时间： 2023年5月20日 - 5月29日

学时： 共计80学时

证书： 高级大数据分析师职业技术证书

费用： 1980元

1.  Excel数据分析基础与实战

2.  Power BI数据分析与可视化
   

1.  新零售智能销售数据分析

2.  餐饮企业综合分析

3.  财务分析在纳税评估中的应用

4.  学生校园卡消费行为分析
   

学时： 共计80学时

证书： 高级Python技术应用工程师职业技术证书

费用： 1980元

1.  Python编程基础

2.  Python数据分析与应用

3.  Pandas数据分析基础

4.  Python网络爬虫实战
   

1.  微博疫情评论数据采集

2.  农产品信息采集与分析

3.  新莆京内推平台招聘信息采集与分析

4.  网站图像素材采集实战(拓展)
   

时间： 2023年5月20日 - 5月31日

学时： 共计96学时

证书： 高级机器学习工程师职业技术证书

费用： 2480元

1.  Python编程基础

2.  Python数据分析与应用

3.  Pandas数据分析基础

4.  Python机器学习实战

5.  Python特征工程实战
   

1.  运营商用户流失预测

2.  网络入侵用户自动识别

3.  天猫用户重复购买预测

4.  新莆京内推平台信息精准推荐应用
   

时间：2023年5月20日 - 5月30日

学时：共计88学时

证书：高级大数据分析师职业技术证书

费用：1980元

1.  Python编程基础

2.  Python数据分析与应用

3.  网络舆情与情感分析概述

4.  Python机器学习实战

5.  Python网络爬虫实战

6.  Python文本挖掘实战
   

1.  微博疫情评论数据采集

2.  基于情感分析的疫情期间网民情绪识别

3.  网络问政平台数据采集

4. 智慧政务下的问政舆情分析
   

时间： 2023年5月20日 - 5月31日

学时： 共计96学时

证书： 高级大数据技术应用职业技术证书

费用： 2980元

1.  Linux操作系统基础

2.  Java编程基础

3.  Scala编程基础

4.  Hadoop大数据基础

5.  Hive大数据仓库

6.  HBase非关系型数据库

7.  Spark大数据技术基础

8.  Flume数据采集

9.  Kafka消息系统

10.  Flink大数据实时处理(拓展)
    

1.   航空客户乘机数据预处理

2.  广电大数据用户画像(Hadoop+Spark+Hive)

3.  大数据分布式消息Zookeeper(拓展)

4.  商品实时推荐系统(拓展)
   

时间： 2023年5月21日 - 5月29日

学时： 共计72学时

证书： 高级人工智能应用工程师职业技术证书

费用： 1980元

1.  Python编程基础

2.  Python数据分析与应用

3.  Python机器学习实战

4.  PyTorch框架基础实战

5.  PyTorch深度学习原理与实现
   

1.  脑PET图像分析与疾病预测

2.  新冠疫情期间网民情绪识别

3.  基于FaceNet的人脸智能识别
   

时间： 2023年5月20日 - 5月31日

学时： 共计96学时

证书： 高级人工智能应用工程师职业技术证书

费用： 2480元

1.  Python编程基础

2.  Python数据分析与应用

3.  Python机器学习实战

4.  PyTorch框架基础实战

5.  PyTorch深度学习原理与实现

6.  计算机视觉实战
   

1.  脑PET图像分析和疾病预测

2.  基于FaceNet的人脸智能识别

3.  基于YOLOX的农田害虫图像检测与识别
   

时间： 2023年5月21日 - 5月31日

学时： 共计88学时

证书： 高级人工智能应用工程师职业技术证书

费用： 2480元

1.  Python编程基础

2.  Python数据分析与应用

3.  Python机器学习实战

4.  PyTorch框架基础实战

5.  PyTorch深度学习原理与实现

6.  自然语言处理实战
   

1.  基于textCNN的公众健康问句分类

2.  新冠疫情期间网民情绪识别

3.  推荐系统受众性别智能识别
   

时间： 2023年5月21日 - 5月31日

学时： 共计88学时

证书： 高级人工智能应用工程师职业技术证书

费用： 2480元

1.  Python编程基础

2.  Python数据分析与应用

3.  AI医疗概论

4.  Python机器学习实战

5.  TensorFlow2实战

6.  TensorFlow2深度学习原理与实战
   

1.  基于textCNN的公众健康问句分类

2.  脑PET图像分析和疾病预测

3.  基于U-net的肝脏肿瘤分割
   

费用

支付方式

联系人：曾老师   电话：13246821827        微信：antonia602501

2023年5月20日

18:30 - 22:00

主讲：冯国灿

主题内容：计算机视觉技术及其应用

2023年5月20日

18:30 - 22:00

1.1 认识数据分析

1.2 认识Excel2016

2.1 获取文本数据

2.2 从数据库获取数据

3.1 排序

3.2 筛选

3.3 分类汇总

4.1 认识公式和函数

4.2 数组公式

4.3 日期和时间函数

4.4 数学函数

4.5 统计函数

4.6 文本函数

4.7 逻辑函数

5.1 透视表的创建和修改

5.2 透视表的操作

5.3 透视图的操作

操作演练

2023年5月21日

18:30 - 22:0

6.1 对比分析

6.2 趋势分析

6.3 饼图

6.4 散点图

6.5 雷达图

7.1 案例背景

7.2 数据预处理

8 商品销售分析

9 库存分析

10 用户分析

11 分析报告

2023年5月22日

08:30 - 22:00

1.1 认识数据分析（Power BI）

1.2 了解可视化工具

1.3 认识Power BI

2.1 数据来源

2.2 数据获取

3.1 认识编辑器和M语言

3.2 数据集成

3.3 数据清洗

3.4 数据转换

3.5 数据泛化

2023年5月23日

18:30 - 22:00

4.1 认识DAX语言

4.2 构建日历表

4.3 构建表间关系

4.4 度量值

5.1 认识可视化

5.2 条形图和柱状图

5.3 雷达图和漏斗图

2023年5月24日

18:30 - 22:00

5.4 饼图和环形图

5.5 瀑布图和树状图

5.6 折线图和散点图

5.7 描述性分析

5.8 KPI分析

6.1 认识分析报表

6.2 制作分析报表

7 部署

2023年5月25日

18:30 - 22:00

1 案例背景

2 数据清洗

3 数据规约

4 数据建模

5 销售分析

6 库存分析

7 用户分析

8 部署和发布

2023年5月26日

18:30 - 22:00

1 案例背景

2 数据预处理

2.1 数据预处理1

2.2 数据预处理2

3 数据可视化

3.1 数据分析与可视化1

3.2 数据分析与可视化2

2023年5月27日

18:30 - 22:00

1 案例背景和分析流程

2 数据预处理

3 发现疑点

4 共同不分析

5 增长趋势分析

6 财务比率分析

7 重点评估区域

8 重点评估区域审计

9 问题发现和财务报表的调整

10 小结

2023年5月28日

18:30 - 22:00

1.1 案例背景与目标

2.1 预处理：读取数据和异常值

2.2 预处理：缺失值

2.3 预处理：重复值与合并数据

3.1 食堂消费数据分析

3.2 学生消费行为分析

4 小结

2023年5月29日

19:00 - 21:00

Python编程基础

1.1 认识Python

2.1.1 编写第一个Python程序

2.1.2 缩进代码

2.2.1 字符串基本操作

2.2.2 字符串的索引及切片操作

2.2.3 任务实现-字符串与数值处理

2.3.1 Python常用运算符介绍

2.3.2 任务实现-计算圆形的各参数

3.1 认识Python数据结构

3.2.1 创捷列表

3.2.2 列表索引及切片操作

3.2.3 为列表添加元素

3.2.4 列表元素的删除及修改操作

3.2.5 列表推导式

3.2.6 任务实现-求解曲边图形面积

3.3.1 创建字典

3.3.2 字典的增删改查操作

3.3.3 任务实现-单词词频统计

4.1.1 考试成绩等级划分-任务描述

4.1.2 条件判断及分支语句

4.1.3 try-except语句

4.1.4 任务实现-考试成绩等级划分

4.2.1 循环语句

4.2.2 任务实现-实现一组数的连加与连乘操作

4.3 冒泡排序法排序

5.1.1 使用def定义函数

5.1.2 任务实现-自定义求列表均值的函数

5.2 使用lambda创建匿名函数

5.3 存储并导入函数模块

6.1 认识面向对象

6.2.1 创建Human类

6.2.2 创建对象

7.1.1 读取文件数据

7.1.2 任务实现-文件数据读取及词频统计

7.2 将数据写入文件

8 模块和第三方库

Python数据分析与应用

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与启动Jupyter Notebook

1.4 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

2.1.1 NumPy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

2023年5月20日

18:30 - 22:00

主讲：冯国灿

主题内容：计算机视觉技术及其应用

2023年5月20日

18:30 - 22:00

1.1 掌握绘图基础语法与常用参数

1.1.1 Matplotlib介绍

1.1.2 基础图形绘制

1.1.3 常用参数设置

1.2 分析特征间关系

1.2.1 绘制散点图

1.2.2 散点图参数设置

1.2.3 绘制折线图

1.3 分析特征内部数据分布与分散情况

1.3.1 绘制直方图

1.3.2 绘制饼图

1.3.3 绘制箱线图

操作演练

2023年5月21日

18:30 - 22:00

2 Pandas统计分析基础

2.1 Pandas简介

2.2 读写不同数据源的数据

2.2.1 Pandas读取文本数据

2.2.2 存储数据框

2.2.3 Pandas读取excel文件

2.2.4 将数据框存储为excel文件

2.3 数据框与数据框元素

2.3.1 构建数据框

2.3.2 查看数据框的常用属性

2.3.3 按行列顺序访问数据框中的元素

2.3.4 按行列名称访问数据框中的元素

2.3.5 修改数据框中的元素

2.3.6 删除数据框中的元素

2.3.7 描述分析数据框中的元素

2.4 转换与处理时间序列数据

2.4.1 转换成时间类型数据

2.4.2 时间类型数据的常用操作

2.5 使用分组聚合进行组内计算

2.5.1 groupby分组操作

2.5.2 agg聚合操作

2.6 创建透视表与交叉表

2.6.1 生成透视表

2.6.2 生成交叉表

2023年5月22日

18:30 - 22:00

3 使用Pandas进行数据与预处理

3.1 合并数据

3.1.1 表堆叠

3.1.2 主键合并

3.1.3 重叠合并

3.2 清洗数据

3.2.1 检测与处理重复值

3.2.2 检测与处理缺失值

3.2.3 检测与处理异常值

3.3 标准化数据

3.4 转换数据

3.4.1 哑变量处理

3.4.2 离散化连续型数据

2023年5月23日

18:30 - 22:00

1 Python爬虫环境与爬虫简介

1.1 认识爬虫

1.1.1 常见网上冲浪过程

1.1.2 爬虫的概念

1.1.3 爬虫合法性

1.2 认识反爬虫

1.3 配置Python爬虫环境

2 网页前端基础

2.1 认识网络信息传输过程

2.1.1 网络传输模型

2.1.2 网络信息传输过程

2.2 认识HTTP

2.2.1 认识HTTP

2.2.2 熟悉Cookie

3 简单静态网页爬取

3.1 认识静态网页

3.2 实现HTTP请求

3.2.1 创建工程

3.2.2 生成HTTP请求

3.2.3 完善HTTP请求

3.3 解析网页

3.3.1 为什么要解析网页

3.3.2 初识Xpath

3.3.3 Xpath相对路径及属性查找

3.3.4 使用BeautifulSoup解析网页

3.3.5 网页解析小结

3.4 存储数据

3.4.1 认识chrome开发者工具

3.4.2 任务演练：爬取并存储新莆京科技官网首页数据

2023年5月24日

18:30 - 22:00

4 认识动态网页

4.1 认识动态网页

4.2 逆向分析爬取动态网页

4.2.1 通过网页源码追踪目标数据文件地址

4.2.2 通过开发者工具追踪目标数据文件地址

4.2.3 爬取数据并及进行保存

4.3 使用Selenium库爬取动态网页

4.3.1 搭建Selenium环境

4.3.2 利用Selenium获取网页数据

4.3.3 利用Selenium控制点击操作

5 模拟登录

5.1 使用表单登录方法实现模拟登录

5.1.1 模拟登录的过程

5.1.2 查找提交入口和表单数据

5.1.3 提交表单完成模拟登录

5.1.4 使用表单登录的注意事项

5.2 使用Cookie登录方法实现模拟登录

5.3 使用Selenium模拟登录

2023年5月25日

18:30 - 22:00

6 Scrapy爬虫

6.1 认识Scrapy

6.2 通过Scrapy爬取基本页面信息

6.2.1 创建项目

6.2.2 指定字段及创建spiders

6.2.3 完成spiders编写

6.2.4 运行程序保存数据

6.3 通过Scrapy抓取跳转页面数据

6.3.1 任务介绍及项目创建

6.3.2 获取所有页面的url

6.3.3 获取每个页面的新闻二次页面url

6.3.4 提取各新闻二次页面中的目标数据

6.3.5 运行程序保存数据

7 拓展：终端协议及爬取工具介绍

2023年5月26日

18:30 - 22:00

1 背景与目标

2.1 评论结构分析

2.2 数据接口分析

3.1.1 微博页面接口分析

3.1.2 微博ID获取

3.1.3 微博接口请求

3.1.4 长文本获取

3.1.5 单页微博获取

3.1.6 单页微博获取函数

3.2.1 评论数据接口分析

3.2.2 单页评论获取

3.3 评论回复数据爬取

3.4 单页微博及评论数据爬取

3.5 多线程爬虫

4 小结

2023年5月27日

18:30 - 22:00

1.1 背景与分析目标

2.1 网页分析和爬虫思路

2.2 省份链接获取

2.3 获取省份名称

2.4 确定翻页数目

2.5 获取单页表格

2.6 获取所有省份和页面的数据 

2.7 分布式爬取

3.1 数据预处理

3.2 数据 指标提取

3.3 省级以上部门审定数据分析

3.4 水稻品种类型数量分析

3.5 主要水稻类型被审定的数量分析

3.6 水稻母本分析

3.7 主要审定公司分析

4 总结

2023年5月28日

18:30 - 22:00

1 背景与目标

2 数据采集

2.1 网页结构探索

2.2 定位一级页面数据地址

2.3 爬取及解析一级页面数据

2.4 提取一级页面字段

2.5 定位二级页面数据地址

2.6 爬取及解析二级页面数据

2.7 翻页爬取及数据保存

3 数据处理

3.1 读取已爬取完成的数据

3.2 数据预处理操作

4 分析与可视化

4.1 招聘岗位对学历要求分析

4.2 各行业的大数据招聘需求数量分析

4.3 不同类型公司的薪资待遇分析

4.4 小结

自行安排

1 思路介绍

2 单个图片文件爬取

3 获取一个页面所有图片网址

4 保存所有图片

5 翻页爬取更多数据

6 PDF文件规律及问题

7 PDF翻页刷新的网址规律

8 获取当前页所有图片网址

9 翻页刷新爬取所有图片

10 图片拼接成PDF文件

金牌助手ChatGPT，让应用开发更高效

2023年5月29日

19:00 - 21:00

Python编程基础

1.1 认识Python

2.1.1 编写第一个Python程序

2.1.2 缩进代码

2.2.1 字符串基本操作

2.2.2 字符串的索引及切片操作

2.2.3 任务实现-字符串与数值处理

2.3.1 Python常用运算符介绍

2.3.2 任务实现-计算圆形的各参数

3.1 认识Python数据结构

3.2.1 创捷列表

3.2.2 列表索引及切片操作

3.2.3 为列表添加元素

3.2.4 列表元素的删除及修改操作

3.2.5 列表推导式

3.2.6 任务实现-求解曲边图形面积

3.3.1 创建字典

3.3.2 字典的增删改查操作

3.3.3 任务实现-单词词频统计

4.1.1 考试成绩等级划分-任务描述

4.1.2 条件判断及分支语句

4.1.3 try-except语句

4.1.4 任务实现-考试成绩等级划分

4.2.1 循环语句

4.2.2 任务实现-实现一组数的连加与连乘操作

4.3 冒泡排序法排序

5.1.1 使用def定义函数

5.1.2 任务实现-自定义求列表均值的函数

5.2 使用lambda创建匿名函数

5.3 存储并导入函数模块

6.1 认识面向对象

6.2.1 创建Human类

6.2.2 创建对象

7.1.1 读取文件数据

7.1.2 任务实现-文件数据读取及词频统计

7.2 将数据写入文件

8 模块和第三方库

Python数据分析与应用

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与启动Jupyter Notebook

1.4 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

2.1.1 NumPy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

2023年5月20日

18:30 - 22:00

主讲：冯国灿

主题内容：计算机视觉技术及其应用

2023年5月20日

18:30 - 22:00

1 Matplotlib数据可视化基础

1.1 掌握绘图基础语法与常用参数

1.1.1 Matplotlib介绍

1.1.2 基础图形绘制

1.1.3 常用参数设置

1.2 分析特征间关系

1.2.1 绘制散点图

1.2.2 散点图参数设置

1.2.3 绘制折线图

1.3 分析特征内部数据分布与分散情况

1.3.1 绘制柱形图

1.3.2 绘制饼图

1.3.3 绘制箱线图

2 Pandas统计分析基础

2.1 Pandas简介

2.2 读写不同数据源的数据

2.2.1 Pandas读取文本数据

2.2.2 存储数据框

2.2.3 Pandas读取excel文件

2.2.4 将数据框存储为excel文件

2.3 数据框与数据框元素

2.3.1 构建数据框

2.3.2 查看数据框的常用属性

2.3.3 按行列顺序访问数据框中的元素

2.3.4 按行列名称访问数据框中的元素

2.3.5 修改数据框中的元素

2.3.6 删除数据框中的元素

2.3.7 描述分析数据框中的元素

2023年5月21日

18:30 - 22:00

2.4.1 转换成时间类型数据

2.4.2 时间类型数据的常用操作

2.5 使用分组聚合进行组内计算

2.5.1 groupby分组操作

2.5.2 agg聚合操作

2.6 创建透视表与交叉表

2.6.1 生成透视表

2.6.2 生成交叉表

3 使用Pandas进行数据预处理

3.1 合并数据

3.1.1 表堆叠

3.1.2 主键合并

3.1.3 重叠合并

3.2 清洗数据

3.2.1 检测与处理重复值

3.2.2 检测与处理缺失值

3.2.3 检测与处理异常值

3.3 标准化数据

3.4 转换数据

3.4.1 哑变量处理

3.4.2 离散化连续型数据

2022年5月21日

18:30 - 22:00

1.1 Matplotlib绘制流程说明

1.2 添加文本和修改绘图风格

1.3 rc参数

1.4 散点图

1.5 折线图

1.6 直方图和条形图

1.7 饼图

1.8 箱线图

1.9 人口特征间分布

1.10 人口各个特征分布

2023年5月22日

18:30 - 22:00

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

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 决策树

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

2023年5月23日

18:30 - 22:00

5 人工神经网络

5.1 单个神经元介绍

5.2 经典网络结构介绍

5.3 神经网络工作流程 演示

5.4 如何修正网络参数-梯度下降法

5.5 网络工作原理推导

5.6 网络搭建准备

5.7 样本从输入层到隐层传输的Python实现

5.8 网络输出的Python实现

5.9 单样本网络训练的Python实现

5.10 全样本网络训练的Python实现

5.11 网络性能评价

5.12 调用sklearn实现神经网络算法

2023年5月24日

18:30 - 22:00

6 支持向量机

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

7.1 聚类分析概述

7.2 相似性度量

7.3 K-Means聚类分析算法介绍

7.4 利用K-Means算法对鸢尾花进行聚类

7.5 聚类结果的性能度量

7.6 调用sklearn实现聚类分析

8 集成学习

8.1 集成学习基本概念

8.2 并行集成算法-Bagging&RandomForest

8.3 串行集成算法-Boosting算法流程

8.4 串行集成算法-Boosting代码实现

8.5 Stacking算法流程

8.6 Stacking代码实现

2023年5月25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 多页式特征模型性能

2023年5月26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

6.1 特征学习介绍

6.2 受限波尔兹曼机(RBM)工作原理

6.3 MNIST数字识别任务介绍

6.4 MNIST数据准备

6.5 PCA特征分析

6.6 PBM特征学习

6.7 构建基线模型

6.8 加入PCA进行模型优化

6.9 加入RBM进行模型优化

6.10 多层受限玻尔兹曼机

2023年5月27日

18: 30 - 22:00

1.1 背景与目标

1.2 案例思路分析

2.1 数据探索

2.2 数据去重及删除无关属性

2.3 用户分组及标签构建

2.4 提取用户基本信息和在网时长

2.5 处理合约是否有效

2.6 处理合约计划到期时间

2.7 其余变量处理

2.8 特征拼接及缺失值处理

2.9 数据保存

3.1 特征选择介绍

3.2 皮尔逊特征选择

3.3 处理样本类别不均衡问题

4.1 模型性能评估介绍

4.2 模型构建及性能评估

2023年5月28日

18: 30 - 22:00

1 背景与目标

2 数据处理

2.1 读取数据

2.2 了解数据基本情况

2.3 哑变量处理

2.4 拼接特征并删除无关列

2.5 标签转化及预处理函数封装

3 模型训练与验证

3.1 认识集成学习算法

3.2 模型训练与性能验证

3.3 保存模型训练集数据结构

4 模型应用与评估

4.1 加载并处理待预测样本

4.2 模型应用及性能评估

2023年5月29日

18:30 - 22:00

2.1 工程环境准备

2.2 缺失值处理和数据去重

2.3 数据分布探索

3.1 特征工程介绍

3.2 原始特征

3.3.1 用户相关特征：用户在平台的总交互次数

3.3.2 用户相关特征：用户最近一次购买距离第一次的时长

3.4.1 商家相关特征：商家被交互的数量

3.4.2 商家相关特征：商家的复购次数

3.5.1 用户和商家相关特征：用户在商家的交换次数

3.5.2 用户和商家相关特征：不同用户在不同商家购买率

3.6 离散型特征处理

4.1 建模前的数据处理

4.2 模型构建

4.3 模型训练和评估

4.4 模型应用

5 小结

2023年5月30日

18:30 - 22:00

1 背景与目标

2 目标分析

2.1 推荐思路分析

2.2 基于物品的协同过滤推荐介绍

3 工程实现

3.1 EB工具登录简介

3.2 创建空白工程

3.3 导入数据

3.4 筛选郑文数据

3.5 字符替换及记录去重

3.6 划分训练集用户和测试集用户

3.7 构造训练集和测试集数据

3.8 构建模型

3.9 推荐及性能评估

4 小结

2023年5月31日

19:00 - 21:00

Python编程基础

1.1 认识Python

2.1.1 编写第一个Python程序

2.1.2 缩进代码

2.2.1 字符串基本操作

2.2.2 字符串的索引及切片操作

2.2.3 任务实现-字符串与数值处理

2.3.1 Python常用运算符介绍

2.3.2 任务实现-计算圆形的各参数

3.1 认识Python数据结构

3.2.1 创捷列表

3.2.2 列表索引及切片操作

3.2.3 为列表添加元素

3.2.4 列表元素的删除及修改操作

3.2.5 列表推导式

3.2.6 任务实现-求解曲边图形面积

3.3.1 创建字典

3.3.2 字典的增删改查操作

3.3.3 任务实现-单词词频统计

4.1.1 考试成绩等级划分-任务描述

4.1.2 条件判断及分支语句

4.1.3 try-except语句

4.1.4 任务实现-考试成绩等级划分

4.2.1 循环语句

4.2.2 任务实现-实现一组数的连加与连乘操作

4.3 冒泡排序法排序

5.1.1 使用def定义函数

5.1.2 任务实现-自定义求列表均值的函数

5.2 使用lambda创建匿名函数

5.3 存储并导入函数模块

6.1 认识面向对象

6.2.1 创建Human类

6.2.2 创建对象

7.1.1 读取文件数据

7.1.2 任务实现-文件数据读取及词频统计

7.2 将数据写入文件

8 模块和第三方库

Python数据分析与应用

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与启动Jupyter Notebook

1.4 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

2.1.1 NumPy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 Matplotlib数据可视化基础

3.1 掌握绘图基础语法与常用参数

3.1.1 Matplotlib介绍

3.1.2 基础图形绘制

3.1.3 常用参数设置

3.2 分析特征间关系

3.2.1 绘制散点图

3.2.2 散点图参数设置

3.2.3 绘制折线图

3.3 分析特征内部数据分布与分散情况

3.3.1 绘制直方图

3.3.2 绘制饼图

3.3.3 绘制箱线图

4 Pandas统计分析基础

4.1 Pandas简介

4.2 读写的不同数据源的数据

4.2.1 Pandas读取文本数据

4.2.2 存储数据框

4.2.3 Pandas读取excel文件

4.2.4 将数据框存储为excel文件

4.3 数据框与数据框元素

4.3.1 构建数据框

4.3.2 查看数据框的常用属性

4.3.3 按行列顺序访问数据框中的元素

4.3.4 按行列名称访问数据框中的元素

4.3.5 修改数据框中的元素

4.3.6 删除数据框中的元素

4.3.7 描述分析数据框中的元素

4.4 转换与处理时间序列数据

4.4.1 转换成时间类型数据

4.4.2 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

2023年5月20日

18:30 - 22:00

主讲：冯国灿

主题内容：计算机视觉技术及其应用

2023年5月20日

18:30 - 22:00

1. 网络舆情概述

2. 网络舆情分析技术

3. 网络信息采集技术

4. 话题检测与跟踪技术

5. 文本分割技术基本概念

6. 基于LDA模型的文本分割

7. 基于VSM模型的文本分割

8. 文本情感分析技术基本概念

9. 情感信息分类

10. 情感信息的检索与归纳

2023年5月21日

18:30 - 22:00

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

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

2023年5月22日

18:30 - 22:00

4.1 从女士相亲到决策树

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

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

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

2023年5月23日

18:30 - 22:00

1 Python爬虫环境与爬虫简介

1.1 认识爬虫

1.1.1 常见网上冲浪过程

1.1.2 爬虫的概念

1.1.3 爬虫合法性

1.2 认识反爬虫

1.3 配置Python爬虫环境

2 网页前端基础

2.1 认识网络信息传输过程

2.1.1 网络传输模型

2.1.2 网络信息传输过程

2.2 认识HTTP

2.2.1 认识HTTP

2.2.2 熟悉Cookie

3 简单静态网页爬取

3.1 认识静态网页

3.2 实现HTTP请求

3.2.1 创建工程

3.2.2 生成HTTP请求

3.2.3 完善HTTP请求

3.3 解析网页

3.3.1 为什么要解析网页

3.3.2 初识Xpath

3.3.3 Xpath相对路径及属性查找

3.3.4 使用BeautifulSoup解析网页

3.3.5 网页解析小结

3.4 存储数据

3.4.1 认识chrome开发者工具

3.4.2 任务演练：爬取并存储新莆京科技官网首页数据

2023年5月24日

18:30 - 22:0

4 认识动态网页

4.1 认识动态网页

4.2 逆向分析爬取动态网页

4.2.1 通过网页源码追踪目标数据文件地址

4.2.2 通过开发者工具追踪目标数据文件地址

4.2.3 爬取数据并及进行保存

4.3 使用Selenium库爬取动态网页

4.3.1 搭建Selenium环境

4.3.2 利用Selenium获取网页数据

4.3.3 利用Selenium控制点击操作

2023年5月25日

18:30 - 22:00

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

6. NLP 概率图介绍

7. jieba分词演示

8. 文本的one-hot表达

9. TF-IDF权值策略实现

10. 文本的TF-IDF表达

11. 模型训练与预测

2023年5月26日

18:30 - 22:00

1. 背景与目标

2.1 评论结构分析

2.2 数据接口分析

3.1.1 微博页面接口分析

3.1.2 微博ID获取

3.1.3 微博接口数据获取

3.1.4 长文本获取

3.1.5 单页微博获取

3.1.6 单页微博获取函数

3.2.1 评论数据接口分析

3.2.2 单页评论获取

3.2.3 多页评论翻页

3.3 评论回复数据爬取

3.4 单页微博及评论数据爬取

3.5 多线程爬虫

4. 小结

2023年5月27日

18:30 - 22:00

1 背景与目标

2.1 情感分析介绍

2.2 数据预处理

2.3 官方数据删除

2.4 BosonNLP情感词典打分

2.5 SnowNLP情感分析

3.1 情感分类-数据预处理

3.2 分词和去停用词

3.3 TF-IDF词向量

3.4 朴素贝叶斯

3.5 朴素贝叶斯情感分类

3.6 模型预测和总结

2023年5月28日

18:30 - 22:00

1 背景与目标

2.1 网址分析

2.2 留言ID获取

2.3 留言详情获取

2.4 留言详情回复获取

2.5 函数整合

2.6 多线程爬取

2023年5月29日

18:30 - 22:0

1 背景与目标分析

2.1 样本量分析

2.2 重复数据预处理

2.3 文本预处理

2.4 分词和去停用词

2.5 词云图分词

2.6 词向量获取

2.7 SVM文本分类

2.8 模型应用

3.1 热点数据预处理

3.2 热点数据转化

3.3 密度聚类简介

3.4 热点聚类

3.5 超参数选择

3.6 热度排序

4 小结

金牌助手ChatGPT，让应用开发更高效

2023年5月30日

19:00 - 21:00

Linux操作系统基础

1 Linux概述

1.1 Linux简介与发展历程

1.2  Linux常见版本

2 Linux基本命令

2.1 Linux文件系统树

2.2 创建与删除目录和文件

2.3 查看文件内容

2.4 创建硬链接和符号链接

2.5 帮助命令

2.6 重定向相关命令

2.7 用户及用户组

2.8 权限相关命令

2.9 用户、用户组及权限实践操作进程

3 Linux Vi编辑器

3.1 模式介绍与常见快捷命令

3.2 一般模式快捷键

3.3  编辑模式与指令模式快捷键

Java编程基础

1 基础知识

1.1 Java简介

1.2 Java安装配置

1.3 Java基础语法

1.4.1 Java基本数据类型&引用数据类型

1.4.2 Java变量

1.5 Java String类

1.6.1 Java运算符-赋值运算符&算术运算符

1.6.2 Java运算符-关系、逻辑、其它运算符

1.7 循环、条件、循环中断

1.8 Java数组

1.9.1 函数-修饰符用法

1.9.2 函数的定义

1.9.3 函数重载

1.10.1 Java集合简介

1.10.2 Java集合之List

1.10.3 Java集合之Set

1.10.4 Java集合之Map

1.10.5 Java集合-实例

1.11 Java泛型

2 面向对象

2.1 类和实例

2.2.1 类封装

2.2.2 类继承

2.2.3 类多态

2.2.4 类多态实战

2.3.1 抽象类、接口

2.3.2 抽象类、接口实战

3 线程及异常处理

3.1.1 多线程-1

3.1.2 多线程-2

3.1.3 多线程-练习

3.2.1 包、异常-1

3.2.2 包、异常-2

Scala编程基础

1 Scala简介

1.1 Scala简介

2 Scala安装配置

2.1 Scala线上环境介绍

2.2 在Windows上搭建Scala

2.3 在Linux上搭建Scala

2.4 Scala插件安装

2.5 创建第一个Scala工程

3 Scala基础语法

3.1 Scala类型、变量、运算符

3.2 数组

3.3 if条件判断

3.4 循环语句

3.5 实现冒泡排序法

3.6 列表List

3.7 列表ListBuffer

3.8 集合Set

3.9 计算最大公约数和最小公倍数

3.10 映射Map

3.11 元组Tuple

4 函数

4.1 函数定义

4.2 匿名函数

4.3 高阶函数

4.4 集合中的高阶函数

4.5 递归与尾递归

5 面向对象编程

5.1 面向对象编程简介

5.2 类的定义

5.3 定义类实现有理数的运算

5.4 单例对象

5.5 样例类和模式匹配

6 文件读写

6.1 文件读写

6.2 手机号码段查询

2023年5月20日

18:30 - 22:00

主讲：冯国灿

主题内容：计算机视觉技术及其应用

2023年5月20日

18:30 - 22:00

1 认识Hadoop

1.1 认识大数据

1.2 Hadoop简介和发展简史

1.3 Hadoop特性与生态环境

2 Hadoop集群的安装配置

2.1 安装虚拟机

2.2 配置固定IP

2.3 克隆虚拟机并修改配置

2.4 配置ssh无密码登录

2.5 配置时间同步服务

2023年5月21日

18:30 - 22:00

2.6 安装Java

2.7 Hadoop集群架构

2.8 Hadoop集群安装与配置

2.9 Hadoop集群启动与监控界面介绍

3 HDFS基本操作

3.1 HDFS简介及架构

3.2 HDFS数据读写流程

3.3 HDFS管理命令

3.4 HDFS目录基本操作

3.5 HDFS文件基本操作

4 MapReduce原理与架构

4.1 MapReduce思想与设计构思

4.2 MapReduce框架结构

5 MapReduce入门编程

5.1 MapReduce单词计数原理

5.2 MapReduce单词计数源码分析

5.3 搭建MapReduce开发环境

5.4 MapReduce单词计数编程实现

5.5 MapReduce实现XX与YY连接

5.6 MapReduce实现单词统计次数排序

2023年5月22日

18:30 - 22:00

1 Hive简介

2 Hive安装配置

2.1 Hadoop集群介绍与MySQL安装

2.2 Hive安装配置

2.3 Hive单词计数

3 Hive应用

3.1.1 Hive表定义

3.1.2 创建内部表与外部表

3.1.3 创建静态分区表和动态分区表

3.1.4 创建带数据的表和桶表

3.2 Hive导入及导出

2023年5月23日

18:30 - 22:00

3 Hive应用

3.3.1 Select查询基本用法1

3.3.2 Select查询基本用法2

3.3.3 内置函数应用

3.3.4 关联查询

2023年5月24日

18:30 - 22:00

1 案例背景与挖掘目标

2 数据存储

3 数据探索与数据清洗

4 属性规约

5 属性构造

4 Hive开发

4.1 构建Maven工程

4.2 开发环境连接测试

4.3 创建公共连接类与建表

4.4 导入数据到订单表与物品表

4.5 统计顾客数量和商品销售量

4.6 统计各类型商品的购买情况

4.7 统计所有商品销售排名Top20

4.8 统计不同类型商品销量Top10

4.9 将相同客户订单整合写入Hive

5 Hive自定义函数

5.1 创建UDF函数

5.2 创建临时函数

5.3 永久函数的创建与删除

5.4 创建UDAF函数

5.5 创建UDTF函数

6 Hive查询优化

6.1 视图的创建与删除

6.2 创建物化视图

6.3 文件存储格式

2023年5月25日

18:30 - 22:00

1 HBase简介与原理架构

1.1 HBase简介

1.2 HBase原理架构

2 HBase安装配置

2.1 安装集群

3 HBase Shell基本操作

3.1 namespace操作命令

3.2 创建表和查看表

3.3 修改和删除表

3.4 插入和查看数据

3.5 删除表数据

2023年5月26日

18:30 - 22:00

4 表的模式设计

4.1 表设计

5 HBase Java API应用

5.1 开发环境创建和连接HBase集群

5.2 Java API实现创建表和删除表

5.3 Java API设置Region

5.4 Java API修改列簇

5.5 Java API插入数据

5.6 Java API查看和删除数据

5.7 Java API任务实现

2023年5月27日

18:30 - 22:00

1 Spark入门

1.1 Spark入门

2 Spark集群的安装配置

2.1 Spark安装部署

2.2 Spark安装部署实战

3 Spark架构及原理

3.1 Spark架构

3.2 Spark RDD及DAG图相关概念

4 Spark编程基础

4.1 创建RDD

4.1 创建RDD

4.2 RDD常用算子之transformation算子（1）

4.3 RDD常用算子之transformation算子（2）

4.4 RDD常用算子之键值对RDD算子

4.5 RDD常用算子之action算子

4.6 文件读取与存储

4.7 统计用户停留时间最长的基站

2023年5月28日

18:30 - 22:00

5 配置Spark IDEA开发环境

5.1 搭建Spark开发环境

6 Spark SQL应用

6.1 Spark SQL简介

6.2 Spark SQL配置

6.3 从结构化数据文件创建DataFrame

6.4 从外部数据库创建DataFrame

6.5 从RDD创建DataFrame

6.6 读取Hive表数据创建DataFrame

6.7 读取学生成绩创建DataFrame

6.8 常见DataFrame API操作1

6.9 常见的DataFrame操作2

6.10 常见的DataFrame操作3

6.11 通过DataFrame API计算学生总分和平均分

6.12 保存DataFrame数据

6.13 保存学生成绩分析结果到Hive

6.14 DataSet基础操作

6.15 统计商品销量

2023年5月29日

18:30 - 22:0

1 项目背景与目标分析

1.1 背景介绍

1.2 目标分析

1.3 系统架构介绍

2 数据存储

2.1 数据介绍

2.2 数据存储

2.3 开发环境搭建

3 数据探索与清洗

3.1.1 数据探索1

3.1.2 数据探索2

3.1.3 数据探索3

3.1.4 数据探索4

3.2.1 数据清洗1

3.2.2 数据清洗2

3.2.3 数据清洗3

2023年5月30日

18:30 - 22:0

4 用户画像标签计算

4.1 用户画像简介

4.2 消费内容

4.3 消费等级

4.4 产品名称

4.5 入网程度&业务名称

4.6 地区&语言偏好

5 SVM预测用户是否挽留

5.1 SVM介绍

5.2 特征构建

5.3 标签构建

5.4 模型构建与评估

1 大数据分布式消息Zookeeper

2 Flume数据采集

3 Kafka消息系统

4 Flink大数据实时处理

5 商品实时推荐系统（Flume+Kafka+Flink）

2023年5月31日

19:00 - 21:00

Python编程基础

1.1 认识Python

2.1.1 编写第一个Python程序

2.1.2 缩进代码

2.2.1 字符串基本操作

2.2.2 字符串的索引及切片操作

2.2.3 任务实现-字符串与数值处理

2.3.1 Python常用运算符介绍

2.3.2 任务实现-计算圆形的各参数

3.1 认识Python数据结构

3.2.1 创建列表

3.2.2 列表索引及切片操作

3.2.3 为列表添加元素

3.2.4 列表元素的删除及修改操作

3.2.5 列表推导式

3.2.6 任务实现-求解曲边图形面积

3.3.1 创建字典

3.3.2 字典的增删改查操作

3.3.3 任务实现-单词词频统计

4.1.1 考试成绩等级划分-任务描述

4.1.2 条件判断及分支语句

4.1.3 try-except语句

4.1.4 任务实现-考试成绩等级划分

4.2.1 循环语句

4.2.2 任务实现-实现一组数的连加与连乘操作

4.3 冒泡排序法排序

5.1.1 使用def定义函数

5.1.2 任务实现-自定义求列表均值的函数

5.2 使用lambda创建匿名函数

5.3 存储并导入函数模块

6.1 认识面向对象

6.2.1 创建Human类

6.2.2 创建对象

7.1.1 读取文件数据

7.1.2 任务实现-文件数据读取及词频统计

7.2 将数据写入文件

8 模块和第三方库

Python数据分析与应用

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与启动Jupyter Notebook

1.4 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

2.1.1 NumPy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 Matplotlib数据可视化基础

3.1 掌握绘图基础语法与常用参数

3.1.1 Matplotlib介绍

3.1.2 基础图形绘制

3.1.3 常用参数设置

3.2 分析特征间关系

3.2.1 绘制散点图

3.2.2 散点图参数设置

3.2.3 绘制折线图

3.3 分析特征内部数据分布与分散情况

3.3.1 绘制直方图

3.3.2 绘制饼图

3.3.3 绘制箱线图

4 Pandas统计分析基础

4.1 Pandas简介

4.2 读写的不同数据源的数据

4.2.1 Pandas读取文本数据

4.2.2 存储数据框

4.2.3 Pandas读取excel文件

4.2.4 将数据框存储为excel文件

4.3 数据框与数据框元素

4.3.1 构建数据框

4.3.2 查看数据框的常用属性

4.3.3 按行列顺序访问数据框中的元素

4.3.4 按行列名称访问数据框中的元素

4.3.5 修改数据框中的元素

4.3.6 删除数据框中的元素

4.3.7 描述分析数据框中的元素

4.4 转换与处理时间序列数据

4.4.1 转换成时间类型数据

4.4.2 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

2023年5月21日

18:30 - 22:00

主讲：冯国灿

主题内容：计算机视觉技术及其应用

2023年5月21日

18:30 - 22:00

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

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

2023年5月22日

18:30 - 22:00

4.1 单个神经元介绍

4.2 经典网络结构介绍

4.3 神经网络工作流程演示

4.4 如何修正网络参数-梯度下降法

4.5 网络工作原理推导

4.6 网络搭建准备

4.7 样本从输入层到隐层传输的Python实现

4.8 网络输出的Python实现

4.9 单样本网络训练的Python实现

4.10 全样本网络训练的Python实现

4.11 网络性能评价

4.12 调用sklearn实现神经网络算法

2023年5月23日

18:30 - 22:00

1 PyTorch简介

2 张量操作

2.1 创建张量

2.2 张量与数组相互转化

3 构建一个线性模型

3.1 任务描述：构建一个线性模型

3.2 读取数据

3.3 构建初始模型及损失函数

3.4 test-构建优化器

3.5 构建优化器

3.6 最小化方差(训练)

3.7 执行多轮训练

3.8 训练过程可视化

4 识别手写数字

4.1 案例目标流程

4.2 加载数据

4.3 加工数据

4.4 模型结构介绍

4.5 构建模型

4.6 模型配置

4.7 模型训练

4.8 执行多轮训练

4.9 模型性能评估

4.10 保存模型

4.11 加载模型

4.12 模型应用

2023年5月24日

18:30 - 22:00

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 实现卷积和操作

2.7 实现池化操作

2023年5月25日

18:30 - 22:00

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

4.1 LSTM的三个门

4.2 LSTM三个门的计算示例

4.3 实现LSTM操作

4.4 LSTM返回值解读

5 利用LSTM实现mnist手写数字识别

5.1 加载数据

5.2 数据加工

5.3 搭建循环神经网络

5.4 模型配置

5.5 模型训练

5.6 模型性能验证

2023年5月26日

18:30 - 22:00

1 背景与目标

2 数据处理

2.1 图像读取及尺寸调整

2.2 图像增强之翻转操作

2.3 图像增强之旋转缩放

2.4 获取所有照片路径

2.5 批量获取照片数据

2.6 将数据处理过程封装成函数

3 模型构建（AlexNet）

3.1 AlexNet介绍

3.2 搭建第一次卷积结构

3.3 完成AlexNet搭建

3.4 模型训练

4 模型性能评估

4.1 模型性能评估及预测

4.2 小结

2023年5月27日

18:30 - 22:00

1 背景与目标

2 数据准备

2.1 数据基本介绍

2.2 词嵌入介绍

2.3 进行词向量训练

2.4 构建词向量矩阵

2.5 获取编码后的语料库

2.6 对各样本执行padding操作

2.7 拆分数据并将其转为模型所需格式

3 构建模型

3.1 模型介绍

3.2 模型构建

3.3 模型训练

3.4 性能评估

4 小结

2023年5月28日

18:30 - 22:00

1 背景与目标

1.1 背景与目标

1.2 目标分析

1.3 开发环境和工程结构介绍

2 人脸检测

2.1 MTCNN人脸检测介绍

2.2 执行人脸检测操作

3 人脸对齐

3.1 执行人脸对齐操作

3.2 人脸检测及对齐代码整理

4 人脸特征提取

4.1 FaceNet溯源-计算机视觉领域的部分大事件

4.2 FaceNet介绍

4.3 执行人脸特征提取操作

5 人脸识别

5.1 获取后台数据库中的人脸数据

5.2 获取后台数据库人脸数据脚本解读

5.3 完成人脸识别操作

5.4 代码整理与结果可视化

6 小结

2023年5月29日

19:00 - 21:00

Python编程基础

1.1 认识Python

2.1.1 编写第一个Python程序

2.1.2 缩进代码

2.2.1 字符串基本操作

2.2.2 字符串的索引及切片操作

2.2.3 任务实现-字符串与数值处理

2.3.1 Python常用运算符介绍

2.3.2 任务实现-计算圆形的各参数

3.1 认识Python数据结构

3.2.1 创建列表

3.2.2 列表索引及切片操作

3.2.3 为列表添加元素

3.2.4 列表元素的删除及修改操作

3.2.5 列表推导式

3.2.6 任务实现-求解曲边图形面积

3.3.1 创建字典

3.3.2 字典的增删改查操作

3.3.3 任务实现-单词词频统计

4.1.1 考试成绩等级划分-任务描述

4.1.2 条件判断及分支语句

4.1.3 try-except语句

4.1.4 任务实现-考试成绩等级划分

4.2.1 循环语句

4.2.2 任务实现-实现一组数的连加与连乘操作

4.3 冒泡排序法排序

5.1.1 使用def定义函数

5.1.2 任务实现-自定义求列表均值的函数

5.2 使用lambda创建匿名函数

5.3 存储并导入函数模块

6.1 认识面向对象

6.2.1 创建Human类

6.2.2 创建对象

7.1.1 读取文件数据

7.1.2 任务实现-文件数据读取及词频统计

7.2 将数据写入文件

8 模块和第三方库

Python数据分析与应用

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与启动Jupyter Notebook

1.4 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

2.1.1 NumPy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 Matplotlib数据可视化基础

3.1 掌握绘图基础语法与常用参数

3.1.1 Matplotlib介绍

3.1.2 基础图形绘制

3.1.3 常用参数设置

3.2 分析特征间关系

3.2.1 绘制散点图

3.2.2 散点图参数设置

3.2.3 绘制折线图

3.3 分析特征内部数据分布与分散情况

3.3.1 绘制直方图

3.3.2 绘制饼图

3.3.3 绘制箱线图

4 Pandas统计分析基础

4.1 Pandas简介

4.2 读写的不同数据源的数据

4.2.1 Pandas读取文本数据

4.2.2 存储数据框

4.2.3 Pandas读取excel文件

4.2.4 将数据框存储为excel文件

4.3 数据框与数据框元素

4.3.1 构建数据框

4.3.2 查看数据框的常用属性

4.3.3 按行列顺序访问数据框中的元素

4.3.4 按行列名称访问数据框中的元素

4.3.5 修改数据框中的元素

4.3.6 删除数据框中的元素

4.3.7 描述分析数据框中的元素

4.4 转换与处理时间序列数据

4.4.1 转换成时间类型数据

4.4.2 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

2023年5月20日

18:30 - 22:00

主讲：冯国灿

主题内容：计算机视觉技术及其应用

2023年5月20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 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

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

2023年5月21日

18:30 - 22:00

4.1 单个神经元介绍

4.2 经典网络结构介绍

4.3 神经网络工作流程演示

4.4 如何修正网络参数-梯度下降法

4.5 网络工作原理推导

4.6 网络搭建准备

4.7 样本从输入层到隐层传输的Python实现

4.8 网络输出的Python实现

4.9 单样本网络训练的Python实现

4.10 全样本网络训练的Python实现

4.11 网络性能评价

4.12 调用sklearn实现神经网络算法

2023年5月22日

18:30 - 22:00

1 PyTorch简介

2 张量操作

2.1 创建张量

2.2 张量与数组相互转化

3 构建一个线性模型

3.1 任务描述：构建一个线性模型

3.2 读取数据

3.3 构建初始模型及损失函数

3.4 test-构建优化器

3.5 构建优化器

3.6 最小化方差(训练)

3.7 执行多轮训练

3.8 训练过程可视化

4 识别手写数字

4.1 案例目标与流程

4.2 加载数据

4.3 加工数据

4.4 模型结构介绍

4.5 构建模型

4.6 模型配置

4.7 模型训练

4.8 执行多轮训练

4.9 模型性能评估

4.10 保存模型

4.11 加载模型

4.12 模型应用

2023年5月23日

18:30 - 22:00

1 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 将卷积结构可视化

2.8 实现池化操作

2023年5月24日

18:30 - 22:00

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

4.1 LSTM的三个门

4.2 LSTM三个门的计算示例

4.3 实现LSTM操作

4.4 LSTM返回值解读

5 利用LSTM实现手写数字识别

5.1 加载数据

5.2 数据加工

5.3 搭建循环神经网络

5.4 模型配置

5.5 模型训练

5.6 模型性能验证

2023年5月25日

18:30 - 22:00

1 概述

2.1 图像基础

2.2 读写图像

3.1 几何变换-图像平移和旋转

3.2 几何变换-最近邻插值

3.3 几何变换-其他插值方法介绍

4.1 灰度处理-线性变换

4.2 灰度处理-非线性变换

4.3 灰度处理-直方图均衡化

4.4 图像二值化

2023年5月26日

18:30 - 22:00

5.1 图像平滑

5.2 图像锐化-Sobel算子

5.3 图像锐化-其他算法

6 练习

7 图像批处理任务示例

8.1 OpenCV循环读取-批量获取图像路径

8.2 OpenCV循环读取-批量读取图片和标签

8.3 OpenCV循环读取-数据应用示例

9.1 图像文件读取-参数说明

9.2 图像文件读取-读取训练和测试数据

9.3 图像文件读取-查看数据情况

9.4 图像文件读取-数据应用示例

2023年5月27日

18:30 - 22:00

1 背景与目标

2 数据处理

2.1 图像读取及尺寸调整

2.2 图像增强之翻转操作

2.3 图像增强之旋转缩放

2.4 获取所有照片数据

2.5 批量获取照片数据

2.6 将数据处理过程封装成函数

3 模型构建（AlexNet）

3.1 AlexNet介绍

3.2 搭建第一次卷积结构

3.3 完成AlexNet搭建

3.4 模型训练

4 模型性能评估

4.1 模型性能评估及预测

4.2 小结

2023年5月28日

18:30 - 22:00

1 背景与目标

1.1 背景与目标

1.2 目标分析

1.3 开发环境和工程结构介绍

2 人脸检测

2.1 MTCNN人脸检测介绍

2.2 执行人脸检测操作

3 人脸对齐

3.1 执行人脸对齐操作

3.2 人脸检测与对齐代码整理

4 人脸特征提取

4.1 FaceNet溯源-计算机视觉领域的部分大事件

4.2 FaceNet介绍

4.3 执行人脸特征提取操作

5 人脸识别

5.1 获取后台数据库中的人脸数据

5.2 获取后台数据库人脸数据脚本解读

5.3 完成人脸识别操作

5.4 代码整理与结构可视化

6 小结

2023年5月29日

18:30 - 22:00

1 背景与目标

2 目标分析

2.1 目标检测任务的难点与挑战

2.2 目标检测方法发展历程

2.3 经典二阶段&一阶段算法介绍

3 YOLO目标检测

3.1 将目标检测任务转化为回归任务

3.2 YOLOv1中训练样本的标签设计

3.3 YOLOv1网络结构及输出数据解读

3.4 YOLOv1损失函数介绍

3.5 YOLOv1的缺点

3.6 YOLOv3及YOLOX介绍

3.7 目标检测常用数据集与性能评价指标介绍

3.8 项目目标完成步骤介绍

4 数据探索与处理

4.1 配套资源说明

4.2 数据探索

4.3 CopyAndPast数据增强介绍

4.4 CopyAndPast数据增强实现

4.5 汇总照片数据

2023年5月30日

18:30 - 22:00

5.1 数据加工介绍

5.2 数据加工实现

6 环境搭建与模型训练

6.1 创建虚拟开发环境

6.2 启动虚拟环境并为其安装依赖库

6.3 安装YOLOX

6.4 模型训练

7 模型应用

7.1 模型应用

7.2 小结

8 拓展延申

2023年5月31日

19:00 - 21:00

Python编程基础

1.1 认识Python

1.2.1 Python开发环境介绍

1.2.2 Python解释器下载安装

1.3.1 安装PyCharm

1.3.2 使用PyCharm

1.3.3 在PyCharm中使用交互模式执行代码

2.1.1 编写第一个Python程序

2.1.2 缩进代码

2.2.1 字符串基本操作

2.2.2 字符串的索引及切片操作

2.2.3 任务实现-字符串与数值处理

2.3.1 Python常用运算符介绍

2.3.2 任务实现-计算圆形的各参数

3.1 认识Python数据结构

3.2.1 创建列表

3.2.2 列表索引及切片操作

3.2.3 为列表添加元素

3.2.4 列表元素的删除及修改操作

3.2.5 列表推导式

3.2.6 任务实现-求解曲边图形面积

3.3.1 创建字典

3.3.2 字典的增删改查操作

3.3.3 任务实现-单词词频统计

4.1.1 考试成绩等级划分-任务描述

4.1.2 条件判断及分支语句

4.1.3 try-except语句

4.1.4 任务实现-考试成绩等级划分

4.2.1 循环语句

4.2.2 任务实现-实现一组数的连加与连乘操作

4.3 冒泡排序法排序

5.1.1 使用def定义函数

5.1.2 任务实现-自定义求列表均值的函数

5.2 使用lambda创建匿名函数

5.3 存储并导入函数模块

6.1 认识面向对象

6.2.1 创建Human类

6.2.2 创建对象

7.1.1 读取文件数据

7.1.2 任务实现-文件数据读取及词频统计

7.2 将数据写入文件

8 模块和第三方库

Python数据分析与应用

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与启动Jupyter Notebook

1.4 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

2.1.1 NumPy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 Matplotlib数据可视化基础

3.1 掌握绘图基础语法与常用参数

3.1.1 Matplotlib介绍

3.1.2 基础图形绘制

3.1.3 常用参数设置

3.2 分析特征间关系

3.2.1 绘制散点图

3.2.2 散点图参数设置

3.2.3 绘制折线图

3.3 分析特征内部数据分布与分散情况

3.3.1 绘制直方图

3.3.2 绘制饼图

3.3.3 绘制箱线图

4 Pandas统计分析基础

4.1 Pandas简介

4.2 读写的不同数据源的数据

4.2.1 Pandas读取文本数据

4.2.2 存储数据框

4.2.3 Pandas读取excel文件

4.2.4 将数据框存储为excel文件

4.3 数据框与数据框元素

4.3.1 构建数据框

4.3.2 查看数据框的常用属性

4.3.3 按行列顺序访问数据框中的元素

4.3.4 按行列名称访问数据框中的元素

4.3.5 修改数据框中的元素

4.3.6 删除数据框中的元素

4.3.7 描述分析数据框中的元素

4.4 转换与处理时间序列数据

4.4.1 转换成时间类型数据

4.4.2 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

2023年5月21日

18:30 - 22:00

主讲：冯国灿

主题内容：计算机视觉技术及其应用

2023年5月21日

18:30 - 22:00

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

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 人工神经网络

4.1 单个神经元介绍

4.2 经典网络结构介绍

4.3 神经网络工作流程演示

4.4 如何修正网络参数-梯度下降法

4.5 网络工作原理推导

2023年5月22日

18:30 - 22:00

4.6 网络搭建准备

4.7 样本从输入层到隐层传输的Python实现

4.8 网络输出的Python实现

4.9 单样本网络训练的Python实现

4.10 全样本网络训练的Python实现

4.11 网络性能评价

4.12 调用sklearn实现神经网络算法

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

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

2023年5月23日

18:30 - 22:00

1 PyTorch简介

2 张量操作

2.1 创建张量

2.2 张量与数组相互转化

3 构建一个线性模型

3.1 任务描述：构建一个线性模型

3.2 读取数据

3.3 构建初始模型及损失函数

3.4 test-构建优化器

3.5 构建优化器

3.6 最小化方差(训练)

3.7 执行多轮训练

3.8 训练过程可视化

4 识别手写数字

4.1 案例目标与流程

4.2 加载数据

4.3 加工数据

4.4 模型结构介绍

4.5 构建模型

4.6 模型配置

4.7 模型训练

4.8 执行多轮训练

4.9 模型性能评估

4.10 保存模型

4.11 加载模型

4.12 模型应用

2023年5月24日

18:30 - 22:00

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 实现卷积和操作

2.7 将卷积结果可视化

2.8 实现池化操作

2023年5月25日

18:30 - 22:00

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

4.1 LSTM的三个门

4.2 LSTM三个门的计算示例

4.3 实现LSTM操作

4.4 LSTM返回值解读

5 利用RNN&LSTM实现MNIST手写数字识别

5.1 加载数据

5.2 数据加工

5.3 搭建循环神经网络

5.4 模型配置

5.5 模型训练

5.6 模型性能验证

2023年5月26日

18:30 - 22:00

1 自然语言处理概述

1.1 自然语言处理概述

2 NLP的基本流程

2.1 NLP的基本流程

2.2 语料字符处理

2.2.1 语料字符处理-字符串函数

2.2.2 正则表达式

2.2.3 正则表达式应用

2.3 分词和停用词处理

2.3.1 分词：正向最大匹配法

2.3.2 分词：正向最大匹配法实现

2.3.3 分词：逆向最大匹配法

2.4.1 N元语法模型

2.4.2 N元语法模型与分词

2.5.1 隐马尔可夫概述

2.5.2 隐马尔可夫实例

2.5.3 Viterbi算法

2.5.4 Viterbi算法应用

2023年5月27日

18:30 - 22:00

2.6 jieba分词

2.7 去停用词

3 文本向量化

3.1.1 向量化与独热编码

3.1.2 基于字典的one-hot实现

3.1.3 基于keras的one-hot表示

3.2 词袋模型

3.3 TF-IDF

3.4.1 Word2Vec模型概述

3.4.2 Word2Vec模型训练

3.4.3 Word2Vec模型应用

3.5 Doc2Vec模型

2023年5月28日

18:30 - 22:00

1 背景与挖掘目标

1.1 背景与目标

1.2 目标分析

2 数据探索与处理

2.1 数据探索

2.2 剔除无效字符及分词操作

2.3 读取停用词表

2.4  去除停用词

2.5 为词语编号

3 词嵌入(Word2Vec)

3.1 词嵌入(Word2Vec)介绍

3.2 获取目标词向量矩阵

3.3 保存处理好的数据

4 模型构建(textCNN)

4.1 统一各样本的词语数量

4.2 textCNN介绍

4.3 构建textCNN

4.4 建模前数据准备

4.5 执行模型训练

5 模型性能评估

5.1 模型性能评估

5.2 小结

2023年5月29日

18:30 - 22:00

1 背景与目标

2 数据准备

2.1 数据基本介绍

2.2 词嵌入介绍

2.3 进行词向量训练

2.4 构建词向量矩阵

2.5 获取编码后的语料库

2.6 对各样本执行padding操作

2.7 拆分数据并将其转为模型所需格式

3 模型训练与性能验证

3.1 Embedding层介绍

3.2 定义Embedding层算子

3.3 定义LSTM层算子

3.4 定义全连接层算子

3.5 定义网络计算流程

3.6 模型构建及配置

3.7 模型训练

3.8 模型性能评估

4 小结

2023年5月30日

18:30 - 22:00

1 背景与目标

1.1 项目目标

1.2 数据介绍

1.3 目标分析

2 数据探索与处理

2.1 数据读取与探索

2.2 获取用户点击流介绍

2.3 统计用户的id点击次数

2.4 获取用户点击流

2.5 提取并保存样本标签

2.6 封装数据处理函数

3 词嵌入

3.1 词嵌入准备

3.2 词向量训练

3.3 构建词向量矩阵

3.4 对点击流进行编码

3.5 统一点击流的长度

3.6 保存词向量及点击流数据

4 模型构建与训练

4.1 建模前数据准备

4.2 模型训练

5 模型性能评估与优化

5.1 模型性能评估

5.2 模型优化

2023年5月31日

18:30 - 22:00

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 字符串的索引及切片操作

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

5 Python文件读取操作

5.1 Python读取文件

5.2 练习3：统计小说中的单词频次

6  函数

6.1 Python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

7.1 Python方法与函数对比介绍

7.2 Python面向对象示例

7.3 Python模块使用

7.4 第三方库的安装与调用

8  注意事项

8.1 Python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

Python数据分析与应用

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与启动Jupyter Notebook

1.4 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

2.1.1 NumPy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 Matplotlib数据可视化基础

3.1 掌握绘图基础语法与常用参数

3.1.1 Matplotlib介绍

3.1.2 基础图形绘制

3.1.3 常用参数设置

3.2 分析特征间关系

3.2.1 绘制散点图

3.2.2 散点图参数设置

3.2.3 绘制折线图

3.3 分析特征内部数据分布与分散情况

3.3.1 绘制直方图

3.3.2 绘制饼图

3.3.3 绘制箱线图

2023年5月21日

18:30 - 22:00

主讲：冯国灿

主题内容：计算机视觉技术及其应用

2023年5月21日

18:30 - 22:00

1 AI+医疗基本介绍

2 AI+医疗的价值分析

3 AI+医疗产业链分析

18:30 - 22:00

1 Pandas统计分析基础

1.1 Pandas简介

1.2 读写不同数据源的数据

1.2.1 Pandas读取文本数据

1.2.2 存储数据框

1.2.3 Pandas读取excel文件

1.2.4 将数据框存储为excel文件

1.3 数据框与数据框元素

1.3.1 构建数据框

1.3.2 查看数据框的常用属性

1.3.3 按行列顺序访问数据框中的元素

1.3.4 按行列名称访问数据框中的元素

1.3.5 修改数据框中的元素

1.3.6 删除数据框中的元素

1.3.7 描述分析数据框中的元素

1.4 转换与处理时间序列数据

1.4.1 转换成时间类型数据

1.4.2 时间类型数据的常用操作

2023年5月22日

18:30 - 22:00

1.5 使用分组聚合进行组内计算

1.5.1 groupby分组操作

1.5.2 agg聚合操作

1.6 创建透视表与交叉表

1.6.1 生成透视表

1.6.2 生成交叉表

2 使用Pandas进行数据预处理

2.1 合并数据

2.1.1 表堆叠

2.1.2 主键合并

2.1.3 重叠合并

2.2 清洗数据

2.2.1 检测与处理重复值

2.2.2 检测与处理缺失值

2.2.3 检测与处理异常值

2.3 标准化数据

2.4 转换数据

2.4.1 哑变量处理

2.4.2 离散化连续型数据

18:30 - 22:00

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

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

18:30 - 22:00

4.1 单个神经元介绍

4.2 经典网络结构介绍

4.3 神经网络工作流程演示

4.4 如何修正网络参数-梯度下降法

4.5 网络工作原理推导

4.6 网络搭建准备

4.7 样本从输入层到隐层传输的Python实现

4.8 网络输出的Python实现

4.9 单样本网络训练的Python实现

4.10 全样本网络训练的Python实现

4.11 网络性能评价

4.12 调用sklearn实现神经网络算法

18:30 - 22:00

1 任务1：构建一个线性模型

1.1 TensorFlow介绍

1.2 TensorFlow2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

18:30 - 22:00

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

4.1 LSTM的三个门

4.2 LSTM三个门的计算示例

4.3 利用RNN&LSTM实现mnist手写数字识别

18:30 - 22:00

1 背景与挖掘目标

2.1 数据探索

2.2 分词和去停用词

2.3 词序列化和长度对齐

3.1 预训练词向量

3.2 词向量矩阵

4.1 textCNN模型搭建

4.2 模型训练

4.3 模型评估和总结

18:30 - 22:00

1 背景与目标

2 数据处理

2.1 图像读取及尺寸调整

2.2 图像增强之翻转操作

2.3 图像增强之旋转缩放

2.4 获取所有照片路径

2.5 批量获取照片数据

2.6 将数据处理过程封装成函数

3 模型构建（AlexNet）

3.1 AlexNet介绍

3.2 搭建第一次卷积结构

3.3 完成AlexNet搭建

3.4 模型训练

4 模型性能评估

4.1 模型性能评估及预测

4.2 小结

18:30 - 22:00

1.1 案例背景介绍

1.2 数据介绍及案例目标

2.1 数据预处理步骤

2.2 数据读取

2.3 windowing方法的介绍

2.4 windowing方法实现

2.5 直方图均衡化

2.6 肿瘤部位的提取

2.7 保存数据

2.8 对所有病人数据做处理

18:30 - 22:00

3.1 定义图片生成器

3.2 图片增强实现

3.3 图片归一化

4.1 模型原理

4.2 模型搭建

4.3 模型编译

4.4 模型训练

5 模型评估与优化

19:00 - 21:00