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
航天信息 Java EE 5
中科院研 J2EE高级开发
赛迪时代 “J2EE设计模式
福富软件 J2EE设计模式和
上海盛趣 J2EE架构设计
信城通 J2EE体系架构设
北大方正 Java中级&J2

相关课程  
Struts+Spring+Hibernate
基于J2EE的Web 2.0应用开发
J2EE设计模式和性能调优
Java EE 5企业级架构设计
Java单元测试方法与技术
Java编程方法与技术
 

全部课程 >开发技能  
Python+数据分析+tensorflow
3871 次浏览  53 次
Thomas
人工智能,大数据的顶级专家,专家讲师。
 
时间地点:线上 上海 北京 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,将结合实例讲解,并配有上机演练。

    培训目标:
    • 学习Python语言的编程基础
    • 学习Python的数据分析工具与方法
    • 学习Tensorflow的机器学习应用
    培训对象:开发工程师、算法工程师,数据分析人员、对Python数据分析与机器学员感兴趣的人员
    学员基础:具有Python编程基础知识
    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

    第一部分:Python数据分析应用

    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 语言快速入门  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 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】
    4. Pandas 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 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】

    第2部分:深度学习与Tensorflow框架

    深度学习基本原理 1、深度学习简介
    2、深度学习成功应用
    3、深度学习与神经网络的对比
    4、深度学习的训练过程
    5、深度学习应用案例

    深度学习模型原理解析 1、神经网络
    • 单层感知器
    • 线形神经网络
    • BP神经网络
    • 手写数字识别
    2、CNN卷积神经网络
    • CNN模型的推导与实现
    • CNN的反向求导及练习
    • >
    • CNN应用:文本分类
    • CNN 常见问题总结
    3、RNN循环神经网络和长短时记忆网络LSTM
    • RNN模型的推导与实现
    • RNN应用
    • LSTM模型的推导与实现
    • LSTM模型的推导与实现
    4、案例实践
    • 图像识别
    • 验证码识别
    • 文本分类
    深度学习框架实践Tensorflow 1、Tensorflow框架介绍
    2、TensorFlow和其他深度学习框架的对比
    3、Tensorflow 特性
    4、Tensorflow 下载及安装
    5、Tensorflow 架构
    6、Tensorflow 基本使用
    7、TensorFlow实现多层感知机
    8、TensorFlow实现卷积神经网络
    9、Tensorflow 实现循环神经网络

     

       
    3871 次浏览  53 次
    其他人还看了课程
    Python+数据分析+tensorflow  3871 次浏览
    代码缺陷的传播机理及预防途径  1294 次浏览
    软件调试案例精华集锦  2558 次浏览
    HTML5 and JavaScript  4964 次浏览
    编程匠艺训练营  2543 次浏览
    单元测试实战训练营  3418 次浏览
    定制内训


    课程计划
    LLM大模型应用与项目构建 12-26[特惠]
    QT应用开发 11-21[线上]
    C++高级编程 11-27[北京]
    业务建模&领域驱动设计 11-15[北京]
    用户研究与用户建模 11-21[北京]
    SysML和EA进行系统设计建模 11-28[北京]