课程专题一：Python数据分析与机器学习实战研班

培训时间：2020年8月1日-8日

第一阶段 前置课程 学员在正式培训前自学完成

时间

课程内容

学习平台

正式培训前

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

5Python文件读取操作

5.1Python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

7.1Python方法与函数对比介绍

7.2Python面向对象示例

7.3Python模块使用

7.4第三方库的安装与调用

8注意事项

8.1Python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

泰迪云课堂

第二阶段 正式培训

培训时间

8月1日--8日

时间

课程内容

学习平台

第一课 Python数据分析与应用

8月1日

19:00-21:30

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Python3的Anaconda发行版

1.4掌握Jupyter Notebook常用功能

2 NumPy数值计算基础

2.1认识NumPy数组对象ndarray

2.2认识NumPy矩阵与通用函数

2.3利用NumPy进行统计分析

3 Matplotlib数据可视化基础

3.1了解绘图基础语法与常用参数

3.2分析特征间的关系

3.3分析特征内部数据分布与分散状况

4 Pandas统计分析基础

4.1读写不同数据源的数据

4.2掌握DataFrame的常用操作

4.3转换与处理时间序列数据

4.4使用分组聚合进行组内计算

4.5创建透视表与交叉表

5 使用Pandas进行数据预处理

5.1合并数据

5.2清洗数据

5.3标准化数据

5.4转换数据

6使用scikit-learn构建模型

6.1使用sklearn转换器处理数据

6.2构建并评价聚类模型

6.3构建并评价分类模型

6.4构建并评价回归模型

泰迪云课堂

第一课作业

个人PC

在线答疑

微信群

第二课 Python数据分析实训

8月2日

19:00-21:30

1探索Iris鸢尾花数据

1.1 将数据集存成变量iris创建数据框的列名称['sepal_length', 'sepal_width', 'petal_length', 'petal_width', 'class']

1.2数据框中有缺失值吗？

1.3将列petal_length的第10到19行设置为缺失值。

1.4将petal_lengt缺失值全部替换为1.0。

1.5删除列class。

1.6将数据框前三行设置为缺失值。

1.7删除有缺失值的行。

1.8重新设置索引。

2探索Chipotle快餐数据

2.1将数据集存入一个名为chipo的数据框内

2.2查看前10行内容

2.3数据集中有多少个列(columns)？

2.4打印出全部的列名称

2.5数据集的索引是怎样的？

2.6被下单数最多商品(item)是什么?

2.7在item_name这一列中，一共有多少种商品被下单？

2.8一共有多少个商品被下单？

2.9将item_price转换为浮点数

2.10在该数据集对应的时期内，收入(revenue)是多少？

2.11在该数据集对应的时期内，一共有多少订单？

2.12每一单(order)对应的平均总价是多少？

3探索Apple公司股价数据

3.1读取“appl_1980_2014.csv”数据并存为一个名叫apple的数据框。

3.2查看每一列的数据类型。

3.3将Date这个列转换为datetime类型。

3.4将Date设置为索引。

3.5有重复的日期吗？

3.6将index设置为升序。

3.7找到每个月的最后一个交易日(businessday)。

3.8数据集中最早的日期和最晚的日期相差多少天？

3.9在数据中一共有多少个月？

3.10按照时间顺序可视化Adj Close值。

泰迪云课堂

第二课作业

个人PC

在线答疑

微信群

第三课 机器学习实践

8月3日

19:00-21:30

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(RegressionAnalysis)

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聚类分析(ClusterAnalysis)

4.1聚类分析概述

4.2相似性度量

4.3K.Means聚类分析算法介绍

4.4利用K-Means算法对鸢尾花进行聚类

4.5聚类结果的性能度量

4.6调用sklearn实现聚类分析

泰迪云课堂

第三课作业

个人PC

在线答疑

微信群

第四课 机器学习实战案例

8月4日

19:00-21:30

市财政收入分析预测

1 背景与案例目标

1.1财政收入预测背景介绍

1.2数据基本情况介绍

1.3分析目标解读

1.4项目流程介绍

2 相关系数分析

2.1求解person相关系数

2.2person相关系数解读

3 Lasso回归特征提取

3.1了解Lasso回归方法

3.2Lasso回归选取关键特征的实现

3.3Lasso回归数据写出及相应解读

4 灰色预测模型

4.1关键特征数据读取及准备

4.2GM11特征值预测

4.3GM11特征数据整理及写出

5 模型训练及预测

5.1数据标准化

5.2模型训练及预测

5.3结果可视化

泰迪云课堂

操作演练

个人PC

在线答疑

微信群

第五课 文本挖掘实战

8月5日

19:00-21:30

1自然语言处理简介

2开源中文NLP系统介绍

3中文分词介绍

4机械分词法

5机器学习算法分词

6NLP概率图介绍

7jieba分词演示

8文本的one-hot表达

9tf-idf权值策略实现

10文本的TF-IDF表达

11模型训练与预测

泰迪云课堂

操作演练

个人PC

在线答疑

微信群

第六课 文本分类案例

8月6日

19:00-21:30

垃圾自动识别

1 背景与目标

2 数据探索

2.1数据读取

2.2数据抽取

3 数据预处理

3.1去除短信中的x序列

3.2结巴分词

3.3去除停用词

3.4数据预处理函数封装

3.5垃圾短信的词频统计

3.6词云图绘制

4 文本向量的表示

4.1文本数据的向量化表达

4.2获取训练样本的tf-idf权值向量

4.3获取测试样本的tf-idf权值向量

5 模型训练及评价

6 小结

泰迪云课堂

操作演练

个人PC

在线答疑

微信群

第七课 综合实战

8月7日

14:00-18:00

电商智能推荐：优惠券使用预测

1 背景与目标

2 数据说明

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 数据预处理

3.1构建正样本

3.2构建负样本

3.3构建样本标签

4 特征构建

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 模型训练

5.1建模前数据准备

5.2初级模型构建

5.3ROC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 特征完善

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3&4

6.5拼接测试及的特征3&4

7 预测

7.1模型训练

7.2预测

7.3代码整理

7.4结果提交

泰迪云课堂

操作演练

个人PC

在线答疑

微信群

自行安排

拓展自学

Python爬虫助力疫情数据追踪

1明确项目需求与目标

2环境准备

3获取疫情数据（全球、中国各省及各地区数据）

4疫情数据分析

5疫情数据可视化

6完成分析报告

泰迪云课堂

第八课 认证考试

8月8日

19:00-21:30

工信部教育与考试中心职业技术认证在线考试

泰迪云课堂

课程专题二：人工智能实战班

说明：参加该阶段学习须具备中级班的知识和技能基础

培训时间

8月10日-16日

时间

课程内容

学习平台

第一课 深度学习基础-人工神经网络

8月10日

19:00-21:30

1单个神经元介绍

2经典网络结构介绍

3神经网络工作流程演示

4如何修正网络参数.梯度下降

5网络工作原理推导

6网络搭建准备

7样本从输入层到隐层传输的Python实现

8网络输出的Python实现

9单样本网络训练的Python实现

10全样本网络训练的Python实现

11网络性能评价

12调用sklearn实现神经网络算法

泰迪云课堂

操作演练

个人PC

在线答疑

微信群

第二课 tensorflow2实战

8月11日

19:00-21:30

1任务1：构建一个线性模型

1.1tensorflow介绍

1.2tensorflow2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

3 作业-鸢尾花分类

泰迪云课堂

操作演练

个人PC

在线答疑

微信群

第三课 人工智能核心课-深度神经网络

8月12日

19:00-21:30

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

4.1LSTM的三个门

4.2LSTM三个门的计算示例

4.3利用RNN&LSTM实现mnist手写数字识别

泰迪云课堂

操作演练

个人PC

在线答疑

微信群

第四课 利用循环神经网络（RNN）对文本进行分类

8月13日

19:00-21:30

1明确项目需求与目标

2 环境准备

3数据预处理

4加载模型、构建读取接口

5确定训练策略

6配置参数

7确定任务，开始训练

8性能评估及总结

泰迪云课堂

操作演练

个人PC

在线答疑

微信群

第五课 搭建一个属于自己的聊天机器人

8月14日

19:00-21:30

1项目背景与目标

2语料库预处理

3Seq2Seq模型计算图搭建——文件读取

4Seq2Seq模型计算图搭建——Encoder

5Seq2Seq模型计算图搭建——Decoder

6Seq2Seq模型计算图搭建——Seq2Seq

7模型训练

8模型测试

9注意力机制

泰迪云课堂

操作演练

个人PC

在线答疑

微信群

第六课 综合实战：搭建一个智能车牌识别系统

8月15日

19:00-21:30

1明确项目目标

2准备数据

3照片预处理

4定位车牌信息

5分割车牌字符

6搭建车牌识别网络

7进行模型训练

8模型结果与评估

泰迪云课堂

操作演练

在线答疑

个人PC

实战项目介绍：

基于深度学习的车牌识别系统项目

基于深度学习的车牌识别系统项目介绍

技能点：深度学习实践、tensorflow框架、图像处理技术、Opencv应用、实际项目搭建与应用。

1. 明确项目目标
2. 准备数据
3. 照片预处理
4. 定位车牌信息

5.分割车牌字符

6.搭建车牌识别网络

7.进行模型训练

8.模型结果与评估

第七课  认证考试

8月16日

19:00-21:30

工信部教育与考试中心职业技术认证在线考试

泰迪云课堂