cda

全國校區

您的位置:首頁 > 課程列表 > AI工程師

AI工程師

AI工程師

難度:


周期: 18周

18800

提前一個月報名優惠1000元

立即報名 咨詢老師

AI工程師

 姓名:

 電話:

 郵箱:

   備注:

邀請碼:

提交信息
  • WHAT 課程簡介

    《AI工程師》適合零基礎入門到進階AI工程師意向學員。提供4個半月的周末非脫產集訓課程,畢業之后可以推薦相關工作。
    本課程屬于數據科學的高級課程,從Python基礎,Python數據分析到高階人工智能的數學基礎、深度學習的常用工具介紹(Tensorflow、Keras、Caffe、PyTorch)、深度學習在各個領域的應用、深度學習高級算法等內容,對Python語言技能有較高的要求。
    課程每期至少3位以上相關領域專家授課,使用實際案例手把手將人工智能技術傳授給學員,使CDA AI工程師課程更符合市場真實要求,更符合市場主流和未來5年的趨勢,幫助學員快速進入AI領域并長期保持較強的市場競爭力。
    最后結合熱門行業電商、金融、電信、醫藥真實案例和業務出發,升華技術應用場景,使所學更符合就業要求, 達到企業用人標準,快速在大數據時代找準工作定位。學員畢業要求能夠帶領團隊協同完成數據分析項目,能夠掌握數據數據分析大多數崗位(高級算法工程師、自然語言處理工程師、AI工程師)技能。
  • WHY 學習目標

    熟悉AI工具,包括TensorFlow、Keras、Caffe、PyTorch
    熟悉深度學習應用
    熟悉CNN、RNN、Faster RCNN等深度神經網絡模型,并掌握其相關的優化算法
    了解深度學習高級算法,包括生成對抗網絡、強化學習等
  • WHO 學習對象和基礎

    在校數學、計算機、統計學、大數據、數據分析相關專業高年級學生
    有5年一般數據分析經驗或1年以上機器學習經驗學員
    零基礎決心進入AI工程師領域學員

01Python編程基礎知識

01-01成為Python高手之前必備基礎知識
01-02數據分析的武器庫與分析工具Python介紹
01-03Python的基本數據類型和數據結構
01-04Python的程序控制
01-05Python的函數與模塊
01-06Python日期和時間處理
01-07Python字符串處理與正則表達式
01-08Python異常處理和文件操作
01-09實戰:基于Python的函數創建與商業實操文件操作

02Python進行數據整理和數據清洗

01-01Numpy中的數據類型--ndarray數組的創建
01-02Numpy數組基礎:索引、切片、變形、分裂
01-03Numpy數組運算:通用函數
01-04Numpy數組變形、拼接
01-05Numpy數組計算:廣播、聚合、比較和掩碼、數組排序
01-06Pandas對象簡介:Series、Dataframe、Index
01-07Pandas數據加載與存儲
01-08Pandas數值運算方法:通用函數、聚合函數、遍歷
01-09Panda層次化索引
01-10Pandas數據處理:數據類型轉換、缺失值處理、字符串轉換
01-11Pandas數據表的合并與連接
01-12Pandas數據的累計與分組
01-13高性能Pandas:query()、eval()實現高性能運算
01-14Pandas數據規整化:清理、轉換、合并、重塑
01-15Pandas時間序列&金融數據處理
01-16實戰案例1:泰坦尼克幸存者數據清洗
01-17實戰案例2:USDA食品數據清洗

03數據分析之統計學基礎-線上

01-01數據分析簡介
01-02概率論基礎知識
01-03描述性統計分析
01-04統計量及其抽樣分布
01-05參數估計
01-06假設檢驗
01-07方差分析基本原理

04Python進行網絡爬蟲

01-01網絡爬蟲基礎知識
01-02網絡請求及響應-Requests庫
01-03HTML文檔解析-BeautifulSoup庫
01-04常見反爬蟲機制及應對
01-05網絡爬蟲 VS 網絡數據抓取
01-06實戰1:新東方批量下載頭像
01-07實戰2:抓取豆瓣書籍簡介
01-08實戰3:模擬瀏覽器selenium抓取電商商品信息及評論

05Python數據清洗高級操作及案例實戰

01-01如何成為一名優秀的數據分析師
01-02P供Python讀取的數據:CSV文件、JSON數據、XML數據
01-03數據的獲取與存儲:數據的不平等性、真實性、可讀性、清潔度等
01-04對獲取到的數據進行探索:埃博拉病毒危機、列車安全數據、童工數據
01-05數據清洗探索:找出要清洗的數據、數據格式化、找出離群值和不良數據、找出重復數據、模糊匹配、正則匹配等
01-06數據清洗探索:標準化和腳本化(數據歸一化和標準化、找到適合項目的數據清洗方法、數據清洗腳本化、用新數據測試)
01-07數據探索和分析:數據探索(表函數探索、連接多個數據集、找出離群值、創建分組)
01-08數據探索與分析:分離和聚焦數據、描述結論、書寫報告文檔
01-09Pandas時間序列&金融數據處理
01-10數據清洗實戰案例:泰坦尼克幸存者數據清洗&USDA食品數據清洗
01-11數據探索實例:為什么非洲童工雇傭的概率更高?腐敗感和童工雇傭有什么關系?
01-12數據探索實例:國外電商用戶購買信息的數據處理與探索:通過購物籃商品信息探索出客戶來源、流失、留存率、消費水平及消費傾向。

06SQL關系型數據庫-線上

01-01關系型數據庫與SQL簡介
01-02數據庫與數據表操作
01-03數據類型與約束條件
01-04填充數據與修改數據表
01-05SQL單表查詢與多表查詢
01-06查詢操作符與子查詢
01-07SQL函數
01-08電商查詢綜合案例分析

07Python進行數據可視化技術-線上

01-01繪圖思想的基本原理
01-02Python數據可視化包-Matplotlib介紹
01-03使用Matplotlib進行基本的圖形繪制
01-04使用Python數據處理包Pandas做可視化
01-05Python數據可視化包-Seaborn介紹與圖形繪制
01-06Python數據可視化包-Pyecharts介紹與圖形繪制
01-07使用Python進行地圖繪制-Pyecharts
01-08數據可視化技巧

08Python進行機器學習和sklearn實戰-Part1

01-01機器學習入門介紹:機器學習基本思想、常用算法分類、算法庫等
01-02Scikit-Learn入門介紹:特征矩陣、標簽數組、評估器及常用函數
01-03Scikit-Learn特征工程:分類特征、文本特征、圖像特征、特征衍生、缺失值填充、特征管道
01-04KNN-最近鄰分類器、KD-Tree和KNN回歸
01-05KNN算法示例:改進約會網站配對效果
01-06梯度下降算法:梯度下降、隨機梯度下降和微批梯度下降
01-07原理補充:條件概率計算、全概率公式、K-S曲線、受試者特征曲線(ROC)等
01-08貝葉斯分類器:樸素貝葉斯、貝葉斯網絡
01-09樸素貝葉斯算法示例:垃圾郵件過濾
01-10原理補充:梯度下降算法,包括梯度下降、隨機梯度下降和微批梯度下降
01-11回歸分析:線性回歸、嶺回歸、LASSO和彈性網
01-12回歸分析算法示例:預測海洋生物鮑魚的年齡
01-13廣義線性回歸:Logistic回歸和泊松回歸
01-14Logistic回歸算法示例:構建信用卡反欺詐模型

09Python進行機器學習和sklearn實戰-Part2

01-01樹模型:C4.5、C5.0和CART樹
01-02樹模型算法示例:紅酒分類
01-03SVM支持向量機分類和支持向量機回歸
01-04SVM算法示例:手寫數字識別
01-05集成算法之Bagging類算法:Bagging、隨機森林等
01-06集成算法之Boosting類算法:Boosting、GBDT梯度提升樹、XgBoost等
01-07集成算法示例:泰坦尼克號幸存者預測
01-08神經網絡算法:反向傳播神經網路、卷積神經網絡、LSTM等

10Python進行機器學習和sklearn實戰-Part3

01-01聚類分析:K-means快速聚類、DBSCAN密度聚類、層次聚類等
01-02關聯規則:Apriori、FP-Growth、PrefixSpan等
01-03無監督學習:LDA、LSI
01-04數據降維方法:PCA主成分分析和SVD奇異值分解
01-05Scikit-Learn常用功能介紹與使用:網格搜索、Pipline
01-06大型綜合案例:利用Pipline選擇模型構建機器學習流,并利用網格搜索完成模型調優

11電商行業大型案例

01-01營銷:精準營銷實現流量的增加
01-02產品:產品生命周期管理
01-03活動:KPI檢測體系構建
01-04品牌:品類管理與多位能力模型構建
01-05案例:基于國外大型電商用戶購買信息數據的客戶購買預測模型構建流程
01-06step1:數據的讀取及定位需要清洗的數據
01-07step2:模型有監督/無監督判斷
01-08step3:非結構數據處理
01-09step4:空值、重復數據、離群點處理
01-10step5:數據量綱處理(歸一化/標準化)
01-11step6:構建評分卡模型/反欺詐預測模型
01-12step7:模型的評估與選擇
01-13step8:模型的優化與封裝

12金融行業大型案例

01-01客戶:客戶細分與用戶畫像
01-02產品:產品生命周期與用戶關系管理
01-03營銷:精準營銷、網絡獲客、客戶維護與客戶生命周期管理
01-04風險管理:中小微企業的貸款風險和償債能力分析、信用卡評分
01-05基于大型金融公司的客戶貸款信息,構建用戶信用評分卡模型的建模步驟:
01-06step1:數據的讀取及定位需要清洗的數據
01-07step2:模型有監督/無監督判斷
01-08step3:非結構數據處理
01-09step4:空值、重復數據、離群點處理
01-10step5:數據量綱處理(歸一化/標準化)
01-11step6:構建評分卡模型/反欺詐預測模型
01-12step7:模型的評估與選擇
01-13step8:模型的優化與封裝

13人工智能的數學基礎

01-01高等數學基礎:導數與偏導、梯度向量、極值定理、泰勒展開、拉格朗日乘法
01-02線性代數:矩陣與張量、矩陣的正定性、可逆矩陣、雅克比行列式、子空間、范數、哈希空間
01-03降維:PCA/SVD方法
01-04概率論與統計學:常見分布、期望、方差、協方差、熵
01-05優化問題:凸集、凸函數、凸優化、對偶、無約束梯度分析、無約束迭代法、線性回歸求解
01-06SVN建模、求解、拓展
01-07EM統計建模
01-08GMM統計建模與實踐

14人工智能工具庫及其應用

02-01TensorFlow工具簡介
02-02張量與圖計算
02-03TensorFlow API的構建
02-04TensorFlow 簡單API進行多層感知器建模
02-05TensorFlow 簡單API進行CNN/LSTM建模
02-06TensorFlow DataSet與數據高效讀寫
02-07TensorFlow 復雜API的高效特征工程處理
02-08Keras工具簡介
02-09Keras序貫模型與函數模型的使用
02-10Keras多層感知器
02-11Keras卷積神經網絡
02-12Caffe工具簡介、架構與設計
02-13使用Caffe訓練神經網絡模型
02-14使用Caffe實現數據集的圖像分類
02-15使用Caffe提取圖像特征
02-16PyTorch工具簡介
02-17張量、梯度與自動求導
02-18基于PyTorch的基礎模型搭建
02-19基于PyTorch的多層感知器搭建
02-20基于PyTorch的神經網絡搭建

15深度學習的應用

03-01使用TensorFlow基于矩陣分解構建電商推薦系統
03-02使用TensorFlow完成復雜電商推薦系統
03-03使用TensorFlow構建LR、FM完成廣告到達率預測
03-04使用Keras構建深度學習模型解決新零售銷量預估問題
03-05NNLM模型介紹
03-06使用Keras完成詞向量的訓練
03-07基于卷積神將網絡的文本分類模型
03-08基于RNN/LSTM實現新聞文本分類
03-09基于神經網絡實構建唐詩生成器
03-10使用LSTM構建時間序列的預測模型
03-11實戰:實現網站流量預估
03-12實戰:對PM2.5的值進行預測
03-13圖像處理:圖像識別
03-14圖像處理:基于內容的圖像檢測
03-15圖像處理:物體檢測與圖像分割
03-16fine-tuning解決方案
03-17使用RNN進行評論情感分析

16對抗生成網絡與強化學習

04-01生成對抗網絡與圖像生成
04-02生成對抗網絡的應用:pix2pix圖像翻譯
04-03生成對抗網絡的應用:漢子藝術字生成
04-04強化學習簡介及其與監督/無監督的對比
04-05馬爾可夫決策過程
04-06強化學習:Deep Q Network
04-07強化學習:DDPG

17期末畢業答辯

01-01銀行業之進件評分卡建置
01-02電信行業交叉銷售案例分析
01-03零售行業忠誠客戶價值預測
01-04航空業客戶聚類與精準營銷

來自業界的數據領袖團隊

  • 吳昊天

    CDA Level 2 大數據分析師考試命題組組長

    曾就職于電子科技大學大數據中心醫療衛生研究所,歷任數據分析師、數據挖掘工程師、大數據架構師等職,多次參與并主導醫保反欺詐領域和智慧診療相關算法設計、執行、優化等相關工作, 擁有豐富的算法研發經驗與多項算法專利。擁有豐富的數據類項目管理經驗。
  • 傅老師

    金融數學博士/CDA數據分析研究院金牌講師

    主要從事金融數學,金融數據分析等領域的研究,發表SCI,EI,CSSCI核心期刊論文多篇。在具體行業方面,傅教授先后擔任過咨詢公司、互聯網金融機構、數據管理公司的高級數據分析顧問,先后參與過客戶估值、反欺詐識別、輿情分析等數據分析項目,有著豐富的行業經驗。
  • 董雪婷(Yuki)

    復旦大學數學科學學院&CDA Institute會員

    擁有近10年的數據項目工作經驗,曾就職于美資咨詢公司Hay Group(現名為光輝合益),通過數據驅動幫助客戶 提升組織效能。 后轉為甲方企業資深數據挖掘工程師,曾就職于攜程、餓了么、 陸金所。主要從事數據分析和挖掘工作。
  • 李御璽

    國立臺灣大學資訊工程博士

    銘傳大學大數據研究中心主任,銘傳大學資訊工程學教授,銘傳大學大數據研究中心主任,中華資料采礦協會理事 其研究領域專注于數據倉庫(Data Warehousing)、數據挖掘(Data Mining)、與文本挖掘。
  • 韓要賓

    杭州沐垚科技有限公司創始人兼COO,CDA數據分析研究院資深講師

    5年電商從業經驗,4年數據挖掘實戰經驗;專注于數據分析與挖掘、機器學習、深度學習,服務客戶包括蘇寧易購、迪卡儂、百草味、浙江師范大學等。
權威?經管之家CDA LEVEL Ⅲ數據科學家認證證書,行業頂尖人才認證,已獲得IBM大數據大學,中國電信,蘇寧,德勤,獵聘,CDMS等企業的認可。
專業?CDA認證是根據商業數據分析專業崗位設立的一套體系化、科學化、正規化的人才標準。全國統考、專家命題、評分公平、流程嚴格,更具含金量。
權益?持證人享有系列特殊權益。證書皆綁定考生真實身份,可在CDA官網查詢,確保唯一性與防偽性。證書三年審核一次,保證持證人的實力與權益。

認證介紹:
CDA數據分析師認證”是一套專業化,科學化,國際化,系統化的人才考核標準,分為CDA LEVELⅠ ,LEVEL Ⅱ,LEVEL Ⅲ,涉及金融、電商、醫療、互聯網、電信等行業大數據及數據分析從業者所需要具備的技能,符合當今全球大數據及數據分析技術潮流,為各界企業、機構提供數據分析人才參照標準。經管之家為中國區CDA數據分析師認證考試唯一主辦機構,于每年6月與12月底在全國范圍舉辦線下數據分析師考試,通過考試者可獲得CDA數據分析師認證證書。
CDA持證人福利
1.可吸納為CDA Institute、中國數據分析師(CDA)俱樂部會員,活動中具有優先報名參與權。
2.可優先獲得CDA內部就業及職業發展推薦。
3.免費參與CDA舉辦的中國數據分析師行業峰會、大數據峰會、研討會等各項活動,Level Ⅱ與Level III持證人享受特權位置。
4.可申請加入CDA數據分析項目組,參與項目合作(提供項目給持證人演練)。
5.CDA Level Ⅰ持證人免費享受Peixun.net會員服務6個月(價值588 RMB),Level Ⅱ與Level III持證人免費享受peixun.net會員服務1年 (價值998 RMB);
6.其他特權皆以各類活動公告為主。
進入考試報名系統
  • Q:在這門課程中會學習到什么?

    A:本課程結合以人工智能最核心的人工智能與深度學習為出發點,通俗講解AI領域必備經典算法模型,以實戰為導向結合深度學習經典框架進行項目實戰,快速掌握人工智能必備基礎與實戰技巧。
  • Q:如果學不會怎么辦?

    A:首先,我們有一次免費學習的機會,如果還是學不會,授課老師會和學生面談,發現問題所在,并讓老師給出學習建議,查缺補漏,可以再跟著免費學一期。目前咱們還沒有出現過這樣的情況,對于學員來講都是想盡快掌握技術能夠運用到工作中。
  • Q:為什么要學習這門課程?

    A: 我們目前正處于第四次科技浪潮-人工智能。人工智能這個概念很早就被提出,不過受限于計算機處理技術和樣本數據的匱乏,始終停留在科研層面并未廣泛應用于生活。隨著計算機技術的高速發展和數據處理技術的更新,我們所能收集處理的數據也越來越龐大。人工智能技術也可以可以走下高高科學殿堂,來到普通人的身邊。隨著AlphaGo戰勝李世石,人們對人工智能的認識和熱情達到了頂峰,我們相信人工智能將在未來5-10年深刻改變我們的生活。從2013年開始人工智能領域的投資增長了3倍,對于人工智能人才的需求也愈來愈強烈。
  • Q:這門課程有什么先修要求?

    A:這門課需要你最好掌握中級編程知識、中級統計學知識、中級微積分和線性代數知識。如果你不具備,可以先加入《數據分析與SPSS應用》課程和《Python機器學習實戰》課程,一站式打好基礎。

OK
彩经网双色球免费预测