基础篇（报名成功后即可开始学习）

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

核心课程篇

时间

课程内容

学习平台

专题讲座

8月2日

18:30-22:00

主讲：冯国灿教授

主题内容：计算机视觉技术及其应用

第一课 Python数据科学库使用

8月2日

18:30-22:00

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anaconda与掌握Jupyter Notebook常用功能

2 NumPy数值计算基础

2.1 掌握NumPy数组对象

2.1.1NumPy简介

2.1.2 数组创建及基础属性

2.1.3 初识数组的特点

2.1.4 创建常用数组

2.1.5 数组数据类型

2.1.6 生成随机数

2.1.7 一维数组的索引

2.1.8 逻辑型索引

2.1.9 多维数组的索引

2.1.10 求解距离矩阵

2.1.11 变化数组shape

2.2 掌握NumPy矩阵与通用函数

2.2.1 NumPy矩阵介绍

2.2.2 NumPy通用函数介绍

2.2.3 通用函数的广播机制

2.3 利用NumPy进行统计分析

2.3.1 NumPy读写二进制文件

2.3.2 NumPy读写txt文件

2.3.3 利用NumPy对数据进行简单统计分析

3 Pandas统计分析基础

3.1 Pandas简介

3.2 读写不同数据源的数据

3.2.1 Pandas读取文本数据

3.2.2 存储数据框

3.2.3 Pandas读取excel文件

3.2.4 将数据框存储为excel文件

3.3 数据框与数据框元素

3.3.1 构建数据框

3.3.2 查看数据框的常用属性

3.3.3 按行列顺序访问数据框中的元素

3.3.4 按行列名称访问数据框中的元素

3.3.5 修改数据框中的元素

3.3.6 删除数据框中的元素

3.3.7 描述分析数据框中的元素

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

第二课  Python机器学习实战

8月3日

18:30-22:00

1.1引言

1.2基本术语

1.3假设空间&归纳偏好

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

3.1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

4.1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

4.7决策树可视化

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

8月4日

18:30-22:00

5.1聚类分析概述

5.2相似性度量

5.3K-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

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

第三课 Python特征工程实战

8月5日

18:30-22:00

1.1 特征工程是什么

1.2 特征工程效果评估

1.3 定性还是定量

1.4 数据的4个等级介绍

1.5 数据的4个等级演示

2.1 探索性数据分析

2.2 探究不同类别样本的血糖浓度

2.3 缺失值探索

2.4 删除缺失值

2.5 构建基线模型

2.6 网格搜索优化

2.7 利用0进行缺失值填充的模型性能

2.8 利用均值进行缺失值填充的模型性能

2.9 标准化和归一化介绍

2.10 结合机器学习流水线进一步优化

2.11 数据预处理小结

3.1 特征构建引言

3.2 分类数据的填充

3.3 自定义分类数据填充器

3.4 自定义定量数据填充器

3.5 编码定类数据

3.6 编码定序变量

3.7 连续变量分箱

3.8 在流水线中封装预处理操作

3.9 拓展数值特征的模型基线

3.10 多项式特征模型性能

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

8月6日

18:30-22:00

4.1 特征选择介绍

4.2 数据导入及探索

4.3 基于皮尔逊相关系数的特征选择

4.4 特征选择前后模型性能比较

4.5 基于假设检验的特征选择

4.6 基于树的特征选择

4.7 特征选择后模型性能探索

4.8 基于线性模型的特征选择

4.9 小结

5.1 特征转换介绍

5.2 主成分分析（PCA）介绍

5.3 PCA工作流程实现

5.4 PCA方差分析

5.5 利用sklearn实现PCA

5.6 深入解释PCA之相关性探究

5.7 深入解释PCA之线性变换

5.8 深入解释PCA之数据分布探索

5.9 PCA小结

5.10 LDA工作流程及实现

5.11 sklearn实现LDA

5.12 LDA数据分布探索

5.13 应用特征转换

5.14 小结

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

第四课 综合案例：水产养殖水质智能识别

8月7日

18:30-22:00

1.1 案例背景与目标

1.2 读取一张图片数据

1.3 获取图片数据的像素值矩阵

1.4 截取图像的有效区域

1.5 水质图像特征-颜色矩

1.6 三个颜色矩的Python实现

1.7 如何进行批量化数据转换

1.8 自定义函数获取指定路径中的所有图片名称

1.9 处理所有图片数据

1.10 数据处理代码整理

1.11 模型构建与性能评估

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

第五课 文本分类案例：垃圾短信智能识别

8月8日

18:30-22:00

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/作业

个人PC

在线答疑

微信群

第六课 综合实战：电商智能推荐-优惠券使用预测

8月9日

18:30-22:00

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

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

第七课 在线考试

8月10日

高级大数据技术应用职业技术证书职业技术证书在线考试

泰迪云课堂