课程描述

在大数据时代，数据的重要性显得越来越重要，Python作为一门优秀的编程语言，用于处理数据也非常方便，并且数据的分析和挖掘处理功能也非常强大，在这一门课程中，将使用Python3一步一步讲解数据分析与人工智能的知识，并且全程采用实战案例教学，让学员可以从实际场景中学习到以下技能：

• 1、掌握数据挖掘基础工具使用；

• 2、掌握数据挖掘处理数据方法；

• 3、了解常见机器学习算法原理；

• 4、掌握深度学习算法和框架。

可用于解决如下实际问题：

• 1、从数据支持到策略开发；

• 2、实现自动交易策略；

• 3、深度学习模型的训练过程。

授课说明

课程形式：课堂讲授、讲义解析、实战互动演练

培训环境

• 机器要求：计算机1台1人

• 软件要求：Windows7以上、Python环境

• 硬件要求：CPU： 主流即可

• RAM：8GB以上

• 教学环境：局域网、白板、投影仪

课程大纲

Python数据分析基础Python数据分析与挖掘技术基础

数据分析与挖掘技术基础

• 科学计算numpy

• pandas

• 数据可视化matpalotlib

• Python数据导入实战

• Python数据可视化分析实现

Python数据清洗、集成与变换

• Python数据清洗

• Python数据集成

• Python数据变换

• 学会预处理大规模数据

Python数据挖掘建模

Python数据建模与分类实现

• Python数据建模概述

• Python数据分类实现过程

• 常见分类算法

• KNN算法

• 贝叶斯方法

• 回归分析与决策树

Python数据分析与挖掘聚类实现与回归分析

• 聚类常见算法

• 聚类三法实战（划分法、层次法、密度法）

• K-Means算法

• Python数据回归分析

Python机器学习

• 特征工程

• 监督学习分类算法

• 监督学习回归算法

• 非监督学习

• Scikit-learn使用

• 模型选择与调优

Python降维技术与大型数据分析与挖掘项目实战

• Python数据降维分析实现

• 大型网站用户行为基本数据分析与挖掘分析项目实践

人工智能工具Tensorflow

• TensorFlow API的构建

• 简单API进行多层感知器建模

• 简单API进行CNN/LSTM建模

• DataSet与数据高效读写

• 复杂API的高效特征工程处理

• Keras工具简介

• 序贯模型与函数模型的使用

• 多层感知器

• Keras卷积神经网络

• 项目案例实战：验证码识别