Python大数据综合应用 ：零基础入门机器学习、深度学习算法原理与案例

专题模块

内容设置

代码与案例实践

第1讲：Python机器学习与TensorFlow

解释器Python2.7/3.6与IDE：Anaconda/Pycharm

列表/元组/字典/类/文件

numpy/scipy/matplotlib/panda的介绍和典型使用

scikit-learn的介绍和典型使用

TensorFlow典型应用

典型图像处理

多种数学曲线、多项式拟合

快速傅里叶变换FFT、奇异值分解SVD

Soble/Prewitt/Laplacian与卷积网络

卷积与(指数)移动平均线

股票数据分析

缺失数据的处理

环境数据异常检测和分析

第2讲：多元线性回归与Logistic回归

线性回归

Logistic/Softmax回归

广义线性回归

L1/L2正则化

Ridge与LASSO

Elastic Net

梯度下降算法：BGD与SGD

特征选择与过拟合

Softmax回归的概念源头

最大熵模型

K-L散度

股票数据的特征提取和应用

泰坦尼克号乘客缺失数据处理和存活率预测

环境检测数据异常分析和预测

模糊数据查询和数据校正方法

PCA与鸢尾花数据分类

二手车数据特征选择与算法模型比较

广告投入与销售额回归分析

鸢尾花数据集的分类

TensorFlow实现线性回归

TensorFlow实现Logistic回归

第3讲：决策树和随机森林

熵、联合熵、条件熵、KL散度、互信息

最大似然估计与最大熵模型

ID3、C4.5、CART详解

决策树的正则化

预剪枝和后剪枝、Bagging

随机森林

不平衡数据集的处理

利用随机森林做特征选择

使用随机森林计算样本相似度

异常值检测

随机森林与特征选择

决策树应用于回归

多标记的决策树回归

决策树和随机森林的可视化

葡萄酒数据集的决策树/随机森林分类

泰坦尼克乘客存活率估计

第4讲：SVM

线性可分支持向量机

软间隔

损失函数的理解

核函数的原理和选择

SMO算法

支持向量回归SVR

多分类SVM

原始数据和特征提取

调用开源库函数完成SVM

葡萄酒数据分类

数字图像的手写体识别

MNIST手写体识别

SVR用于时间序列曲线预测

SVM、Logistic回归、随机森林三者的横向比较

第5讲：卷积神经网络CNN

神经网络结构，滤波器，卷积

池化，激活函数，反向传播

目标分类与识别、目标检测与追踪

经典AlexNet、VGGNet、GoogleLeNet

ResNet、Inception-V3/V4

搭建自己的卷积神经网络

数字图像识别、人证合一验证

基本OCR系统

基于CNN的图像识别框架

卷积神经网络调参经验分享

第6讲：图像视频的定位与识别

卷积深度与卷积核关系

视频关键帧处理

物体检测与定位

RCNN，Fast-RCNN，

Faster-RCNN

MaskRCNN、YOLO、FaceNet

迁移学习与人脸检测

OCR字体定位和识别

睿客识云、气象识别

第七讲：循环神经网络RNN

RNN基本原理

LSTM、GRU、Attention

编码器与解码器结构

特征提取：word2vec

Seq2seq模型

机器翻译、文本摘要、阅读理解问答系统

图片标注与图片问答

HMM分词、文本摘要的生成

智能对话系统和SeqSeq模型

阅读理解的实现与Attention

第八讲：生成对抗网络GAN与强化学习RL

生成与判别

贝叶斯、HMM到深度生成模型

GAN对抗生成神经网络

DCGAN/Conditional GAN

InfoGan/ Wasserstein GAN

马尔科夫决策过程

贝尔曼方程、最优策略

策略迭代、值迭代

Q Learning、SarsaLamda、DQN/A3C/ELF

图片生成、看图说话

对抗生成神经网络调参经验

飞翔的小鸟游戏

基于增强学习的游戏学习

DQN的实现

第一天

第1讲：Python数据科学环境搭建

1. Anaconda套件

2. Python开发IDE介绍

3. 数据科学相关库简介

4. Jupyter notebook基本使用

5. Markdown基础语法

第2讲：Python编程基础

1.  基础数据结构--列表

2.  基础数据结构--字符串

3.  基础数据结构—字典

4.  Python基础语法-控制流

5.  Python基础语法-函数

6.  Python异常处理

第3讲：文件组织与处理

1. 文件读写

2. 文件组织

3. 处理Excel电子表格

4. 处理PDF和Word文档

5. 处理CSV和JSON数据

第4讲：图像组织与处理

1.  Pillow库简介

2.  处理Image数据类型

3.  图像剪裁

4.  图像旋转和翻转

5.  图像绘制

第二天

第5讲：Python编程进阶

1.  Python基础-类

2.  Python基础-模块

3.  迭代器与生成器

4.  Python标准库介绍

5.  案例：利用Python解决八皇后问题

第6讲：Python与数据库

1. Python的数据库支持

2. Python与SQLite

3. Python与MySQL

4. Python与NoSQL

5. 案例：构建简单的Python数据库应用

第7讲：Python文本处理

1.  Python的字符串操作

2.  Python与正则表达式

3.  自然语言处理包NLTK

4.  文本语料与词汇资源

5.  中文分词介绍（jieba）

6.  文本挖掘预处理技术

第三天

第8讲：Python网络爬虫

1.  网络爬虫技术基础

2.  基础Python爬虫库（urllib/Requests）

3.  “漂亮”的爬虫库-Beautiful  Soup

4.  静态网页爬取案例分享

5.  Ajax和DHTML网站爬取

第9讲：Python数据分析

1. 利用Python进行数据操作

2. 数值计算- numpy基础

3. 基础绘图与可视化- matplotlib

4. 数据分析库-pandas

5. 案例：美国儿童的姓名趋势探索分析

第10讲：Python数据可视化

1.  数据可视化简介

2.  Python可视化进阶Seaborn

3.  Python交互式可视化-Bokeh

4.  互动性图表的另一选择-Plotly

5.  词云介绍

第四天

（选修）

第11讲：Python统计分析

1.  科学计算库scipy简介

2.  统计分析库StatsModels简介

3.  概率与分布

4.  参数估计和假设检验

5.  统计模型与回归分析

6.  多元统计分析

第12讲：Python机器学习

1.  机器学习简介与基本流程

2.  常用机器学习算法介绍

3.  机器学习中的预处理技术

4.  特征工程

5.  模型评估与改进

6.  案例：某银行贷款违约风险预测

7.  案例：泰坦尼克号沉船幸存者预测

第13讲：高性能Python与大数据处理

1.  Python大数据处理技巧

2.  Cython与numpy

3.  PyPy简介

4.  分布式计算与Python

5.  利用PySpark处理大数据

单位名称

发票抬头

发票税号

选修模块

□1、机器学习与深度学习（杭州班）  

□2、python大数据综合应用（上海班）

发票内容

□1、培训费          □2、会议费         □3、会 务  费

缴款方式

□1、现  金          □2、刷  卡         □3、对公转账  

参会人数：_    ___      人

参会费用： _      ____元

参会

人员

名单

姓 名

职 务

手 机

电 子 邮 箱

住宿安排

□1、住          □2、不住         □3、待定

住宿标准

□1、双人标间    □2、单间         □3、待定

对本课程的意见及建议

其它感兴趣的课程