参会报名
会议通知
会议日程
会议嘉宾
参会指南
邀请函下载

首页 > 商务会议 > IT互联网会议 > 2018Python机器学习、深度学习算法原理与案例实现培训班更新时间：2018-08-30T15:53:09

收藏人

分享到

2018Python机器学习、深度学习算法原理与案例实现培训班已过期
推荐参加：2024中国医药医疗CIO年会

会议时间：2018-09-27 09:00至 2018-09-30 17:30结束

会议地点：北京 None 东城区北三环东路

会议规模：50人

主办单位：北京博宏科睿教育科技有限公司

发票类型：增值税普通发票

领取方式：现场领取

发票内容：会议费会务费培训费资料费

参会凭证：现场凭电话姓名参会

行业热销热门关注看了又看换一换

会议通知
会议内容主办方介绍

2018Python机器学习、深度学习算法原理与案例实现培训班宣传图

各科研院所及企业单位：

随着人工智能与数据科学的发展，在商业、经济及其他领域中基于数据和分析去发现问题并作出科学客观的决策越来越重要。因为我们的行为每时每刻在产生着数据，而这些数据改变着我们的生活。当下AI时代更大行业巨头公司都在争相追逐这些热门领域，创业公司更是层出不穷，人工智能工程师的需求量与日俱增，新兴行业伴随着挑战也必然带来更多的回报。

Python作为一门脚本语言，它灵活、易用、易学、适用场景多，实现程序快捷便利，早已经成为程序员们的一门编程利器。Python这门编程语言包罗万象，可以说掌握了python，除了一些特殊环境和高度的性能要求，你可以用它做任何事。为进一步推动高等院校及企业单位机器学习与深度学习教学及实践工作开展，加强国内各高等院校及企业单位同行间的交流。北京博宏科睿教育科技有限公司特举办“Python机器（深度）学习算法原理与案例实现”培训班，本次培训主打理论结合实践主题，课程强调动手操作；内容以代码落地为主，以理论讲解为根，以公式推导为辅，具体内容如下：

【培训目标】

1.让学员尽快掌握python语言的基本结构与语法及数据类型，模块、基本用法，熟悉函数，类设计，包的使用及基本的编程方法；

2.通过课程学习，可以理解机器学习的思维方式和关键技术；了解深度学习和机器学习在当前工业界的落地应用；能够根据数据分布选择合适的算法模型并书写代码，能开发出一些实际的应用项目并初步胜任Python的机器学习与深度学习工作；

3. 对于求职的同学，这个课程能够让你了解机器学习应用过程与方法，力图让你达到优秀实习生所应当具备的经验水平，对实际数据和案例的理解，也能帮助你更好地在面试的过程中展示自己。

【时间地点】

2018年9月27日----9月30日北京*东城区北三环东路

（时间安排：第一天报到、授课三天）

【培训对象】

从事计算机、经济与管理学、金融、医疗、保险、生态、卫生、计量、统计、银行、通信、环境、基金等与数据分析统计相关的企事业单位技术人员、科研院所研究人员和大专院校相关专业教学人员及在校本科生、研究生、硕士、博士等相关人员，以及广大Python语言爱好者。

【培训方式】

(一) 课程讲座；

（二）研讨与案例讲解分析结合；

（三）欢迎学员带着在工作中遇到的实际问题与老师一起探讨；

（四）培训教室提供操作电脑（也可使用个人手提电脑）

北京博宏科睿教育科技有限公司

会议日程
（最终日程以会议现场为准）

课程安排

课程主题

课程内容

第一天

Python基础与入门

第一章

Python基础

1.AI时代首选Python

2. Python基本概念

3.基本数据元素（int、float）

4.基本语法（if、for、def）

第二章

Python数据结构

1.数据结构--列表 list 2.数据结构--字典 dict

3.数据结构—字符串 4.元组 tuple 5.集合 set

第三章

Python类和库

1.函数 def

2.类 class

3.Python科学计算库Numpy

4.Python数据分析处理库Pandas

5.Python可视化库Matplotlib

6.常见库的使用 requests beautifulsoup4

7.scikit-learn的介绍和典型使用

案例一：爬取葡萄酒品质分析数据，然后对数据进行整理汇总，可视化展示.

案例二：抓取分析手机号码.

案例三：手动编写简单爬虫并实战.

第二天

Python机器学习

第四章

Python机器学习基础

1.机器学习介绍

2.机器学习数学基础

3.SVM 介绍

4.sklearn模块下SVM

5.GridSearch参数优化

第五章

Python机器学习进阶

1.征信数据介绍 2.xgboost库介绍

3.xgboost 应用 4.xgboost优化

案例一：基于SVM 个人还款行为预测（征信数据）.

案例二：基于xgboost个人还款行为预测（征信数据）.

第三天

Python深度学习

第六章

文本挖掘

1.介绍文本分词的方法

2. 按词性提取关键词

Jieba模块，nltk模块（jieba.cut,jieba.cut_for_search()）

第七章

深度学习

1.深度学习的前世今生

2.人工神经网络ANN TensorFlow模块，keras模块

3.深度神经网络的数字手写识别

第八章

基于DCNN（深度卷积神经网络）的OCR

1.深度卷积神经网络

2.keras模型

3.模型训练

4.OCR光学字符识别

第九章

基于LSTM的文本情感分析

1.什么是LSTM

2.文本的情感分析

3.从用户评价中提取用户对事物的评价

4.分析用户对产品的态度和情感

案例一：数字图像的手写体识别.

案例二：基于DCNN的手写字符光学识别

案例三：基于LSTM的情感分析.

会议嘉宾
（最终出席嘉宾以会议现场为准）

【主讲老师】

刘老师：对外经济贸易大学大数据系副教授，博士毕业于法国里昂中央理工大学信息科学学院，讲授计算机基础、数据结构、计算机网络、智能计算、Python与大数据分析等课程。在国内外核心期刊和重要国际会议上发表论文数十余篇，其研究内容涉及：计算机视觉(ComputerVision)、深度学习(DeepLearning)、数据挖掘(DataMining),自然语言处理(NLP); 大数据(BigData)、图像理解、机器学习、手写识别等内容。曾获得过ImageCLEF2012 Photo annotation task国际图像分类竞赛中获得第一名。多年数据领域培训经验，丰富的教学讲解经验，课程生动形象，风格通俗易懂。