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。

明确项目目标

准备数据

照片预处理

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