求知 文章 文库 Lib 视频 iPerson 课程 认证 咨询 工具 讲座 Model Center   Code  
会员   
 
 
 
开班计划 | 技术学院 | 管理学院 | 嵌入式学院 | 机械 | 军工学院 | 定向培养 | 专家指导  
 电话 English
成功案例   品质保证
 
成功案例
中航信 数据湖架构原理与应
某医疗磁 数据采集与处理
某科技公 大数据(Hadoo
诺基亚 Python基础
天津电子 Elasticse
中国电信 数据仓库与数据挖掘
某航天科 MySQL性能优化

相关课程  
并发、大容量、高性能数据库
高级数据库架构设计师
Hadoop原理与实践
HBase原理与高级应用
Oracle 数据仓库
数据仓库和数据挖掘
Oracle数据库开发与管理
 
全部课程 >人工智能  
Python、数据分析与机器学习
1655 次浏览  31 次
杨老师
北京大学计算机系硕士毕业(信息系统与数据仓库)
 
时间地点:北京 6月2-3日;上海、 深圳根据报名开班
课程费用:5000元/人
报公开课  
企业内训:可以根据企业需求,定制内训,详见 内训学习手册


认证方式:
培训前了解能力模型。
培训后进行能力评测:
  • 在线考试
  • 能力分析,给出学习建议
  • 合格者颁发证书,作为职业技能资格证明


    大数据时代,越来越多的是数据是宝贵的资源,而Python的便捷性和高效性让很多人都有了直接操作数据进行分析的课程,本课程基于Python讲解如何利用相关的框架进行数据分析和机器学习,实现人工智能的应用,课程将结合实例讲解,并配有上机演练。

    培训目标:

    学习Python的数据分析工具与方法
    1.Python数据分析基础
    • Python数据分析概览
    • Python 语言概览
    • NumPy进行多维数据处理
    2.Python数据分析进阶
    • Pandas与数据处理于分析
    • Pandas 数据加载和存储
    • Pandas 数据预处理
    • Pandas 数据聚合与分组运 算
    • 绘图与可视化
    • 时间序列
    3.Python机器学习实战
    • 机器学习框架Scikit-learn
    • 机器学习案例实战练习
    培训对象:开发工程师、算法工程师,数据分析人员、对Python数据分析与机器学习感兴趣的人员
    学员基础:了解人工智能基本概念或者有一定编程基础
    授课方式:定制课程 + 案例讲解 + 小组讨论,60%案例讲解,40%实践演练

    培训内容:2天

    Python数据分析基础
    1.Python数据分析概览 1.1 为什么使用 Python
    1.2 重要的 Python 库
  • NumPy
  • Pandas
  • SciPy
  • Matplotlib
  • 1.3 IPython和Jupyter Notebook
    1.4 Python IDE 的安装和使用
    2. Python 语言概览 2.1 Python 解释器
    2.2 语言设计特点
    2.3 对象的调用和属性
    2.4 import 引入
    2.5 数据类型
    2.6 控制流
    2.7 数据结构和序列
    2.8 函数
    2.9 文件和操作系统 2.10 面向对象
    2.11 异常
    2.12 案例与演示
    3. NumPy进行多维数据处理 3.1 ndarray 多维数组对象处理与运算
    3.2 元素级数组函数
    3.3 利用数组进行数据处理
    3.4 利用数组进行输入和输出
    3.5 线性代数
    3.6 随机数生成
    3.7 【案例与演示】
    Python数据分析进阶
    4. Pandas与数据处理于分析 4.1 Pandas 数据结构介绍
    4.2 基本功能
    4.3 汇总和计算描述统计
    4.4 处理缺失数据
    4.5 【案例与演示】
    5 Pandas 数据加载和存储 5.1 读写结构化数据
    5.2 读写非结构化数据
    5.3 使用 HTML 和 Web API
    5.4 使用数据库
    5.5 【案例与演示】
    6. Pandas 数据预处理 6.1 合并数据集(以 merge 和 append 为主)
    6.2 重塑和轴向旋转
    6.3 数据清洗
    6.4 字符串操作
    6.5 【案例与演示】
    7. Pandas 数据聚合与分组运 算 7.1 GroupBy 技术
    7.2 数据聚合
    7.3 分组运算和转换
    7.4 透视表和交叉表
    7.5 【案例与演示】
    8. 绘图与可视化 8.1 Matplotlib 基本操作
    8.2 Pandas 中的绘图函数
    8.3 【案例与演示】
    9. 时间序列析 9.1 日期和时间数据类型及工具
    9.2 时间数据处理
    9.3 时期及其算术运算
    9.4 时间序列绘图
    9.5 【案例与演示】
    Python机器学习实战
    10. 机器学习框架Scikit-learn 10.1 人工智能基本概念
    10.2 机器学习基础概念
    10.3 机器学习框架Scikit-learn原理
  • 特征抽取
  • 数据预处理
  • 训练算法
  • 使用算法
  • 10.4 机器学习算法
  • 分类:逻辑回归,决策树,集成学习 贝叶斯,神经网络,支持向量机
  • 回归:线性回归
  • 聚类:kmeans,dbscan
  • 10.5 【案例与演示】
    11.机器学习案例实战练习 案例介绍
    算法分析
    程序设计与实现
    效果分析
       
    1655 次浏览  31 次
    其他人还看了课程
    人工智能概况和前沿展望  2578 次浏览
    TensorFlow 架构和应用  3593 次浏览
    AI工程师  2926 次浏览
    人工智能与安全  149 次浏览
    深度学习模型 & Tensorflow框架实践  5054 次浏览
    人工智能与机器学习应用实战  2406 次浏览
    定制内训
    最新活动计划
    MBSE(基于模型的系统工程)6-20[北京]
    大模型微调原理与实操 6-20[厦门]
    基于模型的数据治理与中台 6-25[北京]
    DoDAF规范、模型与实例 6-24[北京]
    UAF架构体系与实践 7-4[北京]
    Linux内核编程及设备驱动 7-25[北京]