会议详情 |
发票类型:增值税普通发票 增值税专用发票
互联网、大数据、云计算、人工智能等现代信息技术深刻改变着人类的生产、生活、学习乃至思维方式,深刻展示了世界发展的前景。目前各院校的大数据和人工智能专业教师匮乏、相关落地动手实战应用能力欠缺、授课过程中相关行业实战案例项目缺失等,为加快建设大数据、人工智能相关专业教师队伍,推动各院校建立人才培训和评价体系,特推出全国高校大数据与人工智能师资研修班。本研修班每年在全国范围内滚动开展八期,截止目前已在全国巡回举办50余场,参训教师近6000人次。2021年全国高校Python数据分析与挖掘实战师资研修班以线上云课堂形式举办,现将有关安排通知如下。
课程特色
1、本研修课程全程强调动手实操,内容以代码落地为主,以理论讲解为根,以公式推导为辅,通过讲解企业级案例,真正的让学员把所学内容和工作实际有效结合、更好地进行教育教学工作。
2、核心课程部分由讲师手把手一起进行实操演练,在具体应用场景中全面掌握相关技能,助力实训教学工作、实际动手的能力。视频制作精良,讲师真人出镜,全面解析专业必备技能,为相关课程开设和备课、应对科研和项目开发打下坚实基础。
3、课程设有答疑交流讨论群,培训期间助教全程辅助教学,每天提供10小时的实时在线答疑辅导,并进行答疑文档汇总,帮助学员更好地总结学习。
4、本课程配套有基础知识内容,即使零基础学员快也能找到适合自己的学习内容和节奏,快速掌握课程知识和技能。
5、所有课程相关源代码、数据、PPT、案例素材全部提供下载,即学即用,教学更轻松!视频内容支持六个月内免费回看,以便复习和参考。
6、全面实践大数据/人工智能项目流程,包括数据采集、数据存储管理、数据探索、数据处理、特征工程、数据建模等课程,提供知识讲解,助力夯实理论基础,掌握核心技术。
7、参加线上课程学习的学员,如后续本人参加线下课程继续深造,持线上缴费凭证可享受一次免费学习机会(仅限参加同一培训专题方向的线下课程)。
课程模块
Python编程基础、Python数据分析与应用、Python数据分析实训、Python数据挖掘算法实践、实战案例:航空公司客户价值分析、实战案例:市财政收入分析预测、综合实战:全国汽车销量可视化、综合实战:运营商流失用户的分析和预测。
证书颁发
学员经在线培训并考试合格后,可以获得由工业和信息化部教育与考试中心颁发高级数据分析师职业技术证书,证书可登录工业和信息化部教育与考试中心官网查询。
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 |
|
第一课 Python数据分析与应用 |
|||
7月20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 |
||
7月21日 18:30-22:00 |
3.4 转换与处理时间序列数据 3.4.1 转换成时间类型数据 3.4.2 时间类型数据的常用操作 4.5 使用分组聚合进行组内计算 4.5.1 groupby分组操作 4.5.2 agg聚合操作 4.6 创建透视表与交叉表 4.6.1 生成透视表 4.6.2 生成交叉表 5 使用Pandas进行数据预处理 5.1 合并数据 5.1.1 表堆叠 5.1.2 主键合并 5.1.3 重叠合并 5.2 清洗数据 5.2.1 检测与处理重复值 5.2.2 检测与处理缺失值 5.2.3 检测与处理异常值 5.3 标准化数据 5.4 转换数据 5.4.1 哑变量处理 5.4.2 离散化连续型数据 |
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数据分析实训 |
|||
7月22日 18:30-22:00 |
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? |
泰迪云课堂 |
|
操作演练/作业 |
个人PC |
||
在线答疑 |
微信群 |
||
7月23日 18:30-22:00 |
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 |
|
操作演练/作业 |
个人PC |
||
在线答疑 |
微信群 |
||
第三课 Python数据挖掘算法实践 |
|||
7月24日 18:30-22:00 |
1.1 数据挖掘发展史 1.2 数据挖掘的基本任务 1.3 数据挖掘的通用流程 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 5.1 聚类分析概述 5.2 相似性度量 5.3 K-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 |
泰迪云课堂 |
|
操作演练/作业 |
个人PC |
||
在线答疑 |
微信群 |
||
第四课 实战案例:航空公司客户价值分析 |
|||
7月25日 18:30-22:00 |
1 背景与目标 1.1 案例背景 1.2 案例目标 2 数据预处理 2.1 数据读取 2.2 剔除票价为空的记录 2.3 剔除异常记录 3 特征构造 3.1 RFM模型介绍 3.2 LRFMC模型 3.3 构造入会时长特征 3.4 剩余特征构造 4 K-Means客户分群 4.1 使用K-Means算法进行客户分群 4.2 获取K-Means聚类结果 4.3 聚类结果可视化 5 小结 |
泰迪云课堂 |
|
操作演练/作业 |
个人PC |
||
在线答疑 |
微信群 |
||
第五课 实战案例:市财政收入分析预测 |
|||
7月26日 18:30-22:00 |
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 2.2 person相关系数解读 3 Lasso回归特征提取 3.1 了解Lasso回归方法 3.2 Lasso回归选取关键特征的实现 3.3 Lasso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 4.2 GM11特征值预测 4.3 GM11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/作业 |
个人PC |
||
在线答疑 |
微信群 |
||
第六课 综合实战:全国汽车销量可视化 |
|||
7月27日 18:30-22:00 |
1 项目背景与挖掘目标 2 数据探索与可视化 2.1 数据加载与数据探索_汽车销售数据可视化分析 2.2.1 各车系销售情况可视化与分析 2.2.2 各车类销售情况可视化分析 2.3 不同价格区间汽车销售情况可视化分析 2.4 汽车厂商销售量的可视化分析 2.5 不同车型汽车销售量的可视化分析 2.6 汽车销量时序分析 2.7 不同城市销售量的可视化分析 2.8 不同省份销售量的可视化分析 3 目标销量与实际销量的可视化分析 3.1 不同厂商目标销量与实际销量的可视化分析(1) 3.1 不同厂商目标销量与实际销量的可视化分析(2) 4 小结 |
泰迪云课堂 |
|
操作演练/作业 |
个人PC |
||
在线答疑 |
微信群 |
||
第七课 综合实战:运营商流失用户的分析和预测 |
|||
7月28日 18:30-22:00 |
1 背景与挖掘目标 2 数据预处理 2.1 数据加载与数据预处理 2.2 去重并降维 2.3 数据整合:客户基本信息 2.4.1 数据整合:标签与用户基本信息整合 2.4.2 数据整合:在网时长整合 2.4.3 数据整合:合约是否有效 2.4.4 数据整合:合约计划到期时间 2.4.5 数据整合:信用等级和VIP等级 2.4.6 数据整合:本月费用 2.4.7 数据整合:平均每次通话时长 2.4.8 数据整合:其他变量整合并汇总 2.5 缺失值与异常值处理 3 特征分析 3.1 特征分析:性别特征 3.2 特征分析:年龄特征 3.3 特征分析:星座特征 3.4 特征分析:在网时长 3.5 其余特征与特征剔除 3.6 每月平均花费特征聚类分析 3.7 不同客户群体重要特征提取 4 构建模型 4.1 低费用客户群模型构建 4.2 循环选择最优模型 5.1 小结 |
泰迪云课堂 |
|
操作演练/作业 |
个人PC |
||
在线答疑 |
微信群 |
||
第八课 在线考试 |
|||
7月29日 |
高级数据分析师职业技术证书在线考试 |
泰迪云课堂 |
|
樊老师
广东泰迪智能科技股份有限公司特聘讲师,某国际银行大数据开发工程师,Hortonworks授权Apache Hadoop开发者认证培训讲师,Hadoop、Mahout技术实践者和研究者;对Hadoop的MapReduce编程模型有深刻理解,同时对Mahout技术有较深认识,对Mahout源码有深入研究,擅于Mahout中数据挖掘的K均值聚类算法、贝叶斯分类算法、FP树关联规则算法的应用;主编《Mahout算法解析与案例实战》、《Hadoop数据分析与挖掘实战》、《Hadoop与大数据挖掘》等图书专著;具有电信行业和银行业的项目经验和行业知识,主持中国电科院电力大数据平台、电能量数据挖掘与智能分析、客户服务智能分析系统等项目。
冯国灿
博士,中山大学数学学院教授,博士生导师。泰迪杯数据挖掘挑战赛组委会委员,中国工业与应用数学会常务理事,广东省工业与应用数学学会理事长, 2000-2002英国格莱莫根大学数字图像实验室和布拉德福大学数字媒体实验室做博士后研究员。主要从事模式识别、计算机视觉研究,参加主持包括国家自然科学基金等科学基金20多项,发表学术论文100余篇,入选2014-2019爱思唯尔计算机科学中国高被引学者排行榜。
张敏
广东泰迪智能科技股份有限公司、培训总监,从事用户数据分析和数据挖掘工作六年,具有丰富的大数据挖掘理论及实践培训经验,对数据具有较高的敏感度,根据数据对其进行全面的统计分析。精通Python、R语言、Matlab等多种数据挖掘工具。擅长市场发展情况监控、精确营销方面的数据挖掘工作。有为南方电网、珠江数码等大型企业长期提供实施服务的经验,主导了电子商务网站用户行为分析及网页智能推荐服务、中医证型关联规则挖掘、电信业务话单量预测、航空公司客户价值分析等多个项目。2017年“泰迪杯数据挖掘挑战赛教练员培训”主讲讲师,2018年广东省Python与深度学习技术师资培训班主讲讲师,2018年第一/三/五期全国高校大数据核心技术与应用师资研修班主讲讲师、2019年第一/二/三期全国高校大数据与人工智能师资研修班主讲讲师,2019年国家电网大数据竞赛河北、湖南省、甘肃省电力系统培训班主讲讲师,先后负责过西安理工大学、广东工业大学、广西师范学院、广西科技大学、闽江学院、广东石油化工学院、上海健康医学院等高校实训课程及德生科技等企业内训和数据挖掘就业班的课程。组织、参与编写图书《Python编程基础》、《Python数据分析与应用》、《R语言编程基础》等。
律波
广东泰迪智能科技有限公司高级数据分析工程师,应用统计学硕士,有较强的统计学、数学、数据挖掘理论功底;精通R、Python、Power BI、Excel等数据挖掘分析工具,具有丰富的培训和项目经验,擅长从数据中发掘规律,对数据具有较高的敏感度,逻辑思维能力强,擅长数据可视化,机器学习、深度学习等算法原理的实现,如神经网络、SVM、决策树、贝叶斯等;负责“珠江数码大数据营销推荐应用”项目,完成标签库的构建及产品推荐模型;负责“京东电商产品评论情感分析”项目,完成了评论数据情感评价模型、LDA主题模型的构建;通过项目案例的转换;负责多个本科类院校数据分析软件培训和毕业生数据分析培训,先后负责广西科技大学、闽江学院、广东石油化工、韩山师范学院、广西师范大学等数据分析软件培训及实训等。多次负责“泰迪杯”数据挖掘大赛题目的构思和实现、赛前培训。大数据专业系列图书编写委员会成员,负责《R语言与数据挖掘》、《python实训案例》、《Excel可视化案例》等书籍编写工作。
杨惠
广东泰迪智能科技股份有限公司高级数据分析师,从事人工智能工作多年,擅长计算机视觉和自然语言处理,熟悉常用深度学习算法原理及应用,如神经网络、SVM、强化学习等算法;精通TensorFlow、Python、MATLAB等常用数据挖掘处理工具。具有丰富的实践项目经验。如“智能聊天客服”项目,“车牌智能识别”项目,“京东电商产品评论情感分析”项目,“珠江数码大数据营销推荐应用”项目;“电子商务网站智能推荐服务”项目;“基于Seq2Seq注意力模型实现聊天机器人”项目。具备丰富的培训经验,曾为多家企业、院校服务过专业培训工作。如PPV商业培训、泰迪大数据师资培训、珠海城职院数据分析培训;2018年第一、三、五期全国高校大数据核心技术与应用师资研修班主讲讲师、2019年第一、三、五期全国高校大数据与人工智能师资研修班主讲讲师,2019年国家电网大数据竞赛河北省电力系统培训班主讲讲师。大数据专业系列图书编写委员会成员,负责《Python数据分析与应用》、《R语言编程基础》、《TensorFlow2深度学习实战》、《深度学习与计算机视觉实战》等书籍编写工作。
郑素铃
广东泰迪智能科技股份有限公司特聘讲师。从事大数据项目研发工作,对Hadoop大数据技术有较深的研究,熟练掌握Hadoop环境部署和Hadoop核心计算框架MapReduce的原理和应用。掌握Spark原理及编程,熟练使用Spark的图计算Graphx和算法库MLlib。对非结构化数据库HBase以及结构化数据库Hive有深刻的了解。掌握数据挖掘和机器学习的常用算法,熟悉数据挖掘流程,具备项目开发经验,如“数睿思网站用户画像研究”和“法律服务智能推荐系统”项目,在推荐系统方面比较有研究。先后参与了《Hadoop大数据开发基础》、《Spark大数据技术与应用》等图书编写工作。
焦正升
广东泰迪智能科技股份有限公司资深项目研发工程师、高级信息系统项目经理、高级软件开发工程师,拥有7年相关从业经验;致力于信息技术的应用与传播,信息系统产业的发展。精通JAVA编程语言,熟悉Spring Boot、Spring Cloud等主流开发框架、MySQL数据库、VUE数据驱动渐进式框架等主流技术。参与《Hadoop与大数据挖掘》、《Hadoop大数据分析与挖掘实战》等图书的编写。拥有电力、电子政务、轻工环保、交通运输等多项领域的项目管理研发经验,项目团队为北京市信访办研发的“大数据助力智慧信访”系统获得第七届金铃奖-公共服务类"智能决策奖"。
Python数据分析与挖掘实战 |
学习时间 7月20日-7月29日(每晚18:30-22:00),共计80学时 |
证书颁发:高级数据分析师 |
费用:1980元(报名费、学习费、资料费、证书费等) |
报名材料:身份证复印件、两寸近期正面免冠彩色半身证件照电子版(要求:背景:白色,格式:JPG,大小:14-20K)。
相关会议
2024-12-26深圳
2025-01-10南京