課程亮點：

科學的內(nèi)容設置

七年數(shù)據(jù)科學教學積淀，內(nèi)容體系全面，講解深入淺出從基礎內(nèi)容到前沿知識、從理論基礎到工具實踐，算法全體系知識一站式解決！

前沿的教學模式

案例驅(qū)動式教學，告別枯燥乏味的學習體驗，海量實戰(zhàn)項目你的學習效率！CDA AI實驗室在線編程環(huán)境和免費算力使用。算法競賽項目結(jié)業(yè)，高能力可以被驗證！

專業(yè)的講師助教

高校專家、名企大咖合力精研課程體系，精英講師、助教全力保障授課服務課程導學、行業(yè)解析、視頻授課、一對一督學，四大團隊全程伴你成長。

完善的就業(yè)服務

百家合作企業(yè)內(nèi)部推薦，完善就業(yè)輔導體系提供全方位指導行業(yè)紅利+合作企業(yè)+就業(yè)服務，三重保障助你新職業(yè)揚帆起航！

學習目標：

內(nèi)容服務全面升級、轉(zhuǎn)行就業(yè)一步到位，回歸教育本質(zhì)，真正讓學員為學習結(jié)果買單

課程內(nèi)容：

第1階段

預備知識：數(shù)據(jù)科學的數(shù)據(jù)庫基礎

了解數(shù)據(jù)庫在行業(yè)應用中的價值及其在數(shù)據(jù)分析中的地位，掌握數(shù)據(jù)庫中數(shù)據(jù)存儲、數(shù)據(jù)查詢、數(shù)據(jù)處理技術(shù)，了解與工業(yè)場景中Python 操作數(shù)據(jù)庫的邏輯和方法，并攻克BAT數(shù)據(jù)庫重點筆試題。

第1章：數(shù)據(jù)的存儲、讀取及簡單處理

（一）導學直播：數(shù)據(jù)庫應用價值及其在數(shù)據(jù)分析中的地位

（二）操作數(shù)據(jù)庫-數(shù)據(jù)的存儲

（三）查詢數(shù)據(jù)庫中的數(shù)據(jù)-查詢語句

（四）數(shù)據(jù)庫高級操作-函數(shù)

（五）工業(yè)場景下數(shù)據(jù)庫數(shù)據(jù)的提取與處理形式：Python連接數(shù)據(jù)庫

（六）專題直播：BAT數(shù)據(jù)庫面試題精講

（七）階段作業(yè)

第二階段

數(shù)據(jù)分析工具熟練運用養(yǎng)成計劃

了解Python在數(shù)據(jù)科學、人工智能領(lǐng)域的地位，3倍速高效掌握Python編程、Python數(shù)據(jù)處理與可視化核心技術(shù)，并理解可視化技術(shù)實現(xiàn)結(jié)果輸出與內(nèi)容美化的數(shù)據(jù)表達邏輯。

第二章：3倍速學習Python核心編程技術(shù)

（一）導學直播：Python數(shù)據(jù)分析工具的市場競爭力分析

（二）Python編程的破冰之旅

（三）掌握Python序列對象：字符串、列表、元組、字典

（四）建立python控制流語句知識模型：條件判斷和循環(huán)的藝術(shù)

（五）實現(xiàn)Python的模塊化程序設計：函數(shù)

（六）面向?qū)ο缶幊膛c類

（八）專題直播：使用Git和Github進行版本控制

（九）階段作業(yè)

第三章：數(shù)據(jù)分析入門：使用Numpy+Matplotlib分析數(shù)據(jù)

（一）導學直播：巧用Python強大的第三方庫功能，大幅度提升編程任務效率

（二）共享單車每季度平均騎行時間對比

（三）動手創(chuàng)建一個批量溫度轉(zhuǎn)換器

（四）共享單車各類用戶的平均騎行時間趨勢對比

（五）氣溫數(shù)據(jù)的描述性統(tǒng)計分析：大值、小值、平均值

（六）共享單車的用戶類別分析：比例

（七）氣溫數(shù)據(jù)的可視化分析

（八）共享單車用類別分析的統(tǒng)計圖形繪制

（九）功能強大的Numpy的高級操作

（十）階段作業(yè)

第四章：Pandas從數(shù)據(jù)分析到可視化

（一）導學直播：數(shù)據(jù)表達邏輯-結(jié)果輸出與內(nèi)容美化

（二）比較咖啡店各類飲品的數(shù)量與熱量

（三）PM*.5的數(shù)值展示及不同來源數(shù)值差異對比展示

（四）分析電子游戲在各國的營收情況并用堆疊圖展示

（五）房屋價格影響因素探索與房價趨勢的可視化展示

（六）神奇寶貝數(shù)據(jù)的變量關(guān)系探索與分析

（七）不同手機操作系統(tǒng)的流量使用情況分析

（八）統(tǒng)計不同專業(yè)的員工平均薪資

（九）股票行情分析及價格趨勢的可視化展示

（十）幸福指數(shù)的等級分析

（十一）專題直播：python實現(xiàn)excel辦公自動化

（十二）階段作業(yè)

第三階段

數(shù)據(jù)價值的挖掘及預測技術(shù)實戰(zhàn)

掌握機器學習、深度學習的數(shù)學基礎、機器學習理論及實現(xiàn)、深度學習理論及實現(xiàn)；掌握機器學習、深度學習在推薦系統(tǒng)、金融、量化等領(lǐng)域的工業(yè)應用實踐及模型部署上線

第五章：數(shù)據(jù)價值挖掘及預測的數(shù)學基礎知識

（一）導學直播：數(shù)學基礎在機器學習中的重要性與必要性講解

（二）構(gòu)建機器學習的線性代數(shù)知識模型

（三）掌握機器學習算法原理推導中的微積知識

（四）掌握機器學習算法必知必會的統(tǒng)計學知識

（五）專題直播：Python實現(xiàn)統(tǒng)計分析的方法-statsmodel的介紹及使用

（六）階段作業(yè)

第六章：掌握數(shù)據(jù)價值挖掘及預測的監(jiān)督學習算法基礎

（一）導學直播：機器學習入門與算法總覽

（二）根據(jù)像素值對CIFAR10圖像數(shù)據(jù)進行KNN算法分類

（三）動手實現(xiàn)基于決策樹的收入分類與可視化

（四）使用線性回歸模型實現(xiàn)Ames房價預測

（五）使用邏輯回歸構(gòu)建信用卡反欺詐預測模型

（六）使用樸素貝葉斯構(gòu)建垃圾郵件分類器

（七）使用支持向量機對金融支付服務的欺詐行為進行預測

（八）通過boosting提升傳統(tǒng)算法在海外電商企業(yè)用戶細分項目中的效果

（九）使用XGBoost提升樹對人類發(fā)展指數(shù)官方數(shù)據(jù)集進行回歸預測

（十）監(jiān)督學習綜合應用實戰(zhàn)：基于超參數(shù)優(yōu)化的Gradient Boosting的銷售預測

（十一）專題直播：機器學習的人才需求及技術(shù)應用現(xiàn)狀分析

（十二）階段作業(yè)

第七章：掌握數(shù)據(jù)價值挖掘及預測的無監(jiān)督學習算法基礎

（一）導學直播：實際工作中我們應該如何根據(jù)場景選擇適合的機器學習算法模型

（二）使用KMeans進行旅游企業(yè)客戶分群

（三）使用PCA進行基因序列異常檢測實現(xiàn)癌癥診斷

（四）基于潛在狄利克雷分配（LDA）的內(nèi)容主題挖掘

（五）使用Apriori進行322萬知乎用戶的關(guān)注話題關(guān)聯(lián)分析

（十二）階段作業(yè)

第八章：使用深度學習完成你的第1個AI項目-人臉識別

（一）導學直播：深度學習的行業(yè)應用價值及技術(shù)發(fā)展趨勢

（二）單層感知器與多層感知器在反欺詐預測上的表現(xiàn)對比

（三）使用神經(jīng)網(wǎng)絡進行手寫數(shù)字圖片識別

（四）快速上手構(gòu)建一個人臉識別系統(tǒng)

（五）專題直播：深度學習主流框架介紹

（六）階段作業(yè)

第九章 工業(yè)項目實戰(zhàn)保障機器學習技術(shù)的落地實踐

（一）導學直播：工業(yè)場景下的機器學習模型應用與模型部署

（二）推薦系統(tǒng)案例精講

（三）金融風控案例精講

（四）時間序列案例精講

（五）算法模型的部署-在人工智能實驗室 中部署我們的反欺詐預測模型

（六）專題直播：機器學習工程師職業(yè)成長路徑

（七）階段作業(yè)

第四階段

分布式機器學習的工具基礎與工業(yè)項目實戰(zhàn)

看了解大數(shù)據(jù)工具運用的工業(yè)應用價值、大數(shù)據(jù)生態(tài)系統(tǒng)的重要組件、大數(shù)據(jù)架構(gòu)搭建方法；掌握海量數(shù)據(jù)的存儲與處理技術(shù)；了解Spark大數(shù)據(jù)處理工具及相關(guān)組件；了解分布式機器學習的工業(yè)應用價值，掌握Spark MLlib分布式機器學習實現(xiàn)的邏輯及其在金融、計算廣告、推薦系統(tǒng)、量化投資等領(lǐng)域的應用。

第十章：海量數(shù)據(jù)存儲和處理技術(shù)：Linux環(huán)境下Sp****.x+Python開發(fā)環(huán)境的

（一）導學直播：海量數(shù)據(jù)處理的市場需求分析及工具介紹

（二）導入本地虛擬機至virtualbox及啟動系統(tǒng)和遠程桌面連接

（二）大數(shù)據(jù)環(huán)境快速搭建：Hadoop偽分布式集群的搭建

（三）大數(shù)據(jù)環(huán)境快速搭建：Linux系統(tǒng)下安裝PySpark模塊并遠程啟動Anaconda

（四）使用結(jié)構(gòu)化海量數(shù)據(jù)處理框架Spark SQL、Spark DataFrame進行航空數(shù)據(jù)分析

（五）專題直播：Spark DataFrame與Python DataFrame異同

（六）階段作業(yè)

第十一章：千萬級別數(shù)據(jù)的機器學習問題：機器學習的分布式計算實現(xiàn)

（一）分布式機器學習的工業(yè)價值及技術(shù)發(fā)展趨勢介紹

（二）PySpark機器學習：Spark Mllib實現(xiàn)算法模型構(gòu)建

（三）構(gòu)建分類模型預測StumbleUpon給用戶個性化推薦的網(wǎng)頁是否長期受歡迎

（四）構(gòu)建回歸模型實現(xiàn)共享單車需求量預測

（五）分布式環(huán)境下的Avazu廣告數(shù)據(jù)集性別標簽預測

（六）基于Avazu廣告數(shù)據(jù)的廣告排名及CTR預估

（七）分布式環(huán)境下的Audioscrobbler音樂推薦系統(tǒng)開發(fā)

（八）基于分布式機器學習的實現(xiàn)個人貸款違約預測

（九）基于分布式機器學習的銀行零售產(chǎn)品的交叉營銷

（十）基于分布式XGBoost的量化投資項目實戰(zhàn)-股票價格的預測

（十一）專題直播：運用Spark ML Pipeline組建簡易文本分類案例需求分析

（十二）階段作業(yè)

作業(yè)

第五階段

結(jié)業(yè)項目競賽

學員將組隊參加DC平臺、阿里天池競賽，提交項目代碼到平臺，根據(jù)項目得分及排名情況進行優(yōu)秀學員評選

第十二章：項目競賽及競賽案例詳解

第六階段

就業(yè)階段

本階段將為學員提供專業(yè)的簡歷指導和就業(yè)推薦服務，為學員的就業(yè)保駕護航。學員入職后持續(xù)提供為期1年的入職護航服務，入職不滿意重新推薦

課程內(nèi)容：

第1階段

預備知識：數(shù)據(jù)科學的數(shù)據(jù)庫基礎

了解數(shù)據(jù)庫在行業(yè)應用中的價值及其在數(shù)據(jù)分析中的地位，掌握數(shù)據(jù)庫中數(shù)據(jù)存儲、數(shù)據(jù)查詢、數(shù)據(jù)處理技術(shù)，了解與工業(yè)場景中Python 操作數(shù)據(jù)庫的邏輯和方法，并攻克BAT數(shù)據(jù)庫重點筆試題。

第1章：數(shù)據(jù)的存儲、讀取及簡單處理

（一）導學直播：數(shù)據(jù)庫應用價值及其在數(shù)據(jù)分析中的地位

（二）操作數(shù)據(jù)庫-數(shù)據(jù)的存儲

（三）查詢數(shù)據(jù)庫中的數(shù)據(jù)-查詢語句

（四）數(shù)據(jù)庫高級操作-函數(shù)

（五）工業(yè)場景下數(shù)據(jù)庫數(shù)據(jù)的提取與處理形式：Python連接數(shù)據(jù)庫

（六）專題直播：BAT數(shù)據(jù)庫面試題精講

（七）階段作業(yè)

第二階段

數(shù)據(jù)分析工具熟練運用養(yǎng)成計劃

了解Python在數(shù)據(jù)科學、人工智能領(lǐng)域的地位，3倍速高效掌握Python編程、Python數(shù)據(jù)處理與可視化核心技術(shù)，并理解可視化技術(shù)實現(xiàn)結(jié)果輸出與內(nèi)容美化的數(shù)據(jù)表達邏輯。

第二章：3倍速學習Python核心編程技術(shù)

（一）導學直播：Python數(shù)據(jù)分析工具的市場競爭力分析

（二）Python編程的破冰之旅

（三）掌握Python序列對象：字符串、列表、元組、字典

（四）建立python控制流語句知識模型：條件判斷和循環(huán)的藝術(shù)

（五）實現(xiàn)Python的模塊化程序設計：函數(shù)

（六）面向?qū)ο缶幊膛c類

（八）專題直播：使用Git和Github進行版本控制

（九）階段作業(yè)

第三章：數(shù)據(jù)分析入門：使用Numpy+Matplotlib分析數(shù)據(jù)

（一）導學直播：巧用Python強大的第三方庫功能，大幅度提升編程任務效率

（二）共享單車每季度平均騎行時間對比

（三）動手創(chuàng)建一個批量溫度轉(zhuǎn)換器

（四）共享單車各類用戶的平均騎行時間趨勢對比

（五）氣溫數(shù)據(jù)的描述性統(tǒng)計分析：大值、小值、平均值

（六）共享單車的用戶類別分析：比例

（七）氣溫數(shù)據(jù)的可視化分析

（八）共享單車用類別分析的統(tǒng)計圖形繪制

（九）功能強大的Numpy的高級操作

（十）階段作業(yè)

第四章：Pandas從數(shù)據(jù)分析到可視化

（一）導學直播：數(shù)據(jù)表達邏輯-結(jié)果輸出與內(nèi)容美化

（二）比較咖啡店各類飲品的數(shù)量與熱量

（三）PM*.5的數(shù)值展示及不同來源數(shù)值差異對比展示

（四）分析電子游戲在各國的營收情況并用堆疊圖展示

（五）房屋價格影響因素探索與房價趨勢的可視化展示

（六）神奇寶貝數(shù)據(jù)的變量關(guān)系探索與分析

（七）不同手機操作系統(tǒng)的流量使用情況分析

（八）統(tǒng)計不同專業(yè)的員工平均薪資

（九）股票行情分析及價格趨勢的可視化展示

（十）幸福指數(shù)的等級分析

（十一）專題直播：python實現(xiàn)excel辦公自動化

（十二）階段作業(yè)

第三階段

數(shù)據(jù)價值的挖掘及預測技術(shù)實戰(zhàn)

掌握機器學習、深度學習的數(shù)學基礎、機器學習理論及實現(xiàn)、深度學習理論及實現(xiàn)；掌握機器學習、深度學習在推薦系統(tǒng)、金融、量化等領(lǐng)域的工業(yè)應用實踐及模型部署上線

第五章：數(shù)據(jù)價值挖掘及預測的數(shù)學基礎知識

（一）導學直播：數(shù)學基礎在機器學習中的重要性與必要性講解

（二）構(gòu)建機器學習的線性代數(shù)知識模型

（三）掌握機器學習算法原理推導中的微積知識

（四）掌握機器學習算法必知必會的統(tǒng)計學知識

（五）專題直播：Python實現(xiàn)統(tǒng)計分析的方法-statsmodel的介紹及使用

（六）階段作業(yè)

第六章：掌握數(shù)據(jù)價值挖掘及預測的監(jiān)督學習算法基礎

（一）導學直播：機器學習入門與算法總覽

（二）根據(jù)像素值對CIFAR10圖像數(shù)據(jù)進行KNN算法分類

（三）動手實現(xiàn)基于決策樹的收入分類與可視化

（四）使用線性回歸模型實現(xiàn)Ames房價預測

（五）使用邏輯回歸構(gòu)建信用卡反欺詐預測模型

（六）使用樸素貝葉斯構(gòu)建垃圾郵件分類器

（七）使用支持向量機對金融支付服務的欺詐行為進行預測

（八）通過boosting提升傳統(tǒng)算法在海外電商企業(yè)用戶細分項目中的效果

（九）使用XGBoost提升樹對人類發(fā)展指數(shù)官方數(shù)據(jù)集進行回歸預測

（十）監(jiān)督學習綜合應用實戰(zhàn)：基于超參數(shù)優(yōu)化的Gradient Boosting的銷售預測

（十一）專題直播：機器學習的人才需求及技術(shù)應用現(xiàn)狀分析

（十二）階段作業(yè)

第七章：掌握數(shù)據(jù)價值挖掘及預測的無監(jiān)督學習算法基礎

（一）導學直播：實際工作中我們應該如何根據(jù)場景選擇適合的機器學習算法模型

（二）使用KMeans進行旅游企業(yè)客戶分群

（三）使用PCA進行基因序列異常檢測實現(xiàn)癌癥診斷

（四）基于潛在狄利克雷分配（LDA）的內(nèi)容主題挖掘

（五）使用Apriori進行322萬知乎用戶的關(guān)注話題關(guān)聯(lián)分析

（十二）階段作業(yè)

第八章：使用深度學習完成你的第1個AI項目-人臉識別

（一）導學直播：深度學習的行業(yè)應用價值及技術(shù)發(fā)展趨勢

（二）單層感知器與多層感知器在反欺詐預測上的表現(xiàn)對比

（三）使用神經(jīng)網(wǎng)絡進行手寫數(shù)字圖片識別

（四）快速上手構(gòu)建一個人臉識別系統(tǒng)

（五）專題直播：深度學習主流框架介紹

（六）階段作業(yè)

第九章 工業(yè)項目實戰(zhàn)保障機器學習技術(shù)的落地實踐

（一）導學直播：工業(yè)場景下的機器學習模型應用與模型部署

（二）推薦系統(tǒng)案例精講

（三）金融風控案例精講

（四）時間序列案例精講

（五）算法模型的部署-在人工智能實驗室 中部署我們的反欺詐預測模型

（六）專題直播：機器學習工程師職業(yè)成長路徑

（七）階段作業(yè)

第四階段

分布式機器學習的工具基礎與工業(yè)項目實戰(zhàn)

看了解大數(shù)據(jù)工具運用的工業(yè)應用價值、大數(shù)據(jù)生態(tài)系統(tǒng)的重要組件、大數(shù)據(jù)架構(gòu)搭建方法；掌握海量數(shù)據(jù)的存儲與處理技術(shù)；了解Spark大數(shù)據(jù)處理工具及相關(guān)組件；了解分布式機器學習的工業(yè)應用價值，掌握Spark MLlib分布式機器學習實現(xiàn)的邏輯及其在金融、計算廣告、推薦系統(tǒng)、量化投資等領(lǐng)域的應用。

第十章：海量數(shù)據(jù)存儲和處理技術(shù)：Linux環(huán)境下Sp****.x+Python開發(fā)環(huán)境的

（一）導學直播：海量數(shù)據(jù)處理的市場需求分析及工具介紹

（二）導入本地虛擬機至virtualbox及啟動系統(tǒng)和遠程桌面連接

（二）大數(shù)據(jù)環(huán)境快速搭建：Hadoop偽分布式集群的搭建

（三）大數(shù)據(jù)環(huán)境快速搭建：Linux系統(tǒng)下安裝PySpark模塊并遠程啟動Anaconda

（四）使用結(jié)構(gòu)化海量數(shù)據(jù)處理框架Spark SQL、Spark DataFrame進行航空數(shù)據(jù)分析

（五）專題直播：Spark DataFrame與Python DataFrame異同

（六）階段作業(yè)

第十一章：千萬級別數(shù)據(jù)的機器學習問題：機器學習的分布式計算實現(xiàn)

（一）分布式機器學習的工業(yè)價值及技術(shù)發(fā)展趨勢介紹

（二）PySpark機器學習：Spark Mllib實現(xiàn)算法模型構(gòu)建

（三）構(gòu)建分類模型預測StumbleUpon給用戶個性化推薦的網(wǎng)頁是否長期受歡迎

（四）構(gòu)建回歸模型實現(xiàn)共享單車需求量預測

（五）分布式環(huán)境下的Avazu廣告數(shù)據(jù)集性別標簽預測

（六）基于Avazu廣告數(shù)據(jù)的廣告排名及CTR預估

（七）分布式環(huán)境下的Audioscrobbler音樂推薦系統(tǒng)開發(fā)

（八）基于分布式機器學習的實現(xiàn)個人貸款違約預測

（九）基于分布式機器學習的銀行零售產(chǎn)品的交叉營銷

（十）基于分布式XGBoost的量化投資項目實戰(zhàn)-股票價格的預測

（十一）專題直播：運用Spark ML Pipeline組建簡易文本分類案例需求分析

（十二）階段作業(yè)

作業(yè)

第五階段

結(jié)業(yè)項目競賽

學員將組隊參加DC平臺、阿里天池競賽，提交項目代碼到平臺，根據(jù)項目得分及排名情況進行優(yōu)秀學員評選

第十二章：項目競賽及競賽案例詳解

第六階段

就業(yè)階段

本階段將為學員提供專業(yè)的簡歷指導和就業(yè)推薦服務，為學員的就業(yè)保駕護航。學員入職后持續(xù)提供為期1年的入職護航服務，入職不滿意重新推薦