2024年第一期_全国高校大数据与人工智能师资研修班通知

时间：2024年1月16日 - 1月26日

学时：共计88学时

证书：高级人工智能应用工程师职业技术证书

费用：2480元/人

学习环境要求：Windows10或以上操作系统（64位），8G+内存

1、Python编程基础

2、Python数据分析与应用

3、Python机器学习实战

4、PyTorch框架基础实战

5、PyTorch深度学习原理与实现

6、大模型原理与实现

7、特别内容：

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

1 新冠疫情期间网民情绪识别

2 基于大模型的金融问句语义相似度计算

3 基于Transformer的中英机器翻译

时间：2024年1月16日 - 1月25日

学时：共计80学时

证书：高级Python应用工程师职业技术证书

费用：1980元/人

学习环境要求：Windows10或以上操作系统（64位），8G+内存

1、Python编程基础

2、Python数据分析与应用

3、Pandas数据分析基础

4、Python网络爬虫实战

5、特别内容：

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

1 泰迪内推平台招聘信息采集与分析

2 农产品信息采集与分析

3 微博疫情评论数据采集

4 网站图像素材采集实战（拓展）

时间：2024年1月16日 - 1月25日

学时：共计80学时

证书：高级机器学习工程师职业技术证书

费用：1980元/人

学习环境要求：Windows10或以上操作系统（64位），8G+内存

1 Python编程基础

2 Python数据分析与应用

3 Pandas数据分析基础

4 Python机器学习实战

5 Python特征工程实战（拓展）

6 特别内容：

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

1 运营商用户流失预测

2 网络入侵用户自动识别

3 天猫用户重复购买预测

4 泰迪内推平台信息精准推荐应用

时间：2024年1月16日 - 1月25日

学时：共计80学时

证书：高级大数据技术应用职业技术证书

费用：2980元

学习环境要求：Windows10或以上操作系统（64位），8G+内存，不可使用Mac和linux系统

1 Linux操作系统基础

2 Java编程基础

3 Scala编程基础

4 Hadoop大数据基础

5 Hive大数据仓库

6 Spark大数据技术基础

7 HBase非关系型数据库（拓展）

8 Flume数据采集（拓展）

9 Kafka消息系统（拓展）

10 Flink大数据实时处理（拓展）

11 特别内容：

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

1 美国房价数据统计分析

2 广电大数据用户画像（Hadoop+Spark+...+Hive）

3 大数据分布式消息Zookeeper（拓展）

4 商品实时推荐系统（拓展）

时间：2024年1月16日 - 1月25日

学时：共计80学时

证书：高级大数据分析师职业技术证书

费用：1980元/人

学习环境要求：Windows10或以上操作系统（64位），不可使用Mac和linux系统

1 Excel数据分析基础与实战

2 Power BI数据分析与可视化

3 Python编程基础（拓展）

4 特别内容：

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

1 新零售智能销售数据分析

2 餐饮企业综合分析

3 财务分析在纳税评估中的应用

4 学生校园卡消费行为分析

时间：2024年1月16日 - 1月26日

学时：共计88学时

证书：高级大数据分析师职业技术证书

费用：1980元/人

学习环境要求：Windows10或以上操作系统（64位），8G+内存

1 Python编程基础

2 Python数据分析与应用

3 Python机器学习实战

4 商务数据分析概述

5 特别内容：

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

1 牛刀小试-T公司运营数据分析与业务决策

2 回归分析-某市财政收入预测

3 聚类分析-对某航空公司客户分群

4 分类分析-运营商用户流失判别

5 关联规则-购物篮商品推荐

6 协同过滤-新闻网站用户个性化推荐

时间：2024年1月16日 - 1月26日

学时：共计88学时

证书：高级人工智能应用工程师职业技术证书

费用：2480元/人

学习环境要求：Windows10或以上操作系统（64位），8G+内存

1 Python编程基础

2 Python数据分析与应用

3 Python机器学习实战

4 PyTorch框架基础实战

5 PyTorch深度学习原理与实现

6 计算机视觉实战

7 特别内容：

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

1 脑PET图像分析和疾病预测

2 基于FaceNet的人脸智能识别

3 基于YOLOX的农田害虫图像检测与识别

学时：共计88学时

证书：高级人工智能应用工程师职业技术证书

费用：2480元/人

学习环境要求：Windows10或以上操作系统（64位），8G+内存

1 Python编程基础

2 Python数据分析与应用

3 Python机器学习实战

4 PyTorch框架基础实战

5 PyTorch深度学习原理与实现

6 计算机视觉实战

7 特别内容：

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

1 基于textCNN的公众健康问句分类

2 新冠疫情期间网民情绪识别

3 推荐系统受众性别智能识别

学时：共计88学时

证书：高级大数据分析师职业技术证书

费用：1980元/人

学习环境要求：Windows10或以上操作系统（64位），8G+内存

1 Python编程基础

2 Python数据分析与应用

3 网络舆情与情感分析概述

4 Python机器学习实战

5 Python网络爬虫实战

6 Python文本挖掘实战

7 特别内容：

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

1 微博疫情评论数据爬虫

2 基于情感分析的疫情期间网民情绪识别

3 网络问政平台数据爬虫

4 智慧政务下的问政舆情分析

学时：共计80学时

证书：高级人工智能应用工程师职业技术证书

费用：1980元/人

学习环境要求：Windows10或以上操作系统（64位），8G+内存

1 Python编程基础

2 Python数据分析与应用

3 Python机器学习实战

4 TensorFlow2框架基础实践

5 TensorFlow2深度学习原理与实现

6 特别内容：

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

1 脑PET图像分析与疾病预测

2 基于textCNN的公众健康问句分类

3 基于FaceNet的人脸智能识别

学时：共计80学时

证书：高级大数据分析师职业技术证书

费用：1980元/人

学习环境要求：Windows10或以上操作系统（64位），8G+内存

1 Python编程基础

2 Python数据分析与应用

3 Python数据分析基础

4 Python数据分析实训

5 Python机器学习实战

6 特别内容：

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

1 上市公司综合评价

2 信用卡高风险客户分析

3 金融客户产品购买预测

专题选择

(线上/线下)

是否住宿

(单间/标间)

费用

支付方式

联系人：曾老师   电话：13246821827        微信：antonia602501

时间：报名成功后即可开始学习

Python编程基础

1 认识Python

2 编写Python程序

3 认识Python数据结构

4 条件判断及分支语句

5 使用def定义函数

6 认识面向对象

7 读取文件数据

8 模块和第三方库

Python数据分析与应用

1 Python数据分析概述

2 NumPy数值计算基础

3 Matplotlib数据可视化基础

4 Pandas数据分析基础

时间：1月14日 (09:00 - 18:00)

专题讲座

计算机视觉技术及其应用

Python网络爬虫实战

1 Python爬虫环境与爬虫简介

1.1 认识爬虫

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

2.2 认识HTTP

3 简单静态网页爬取

3.1 认识静态网页

3.2 实现HTTP请求

3.3 解析网页

3.4 存储数据

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

4.3 使用Selenium爬取动态网页

拓展

5. 模拟登录

6. Scrapy爬虫

7. 拓展：终端协议及爬虫工具介绍

时间：1月15日 (09:00 - 18:00)

Python机器学习实战  

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 性能你度量Python实现

3. 回归分析

3.1 线性回归基本形式

3.2 象形回归模型算法实现

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

时间：1月16日 (09:00 - 18:00)

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 样本从输入层导隐层传输的Python实现

5.8 网络书出的Python实现

5.9 单样本网络训练实现

5.10 全样本网络训练实现

5.11 网络性能评介

5.12 sklearn实现神经网络

拓展

6. 支持向量机

7. 聚类

8. 继承学习

拓展内容

特征工程

1. 特征工程介绍

2. 数据预处理

3. 特征构建

4. 特征选择

5. 降噪与特征转换

6. 特征学习
   

农产品信息采集与分析

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 获取但也表格

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量分析

3.4 水稻品种类型数量分析

3.5 主要水稻类型的数量分析

3.6 水稻母本分析

3.7 主要审定公司分析

4. 总结

特别内容

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

时间：1月18日 (08:30 - 17:00)

核心技能串讲与巩固

1 Python爬虫环境与爬虫简介

2 网页前端基础

3 简单静态网页爬取

泰迪内推平台招聘信息采集与分析

1 背景与目标

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

时间：1月19日 (08:30 - 17:00)

核心技能串讲与巩固

1. 机器学习绪论

2. 机器学习模型构建

3. 模型评估与选择

4. 集成学习

天猫用户重复购买预测

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 用户相关特征

3.4 商家相关特征

3.5 用户和商家相关特征

3.6 离散型特征处理

4.1 建模前的数据处理

4.2 模型构建技巧

4.3 模型构建

4.4 网格搜索

4.5 模型训练和评估

4.6 模型优化

4.7 模型应用

5 小结

时间：1月20日 (08:30 - 17:00)

某外卖平台优惠券使用预测：从理论到实践

1. 背景与目标

2. 数据探索

3. 构建样本标签

4. 特征构建

5. 模型构建

6. 模型性能评估

7. 模型预测

8. 结果提交
   

时间：1月21日 (09:00 - 17:00)

1 职业技术考试

2 企业参观

跳转至线下班课程安排

时间：报名成功后即可开始学习

Linux操作系统基础

1 Linux概述

2 Linux系统安装

3 Linux基本命令

4 Linux Vi编辑器

5 Linux Shell编辑

Java编程基础

1 基础知识

2 面向对象

3 线程及异常处理

Scala编程基础

1 Scala简介

2 Scala安装配置

3 Scala基础语法

4 函数

5 面向对象编程

6 文件读写

时间：1月16日 (09:00 - 18:00 )

专题讲座

计算机视觉技术及其应用

Hadoop大数据基础

1 Hadoop简介

1.1 认识大数据

1.2 Hadoop核心组件

1.3 Hadoop生态环境

2 Hadoop集群的安装配置

2.1 安装虚拟机

2.2 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

2.6 安装Java

2.7 Hadoop集群架构

2.8 Hadoop集群安装与配置

2.9 Hadoop集群启动与监控界面介绍

时间：1月17日 (09:00 - 18:00 )

3 Hadoop基本操作

3.1 Hadoop安全模式

3.2 Hadoop集群基本信息介绍

3.3 HDFS常用Shell操作

3.4 MapReduce常用Shell操作

3.5 MapReduce任务管理

3.6 MapReduce资源管理与任务调度

4 MapReduce开发入门

4.1 MapReduce思想与设计构思

4.2 MapReduce开发环境搭建

4.3 MapReduce WordCount源码分析

4.4 MapReduce API分析

4.5 MapReduce统计每天访问次数

4.6 MapReduce按用户访问次数排序

拓展

5 MapReduce编程进阶

时间：1月18日 (09:00 - 18:00 )

Hive大数据仓库

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

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

拓展

4 Hive开发

5 Hive自定义函数

6 Hive查询优化

时间：1月19日 (09:00 - 18:00 )

Spark大数据技术应用

1 Spark入门

1.1 Spark入门

2 Spark集群的安装配置

2.1 Spark安装部署

2.2 Spark安装部署实战

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

4.1 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

时间：1月20日 (09:00 - 18:00 )

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操作1

6.9 常见的DataFrame操作2

6.10 常见的DataFrame操作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 统计商品销量

拓展内容

1 HBase非关系型数据库

2 Zookeeper大数据分布式消息

3 Flume数据采集

4 Kafka消息系统

5 Flink大数据实时处理

6 商品实时推荐系统（Flume+Kafka+Flink）

特别内容

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

时间：1月22日 (08:30) - 1.24(11:30 )

核心技能串讲与巩固

1 Hadoop大数据基础

2 Hive大数据仓库

3 HBase非关系型数据库

4 Spark大数据技术应用

时间：1月24日 (14:00 - 17:00 )

航空客户价值分析

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 构建航空客户价值分析关键特征

5 航空客户分群

6 会员营销策略与建议

时间：1月25日 (08:30 - 17:00 )

广电大数据用户画像

1 项目背景与目标分析

1.1 背景介绍

1.2 目标分析

1.3 系统架构介绍

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

4 用户画像标签计算

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介绍

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

时间：1月26日 (09:00 - 17:00 )

1 职业技术考试

2 企业参观

跳转至线下班课程安排

时间：报名成功后即可开始学习

Python编程基础

1 认识Python

2 编写Python程序

3 认识Python数据结构

4 条件判断及分支语句

5 使用def定义函数

6 认识面向对象

7 读取文件数据

8 模块和第三方库

Python数据分析与应用

1 Python数据分析概述

2 NumPy数值计算基础

3 Matplotlib数据可视化基础

4 Pandas统计分析基础

5 使用Pandas进行数据预处理

时间：1月16日 (09:00 - 18:00)

专题讲座

计算机视觉技术及其应用

Python机器学习实战

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

4.  人工神经网络

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

时间：1月17日 (09:00 - 18:00)

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

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

6.1 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

时间：1月18日 (09:00 - 18:00)

PyTorch框架基础实践

1 PyTorch简介

2 张量操作

2.1 创建张量

2.2 张量与数组相互转化

3 构建一个线性模型

3.1 任务描述：构建一个线性模型

3.2 读取数据

3.3 构建初始模型及损失函数

3.4 test-构建优化器

3.5 构建优化器

3.6 最小化方差(训练)

3.7 执行多轮训练

3.8 训练过程可视化

4 识别手写数字

4.1 案例目标流程

4.2 加载数据

4.3 加工数据

4.4 模型结构介绍

4.5 构建模型

4.6 模型配置

4.7 模型训练

4.8 执行多轮训练

4.9 模型性能评估

4.10 保存模型

4.11 加载模型

4.12 模型应用

时间：1月19日 (09:00 - 18:00)

PyTorch深度学习原理与实现

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 将卷积结果可视化

2.8 实现池化操作

时间：1月20日 (09:00 - 18:00)

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 实现LSTM操作

4.4 LSTM返回值解读

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

5.6 模型性能验证

时间：1月21日 (09:00 - 18:00)

大模型原理与实现

1. 基础模型（大模型）简介

2. 万模基座Transformer

   
   

时间：1月22日 (09:00 - 18:00)

3. 生成式预训练模型GPT

4. 双向编码模型BERT

5. Transformer应用

特别内容

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

时间：1月23日 (09:00 - 18:00)

新冠疫情期间网民情绪识别

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 模型训练与性能验证

3.1 Embedding层介绍

3.2 定义Embedding层算子

3.3 定义LSTM层算子

3.4 定义全连接层算子

3.5 定义网络计算流程

3.6 模型构建及配置

3.7 模型训练

3.8 模型性能评估

4 小结

时间：1月24日 (09:00 - 18:00)

基于Transformer的疫情问诊系统自动翻译实现

1.1 机器翻译发展历程

1.2 任务目标及实现流程

2.1 数据加载

2.2 数据拆分

2.3 预训练模型介绍

2.4 Tokenizer介绍

2.5 Tokennizer调用实现

3 预训练模型加载

时间：1月25日 (09:00 - 18:00)

4.1 定义模型训练参数

4.2 定义数据收集器

4.3.1 BLEU值概念与计算

4.3.2 定义BLEU值

4.4 模型训练

5.1 模型推理

5.2 小结

拓展内容

基于大模型的金融问句语义相似度计算

1 案例背景及挖掘目标

2 语义文本相似度

3.1 预处理：文件加载

3.2 预处理：错别字纠正

3.3 预处理：数据类型转化与长度统计

3.4 预处理：数据准备

3.5 加载预训练模型

3.6 定义损失函数

3.7 模型训练

3.8 模型预测

3.9 模型评估

4  小结

时间：1月26日 (16:00 - 18:00)

职业技能等级考试

跳转至线上班课程安排

时间：报名成功后即可开始学习

Python编程基础

1 认识Python

2 编写Python程序

3 认识Python数据结构

4 条件判断及分支语句

5 使用def定义函数

6 认识面向对象

7 读取文件数据

8 模块和第三方库

Python数据分析与应用

1 Python数据分析概述

2 NumPy数值计算基础

时间：1月16日 (09:00 - 18:00)

专题讲座

计算机视觉技术及其应用

Pandas数据分析基础

1.1 掌握绘图基础语法与常用参数

1.2 分析特征间关系

1.3 分析特征内部数据分布与分散情况

时间：1月17日 (09:00 - 18:00)

2 Pandas统计分析基础

2.1 Pandas简介

2.2 读写不同数据源的数据

2.3 数据框与数据框元素

2.4 转换与处理时间序列数据

2.5 使用分组聚合进行组内计算

2.6 创建透视表与交叉表

时间：1月18日 (09:00 - 18:00)

3 使用Pandas进行数据与预处理

3.1 合并数据

3.2 清洗数据

3.3 标准化数据

3.4 转换数据

时间：1月19日 (09:00 - 18:00)

Python网络爬虫实战

1 Python爬虫环境与爬虫简介

1.1 认识爬虫

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

2.2 认识HTTP

3 简单静态网页爬取

3.1 认识静态网页

3.2 实现HTTP请求

3.3 解析网页

3.4 存储数据

时间：1月20日 (09:00 - 18:00)

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

4.3 使用Selenium库爬取动态网页

时间：1月21日 (09:00 - 18:00)

5 模拟登录

5.1 使用表单登录方法实现模拟登录

5.2 使用Cookie登录方法实现模拟登录

5.3 使用Selenium模拟登录

拓展

6 Scrapy爬虫

6.1 认识Scrapy

6.2 通过Scrapy爬取基本页面信息

6.3 通过Scrapy抓取跳转页面数据

7 拓展：终端协议及爬取工具介绍

拓展内容

网站图像素材采集实战

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

特别内容

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

时间：1月22日 (09:00 - 18:00)

泰迪内推平台招聘信息采集与分析

1 背景与目标

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

时间：1月23日 (09:00 - 18:00)

农产品信息采集与分析

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

时间：1月24日 (09:00 - 18:00)

微博疫情评论数据采集

1 背景与目标

2.1 评论结构分析

2.2 数据接口分析

3.1.1 微博页面接口分析

3.1.2 微博ID获取

3.1.3 微博接口请求

3.1.4 长文本获取

3.1.5 单页微博获取

3.1.6 单页微博获取函数

3.2.1 评论数据接口分析

3.2.2 单页评论获取

3.3 评论回复数据爬取

3.4 单页微博及评论数据爬取

3.5 多线程爬虫

4 小结

时间：1月25日 (16:00 - 18:00)

职业技术考试

跳转至线上班课程安排

时间：报名成功后即可开始学习

Python编程基础

1 认识Python

2 编写Python程序

3 认识Python数据结构

4 条件判断及分支语句

5 使用def定义函数

6 认识面向对象

7 读取文件数据

8 模块和第三方库

Python数据分析与应用

1 Python数据分析概述

2 NumPy数值计算基础

3 Matplotlib数据可视化基础

时间：1月16日 (09:00 - 18:00)

专题讲座

计算机视觉技术及其应用

Pandas数据分析基础

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

1.3 数据框与数据框元素

1.4 转换与处理时间序列数据

1.5 使用分组聚合进行组内计算

1.6 创建透视表与交叉表

时间：1月17日 (09:00 - 18:00)

2 使用Pandas进行数据与预处理

2.1 合并数据

2.2 清洗数据

2.3 标准化数据

2.4 转换数据

时间：1月18日 (09:00 - 18:00)

Python机器学习实战

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 从女士相亲到决策树

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

时间：1月19日 (09:00 - 18:00)

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

时间：1月20日 (09:00 - 18:00)

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 聚类算法

7.1 聚类分析概述

7.2 相似性度量

7.3 K-Means聚类分析算法介绍

7.4 利用K-Means算法对鸢尾花进行聚类

7.5 聚类结果的性能度量

7.6 调用sklearn实现聚类分析

拓展

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

拓展内容

特征工程

1、特征工程介绍

2、数据预处理

3、特征构建

4、特征选择

5、降噪与特征转换

6、特征学习

特别内容

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

时间：1月21日 (09:00 - 18:00)

运营商用户流失预测

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

时间：1月22日 (09:00 - 18:00)

网络入侵用户自动识别

1 背景与目标

2 数据处理

2.1 读取数据

2.2 了解数据基本情况

2.3 哑变量处理

2.4 拼接特征并删除无关列

2.5 标签转化及预处理函数封装

3 模型训练与验证

3.1 认识集成学习算法

3.2 模型训练与性能验证

3.3 保存模型训练集数据结构

4 模型应用与评估

4.1 加载并处理待预测样本

4.2 模型应用及性能评估

时间：1月23日 (09:00 - 18:00)

天猫用户重复购买预测

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 用户相关特征

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：用户最近一次购买离第一次时长

3.4 商家相关特征

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 用户和商家相关特征

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

时间：1月24日 (09:00 - 18:00)

泰迪内推平台信息精准推荐应用

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工具登录简介

3.2 创建空白工程

3.3 导入数据

3.4 筛选郑文数据

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

时间：1月25日 (16:00 - 18:00)

职业技术考试

跳转至线上班课程安排

时间：报名成功后即可开始学习

Linux操作系统基础

1 Linux概述

2 Linux基本命令

3 Linux Vi编辑器

Java编程基础

1 基础知识

2 面向对象

3 线程及异常处理

Scala编程基础

1 Scala简介

2 Scala安装配置

3 Scala基础语法

4 函数

5 面向对象编程

6 文件读写

时间：1月16日 (09:00 - 18:00 )

专题讲座

计算机视觉技术及其应用

Hadoop大数据基础

1 Hadoop简介

1.1 认识大数据

1.2 Hadoop核心组件

1.3 Hadoop生态环境

2 Hadoop集群的安装配置

2.1 安装虚拟机

2.2 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

2.6 安装Java

2.7 Hadoop集群架构

2.8 Hadoop集群安装与配置

2.9 Hadoop集群启动与监控界面介绍

时间：1月17日 (09:00 - 18:00 )

3 Hadoop基本操作

3.1 Hadoop安全模式

3.2 Hadoop集群基本信息介绍

3.3 HDFS常用Shell操作

3.4 MapReduce常用Shell操作

3.5 MapReduce任务管理

3.6 MapReduce资源管理与任务调度

4 MapReduce开发入门

4.1 MapReduce思想与设计构思

4.2 MapReduce开发环境搭建

4.3 MapReduce WordCount源码分析

4.4 MapReduce API分析

4.5 MapReduce统计每天访问次数

4.6 MapReduce按用户访问次数排序

拓展

5 MapReduce编程进阶

时间：1月18日 (09:00 - 18:00 )

Hive大数据仓库

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

时间：1月19日 (09:00 - 18:00)

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

拓展

4 Hive开发

5 Hive自定义函数

6 Hive查询优化

时间：1月20日 (09:00 - 18:00 )

Spark大数据技术应用

1 Spark入门

1.1 Spark入门

2 Spark集群的安装配置

2.1 Spark安装部署

2.2 Spark安装部署实战

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

4.1 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

时间：1月21日 (09:00 - 18:00 )

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操作1

6.9 常见的DataFrame操作2

6.10 常见的DataFrame操作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 统计商品销量

拓展内容

1 HBase非关系型数据库

2 Zookeeper大数据分布式消息

3 Flume数据采集

4 Kafka消息系统

5 Flink大数据实时处理

6 商品实时推荐系统（Flume+Kafka+Flink）

特别内容

(1) ChatGPT教学应用

(2) 金牌助手ChatGPT，让应用开发更高校

(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想

时间：1月22日(09:00 - 18:00)

航空客户价值分析

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 构建航空客户价值分析关键特征

5 航空客户分群

6 会员营销策略与建议

时间：1月23日(09:00 - 18:00)

广电大数据用户画像

1 项目背景与目标分析

1.1 背景介绍

1.2 目标分析

1.3 系统架构介绍

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

时间：1月24日(09:00 - 18:00)

4 用户画像标签计算

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

时间：1月25日(16:00 - 18:00)

职业技术考试

跳转至线上班课程安排