課程大綱：大數據分析、AI算法與可視(shi)化(hua)技術應用實戰(zhan)培訓
數據分析實戰
第一講 零基礎學Python
講解(jie)Python背景、國內(nei)發(fa)展(zhan)狀況、基礎語法、數據結構及繪圖操(cao)作等內(nei)容(rong)。特別(bie)針對向量計算這塊，著(zhu)重介紹Python在這方(fang)面(mian)的優勢及用法。
第二講 數據分析方法論
講(jiang)解(jie)統計(ji)分析(xi)基礎，包(bao)括統計(ji)學基本概念，假設檢驗，置信區間等基礎，并結合數據案例說明(ming)其使用(yong)場景和運用(yong)方法。介紹數據分析(xi)流程和常見分析(xi)思路，并結合案例進行講(jiang)解(jie)。
第三講 數據處理技法
從數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)接(jie)入(ru)(ru)、數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)統(tong)計、數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)轉換等幾個方面進(jin)(jin)行(xing)講解。數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)接(jie)入(ru)(ru)包(bao)含(han)接(jie)入(ru)(ru)MySQL、Oracle、Hadoop等常(chang)見數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)庫操(cao)作；數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)統(tong)計包(bao)含(han)Pandas包(bao)的(de)具(ju)體用法和講解；數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)轉換包(bao)含(han)對數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)集的(de)關聯、合并(bing)、重塑(su)等操(cao)作。此外，針對海量數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)的(de)情況下，介紹在Spark平臺(tai)上的(de)數(shu)(shu)(shu)(shu)(shu)(shu)據(ju)(ju)(ju)(ju)處理技(ji)術，并(bing)結合真實環境進(jin)(jin)行(xing)操(cao)作講解。
數據挖掘(jue)理(li)論及核(he)心技術
第四講 認識數據挖掘
講解數(shu)據(ju)(ju)挖(wa)掘基(ji)本概念，細致講解業務理解、數(shu)據(ju)(ju)理解、數(shu)據(ju)(ju)準備、建立模(mo)型、模(mo)型評(ping)估、模(mo)型部署各(ge)環節的工作內容(rong)及(ji)相關技術；結合(he)業界經典場景，講解數(shu)據(ju)(ju)挖(wa)掘的實施流程和方(fang)法體系。
第五講 數據挖掘核心技術
細(xi)致講(jiang)解(jie)抽樣、分區、樣本(ben)平衡(heng)、特(te)征(zheng)選(xuan)擇(ze)、訓練模型、評估模型等(deng)數據挖掘核(he)心技術原理，并結合案例講(jiang)解(jie)其(qi)具(ju)體實現和用(yong)法。尤其(qi)針對(dui)樣本(ben)平衡(heng)，重點講(jiang)解(jie)人工(gong)合成、代(dai)價(jia)敏感等(deng)算法；針對(dui)特(te)征(zheng)選(xuan)擇(ze)，重點講(jiang)解(jie)特(te)征(zheng)選(xuan)擇(ze)的核(he)心思路，并結合Python進行案例演示。
大數據算法原理及(ji)案例(li)實(shi)現（1）
第七講 決策樹算法及Python實現
決策(ce)樹是(shi)(shi)非常經典的(de)算(suan)法(fa) ，一般常見于小數據的(de)挖掘。由于決策(ce)樹具有極強(qiang)的(de)可(ke)解(jie)釋(shi)性，針對(dui)海量數據仍然是(shi)(shi)非常重要的(de)實用價值。主要講解(jie)ID3、C4.5、C5.0以(yi)及(ji)CART決策(ce)樹算(suan)法(fa)的(de)實現原理(li)，并結合案例進行Python實現。
第八講 好萊塢百萬級影評數據分析與電影推薦實現
實(shi)戰部分：基于(yu)好(hao)萊塢百(bai)萬級的影評數據(ju)，對(dui)數據(ju)進行(xing)建模、清洗、透視(shi)表操(cao)作。然后根據(ju)用(yong)戶(hu)畫像分析不同的用(yong)戶(hu)喜好(hao)通過機(ji)器學習算法對(dui)不同性別、年齡階(jie)段的用(yong)戶(hu)進行(xing)定(ding)制化的電(dian)影推(tui)薦，后把推(tui)薦的電(dian)影進行(xing)可視(shi)化的展示操(cao)作
大數據算法原理(li)及案例(li)實現（2）
第九講 因果推理算法及Python實現
大數據(ju)分(fen)析技術可以幫助我們去(qu)發(fa)現、解決一(yi)些(xie)業務問題，然(ran)而如何(he)去(qu)判斷(duan)我們的改進(jin)是(shi)否生效(xiao)，是(shi)否在業務指標上呈現過(guo)一(yi)定的因果(guo)邏輯，則是(shi)一(yi)個(ge)重要問題和分(fen)析方向。本節主要介紹因果(guo)推(tui)理算法，包括貝(bei)葉(xie)斯(si)推(tui)理、狀態空間模型以及CausalImpact工具等(deng)內容，并結合案(an)例進(jin)行Python實現。
第十講 深度學習算法及Python實現
對(dui)于(yu)大數據(ju)(ju)的(de)(de)建(jian)模(mo)任(ren)務，我(wo)們可以(yi)基于(yu)深度(du)學(xue)習來實現(xian)(xian)，不僅能夠(gou)針對(dui)海量數據(ju)(ju)進(jin)行(xing)建(jian)模(mo)，其(qi)效果也(ye)非常(chang)不錯(cuo)。本節主要(yao)講解深度(du)學(xue)習的(de)(de)發展歷程，DBN、DNN等(deng)經典深度(du)學(xue)習算法(fa)(fa)，深度(du)學(xue)習優化算法(fa)(fa)以(yi)及(ji)一(yi)些(xie)技巧。同時，介(jie)紹(shao)Keras、OpenCV庫的(de)(de)使用方法(fa)(fa)，并結(jie)合案例進(jin)行(xing)Python實現(xian)(xian)。
第十一講 采用OpenCV實現計算機視覺技術
實戰部分：基于(yu)OpenCV面(mian)部模型，完成對(dui)圖(tu)片和視頻(pin)的(de)(de)(de)人臉識別，實戰中會講(jiang)解(jie)OpenCV的(de)(de)(de)重(zhong)要(yao)類和函數。主要(yao)內容包括OpenCV庫的(de)(de)(de)安裝和部署(shu)、圖(tu)像增強、像素(su)操作(zuo)、圖(tu)形分析等(deng)各種技術，并且詳細介(jie)紹了如何(he)處理來自文件或攝(she)像機的(de)(de)(de)視頻(pin)，以及如何(he)檢測和跟蹤移動對(dui)象(xiang)。
Python應用實戰（一）
第十二講 Python自然語言處理原理及案例
目前文檔(dang)數據已經成為很多企(qi)業重要的資產，通過對文檔(dang)數據進行解(jie)析、建(jian)模、分析、挖掘、可視化，我們能夠發(fa)現不一樣(yang)的洞察。本節(jie)主要講解(jie)自然語言處理基本概念和(he)技法(fa)，包含分詞、關鍵(jian)字提(ti)取(qu)、文摘(zhai)提(ti)取(qu)、文本分類、主題模型、word2vec等內容。介紹在(zai)深(shen)度學習(xi)的加持下(xia)，與傳統做(zuo)法(fa)的區別，并(bing)使用(yong)Python進行案例講解(jie)。
第十三講 數據分析圖表及Python案例
數據可(ke)(ke)視化(hua)是大數據分析(xi)的(de)重要手段，通過合理地使(shi)用(yong)(yong)圖表(biao)，不(bu)僅可(ke)(ke)以(yi)(yi)簡潔地表(biao)達數據的(de)含義，高效地發現問題，還可(ke)(ke)以(yi)(yi)為報告的(de)編寫以(yi)(yi)及數據分析(xi)web應用(yong)(yong)增色不(bu)少。本(ben)節(jie)主要講解常(chang)用(yong)(yong)的(de)數據分析(xi)圖表(biao)及其使(shi)用(yong)(yong)場景，介(jie)紹數據可(ke)(ke)視化(hua)的(de)方(fang)法(fa)論，避免生搬(ban)硬套的(de)使(shi)用(yong)(yong)圖表(biao)，針對不(bu)同的(de)業務場景和需求，合理選擇(ze)可(ke)(ke)視化(hua)方(fang)法(fa)。介(jie)紹的(de)工具不(bu)限(xian)于matplotlib、pycha、pyecharts、ggplot、Bokeh、HoloViews、mpld3、plotly、pygal等常(chang)用(yong)(yong)可(ke)(ke)視化(hua)庫(ku)。
Python應用(yong)實戰(zhan)（二）
第十四講 使用Notebook編寫數據分析報告
數(shu)據(ju)分析報(bao)(bao)告(gao)在大數(shu)據(ju)分析過程中具有重要(yao)價值(zhi)，它體(ti)現了大數(shu)據(ju)分析的(de)目的(de)、過程和結果，以(yi)及對發現問題的(de)解讀(du)、改進方(fang)(fang)案等(deng)等(deng)，本(ben)節主(zhu)要(yao)講(jiang)解使用Notebook編寫(xie)數(shu)據(ju)分析報(bao)(bao)告(gao)的(de)具體(ti)方(fang)(fang)法，以(yi)及編寫(xie)數(shu)據(ju)分析報(bao)(bao)告(gao)的(de)方(fang)(fang)法論，并結合(he)案例講(jiang)解其用法。
第十五講 Seaborn可視化開發實戰
Seaborn是一款(kuan)不錯的(de)可(ke)(ke)視化框架，它和 Pandas一樣是建(jian)立在(zai) Matplotlib 之(zhi)上的(de)。可(ke)(ke)以基(ji)于Seaborn快速開發一個輕量(liang)級的(de)數據(ju)(ju)分析(xi)(xi)web應用。在(zai)網頁中嵌(qian)入圖(tu)表、數據(ju)(ju)以及分析(xi)(xi)的(de)算(suan)法，非常(chang)適合打(da)造企業(ye)(ye)內部的(de)敏捷數據(ju)(ju)分析(xi)(xi)工具集。本節主要介(jie)紹Pie、Scatter、Radar等等各種(zhong)可(ke)(ke)視化解(jie)決方案(an)，同時講解(jie)一個用Seaborn實(shi)現數據(ju)(ju)分析(xi)(xi)功(gong)能（兼(jian)圖(tu)表）的(de)實(shi)際(ji)案(an)例，搭建(jian)服(fu)務(wu)器，在(zai)企業(ye)(ye)內部實(shi)現輕量(liang)級數據(ju)(ju)分析(xi)(xi)應用。
加入高級會員獲得助教答疑
