结盟众多企业“教练”, 共同设计、开发及提供人才培养解决方案,通过新颖多样的学习方式,针对性的定制化内容,助力企业全面提升竞争优势。
覃老师
3天
30000元/天
主题 | 大纲 |
---|---|
一、python基础学习 |
1.print使用 2.运算符和变量 3.循环 4.列表元组字典 5.if条件 6.函数 7.模块 8.类的使用 9.input用法 10.文件读写 11.异常处理 案例:猜数字游戏设计 |
二、.科学计算包numpy使用学习 |
1.numpy的属性 2.创建array 3.numpy的运算 4:随机数生成以及矩阵的运算 5.numpy的索引 6.array合并 7.array分割 8.numpy的浅拷贝和深拷贝 |
三、数据分析库pandas使用学习 |
1.Series,DataFrame 2.选择数据 3.赋值及操作 3.处理丢失数据 4.读取及写入文件 5.合并 |
四、绘图工具包matplotlib学习 |
1.基础用法 2.figure图像 3.设置坐标轴 4.legend图例 5.scatter散点图 6.contours等高线图 7.subplot |
五、人工智能与机器学习基础 |
1.人工智能概述 2.机器学习概述 3.机器学习算法应用分析 |
六、回归算法一 |
1.一元线性回归 2.代价函数 3.梯度下降法 4.标准方程法 5.sklearn一元线性回归应用 6.多元线性回归 7.sklearn多元线性回归应用 8.非线性回归介绍 案例:葡萄酒质量和时间的关系 案例:职位与薪资回归关系 |
七、回归算法二 |
1.特征缩放,交叉验证法 2.过拟合正则化 3.岭回归 4.sklearn实现岭回归 5.LASSO回归 6.sklearn实现LASSO回归 7.弹性网 案例:波士顿房价预测项目 |
八、逻辑回归 |
1.逻辑回归 2.正确率,召回率,F1指标 3.sklearn实现逻辑回归 4.sklearn实现非线性逻辑回归 案例:银行用户流失预测项目 |
九、KNN |
1.KNN算法介绍 2.python实现knn算法 3.sklearn实现knn算法 案例:鸢尾花数据集分类 |
十、决策树 |
1.决策树-信息熵,ID3,C4.5算法介绍 2.sklearn实现决策树 3.决策树-CART算法 4.CART算法实践 5.决策树解决线性二分类问题 6.决策树解决非线性二分类问题 案例:叶子分类项目 |
十一、神经网络算法 |
1.人工神经网络发展史 2.单层感知器 3.激活函数,损失函数和梯度下降法 4.BP算法介绍 案例:BP算法解决手写数字识别问题 |
十二、SVM算法 |
1.SVM算法原理 案例:SVM实现人脸识别 |
十三、集成学习 |
1.Bagging介绍与使用 2.随机森林介绍与使用 3.Adaboost介绍与使用 4.Stacking和Voting介绍与使用 案例:泰坦尼克号获救人员预测项目 |
十四、聚类算法 |
1.k-means算法原理 2.k-means算法实现 3.DBSCAN算法原理 4.DBSCAN算法实现 案例:NBA球队聚类 |
十五、葡萄酒质量分类项目 |
1.缺失值处理 2.标签处理 3.模型预测 |
十六、天气预测项目 |
1.数据预处理 2.特征选择 3.模型预测 |
十七、贷款违约预测项目 |
1.缺失值处理 2.特征抽象 3.特征缩放 4.处理样本不平衡问题 5.模型预测 |