

3.2 进行词向量训练

3.3 构建词向量矩阵

3.4 获取编码后的语料库

3.5 对个样本执行padding操作

3.6 拆分数据并将其转为模型所需格式

4 构建模型

4.1 模型介绍

4.2 模型训练

4.3 模型评估

5 小结

第六课  问政留言数据采集与舆情数据挖掘：问政留言分类

2023年1月13日

18:30 - 22:00

1 背景与目标

2 数据采集

2.1 单页数据采集

2.2 循环获取网页数据

2.3 数据保存

3 数据处理

3.1 删除重复数据

3.2 文本预处理

3.3 分词和去停用词

3.4 绘制词云图

3.5 word2vec词向量

3.6 构建word2vec词向量

3.7 数据保存

4.1 数据加载器

4.2 词典和词向量获取

4.3 数据格式转化

4.4 LSTM模型

4.5 模型搭建

4.6 训练逻辑

4.7 模型训练

4.8 模型预测

5 小结

2023年1月14日

19:00 - 21:00

Python编程基础

1 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

6.1Python 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

2023年1月06日

18:30 - 22:00

主讲：方海涛

主题内容：随机最优控制与人工智能

2023年1月06日

18:30 - 22:00

1 医疗人工智能行业相关概述

1.1 医疗人工智能基本介绍

1.1.1 医疗人工智能的诞生

1.1.2 医疗人工智能发展阶段

1.1.3 医疗人工智能的构成要素

1.2 医疗人工智能的价值分析

1.2.1 缓解漏诊误诊问题

1.2.2 弥补资源供需缺口

1.2.3 提供健康顾问服务

1.2.4 提升制药效率

1.2.5 提升外科手术精准度

1.3 医疗人工智能产业链分析

2023年1月07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 将数据框存储位Excel文件

1.3 数据框与数据框元素

1.3.1 构架数据框

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

2023年1月08日

18:30 - 22:00

1.1 引言

1.2 基本术语

1.3 假设空间&归纳偏好

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

2023年1月09日

18:30 - 22:00

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

4.1 单个神经元介绍

4.2 经典网络结构介绍

4.3 神经网络工作流程演示

4.4 如何修正网络参数-梯度下降法

4.5 网络工作原理推导

4.6 网络搭建准备

4.7 样本从输入层到隐层传输的Python实现

4.8 网络输出的Python实现

4.9 单样本网络训练的Python实现

4.10 全样本网络训练的Python实现

4.11 网络性能评价

4.12 调用sklearn实现神经网络算法

2023年1月10日

18:30 - 22:00

1 任务：构建一个线性模型

1.1 TensorFlow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：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

2023年1月11日

18:30 - 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

2023年1月12日

18:30 - 22:00

1 背景与挖掘目标

2.1 数据探索

2.2 分词和去停用词

2.3 词序列化和长度对齐

3.1 预训练词向量

3.2 词向量矩阵

4.1 textCNN模型搭建

4.2 模型训练

4.3 模型评估和总结

2023年1月13日

18:30 - 22:00

1 背景与目标

2 数据处理

2.1 图像读取及尺寸调整

2.2 图像增强之翻转操作

2.3 图像增强之旋转缩放

2.4 获取所有照片数据

2.5 批量获取照片数据

2.6 将数据处理过程封装成函数

3 模型构建（AlexNet）

3.1 AlexNet介绍

3.2 搭建第一次卷积结构

3.3 完成AlexNet搭建

3.4 模型训练

4 模型性能评估

4.1 模型性能评估及预测

4.2 小结

2023年1月14日

18:30 - 22:0

1.1 案例背景介绍

1.2 数据介绍及案例目标

2.1 数据预处理步骤

2.2 数据读取

2.3 windowing方法的介绍

2.4 windowing方法的实现

2.5 直方图均衡化

2.6 肿瘤部位的提取

2.7 保存数据

2.8 对所有病人数据做处理

3.1 定义图片生成器

3.2 图片增强实现

3.3 图片归一化

4.1 模型原理

4.2 模型搭建

4.3 模型编译

4.4 模型训练

5 模型评估与优化

2023年1月15日

19:00 - 21:00