|
33272| 179
|
[『編程語言』] 北風(fēng)網(wǎng) AI人工智能頂級實(shí)戰(zhàn)工程師就業(yè)課程
[復(fù)制鏈接]
|
|
北風(fēng)網(wǎng) AI人工智能頂級實(shí)戰(zhàn)工程師就業(yè)課程
附帶課件源碼筆記 價值15800 課程大綱 階段一、人工智能基礎(chǔ) － 高等數(shù)學(xué)必知必會 本階段主要從數(shù)據(jù)分析、概率論和線性代數(shù)及矩陣和凸優(yōu)化這四大塊講解基礎(chǔ)，旨在訓(xùn)練大家邏輯能力，分析能力。擁有良好的數(shù)學(xué)基礎(chǔ)，有利于大家在后續(xù)課程的學(xué)習(xí)中更好的理解機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的相關(guān)算法內(nèi)容。同時對于AI研究尤為重要，例如人工智能中的智能很大一部分依托“概率論”實(shí)現(xiàn)的。 一、數(shù)據(jù)分析 1）常數(shù)e 2）導(dǎo)數(shù) 3）梯度 4）Taylor 5）gini系數(shù) 6）信息熵與組合數(shù) 7）梯度下降 8）牛頓法 二、概率論 1）微積分與逼近論 2）極限、微分、積分基本概念 3）利用逼近的思想理解微分，利用積分的方式理解概率 4）概率論基礎(chǔ) 5）古典模型 6）常見概率分布 7）大數(shù)定理和中心極限定理 8）協(xié)方差(矩陣)和相關(guān)系數(shù) 9）最大似然估計和最大后驗估計 三、線性代數(shù)及矩陣 1）線性空間及線性變換 2）矩陣的基本概念 3）狀態(tài)轉(zhuǎn)移矩陣 4）特征向量 5）矩陣的相關(guān)乘法 6）矩陣的QR分解 7）對稱矩陣、正交矩陣、正定矩陣 8）矩陣的SVD分解 9）矩陣的求導(dǎo) 10）矩陣映射/投影 四、凸優(yōu)化 1）凸優(yōu)化基本概念 2）凸集 3）凸函數(shù) 4）凸優(yōu)化問題標(biāo)準(zhǔn)形式 5）凸優(yōu)化之Lagerange對偶化 6）凸優(yōu)化之牛頓法、梯度下降法求解 階段二、人工智能提升 － Python高級應(yīng)用 隨著AI時代的到來以及其日益蓬勃的發(fā)展，Python作為AI時代的頭牌語言地位基本確定，機(jī)器學(xué)習(xí)是著實(shí)令人興奮，但其復(fù)雜度及難度較大，通常會涉及組裝工作流和管道、設(shè)置數(shù)據(jù)源及內(nèi)部和云部署之間的分流而有了Python庫后，可幫助加快數(shù)據(jù)管道，且Python庫也在不斷更新發(fā)布中，所以本階段旨在為大家學(xué)習(xí)后續(xù)的機(jī)器學(xué)習(xí)減負(fù)。 一、容器 1）列表:list 2）元組:tuple 3）字典: dict 4）數(shù)組: Array 5）切片 6）列表推導(dǎo)式 7）淺拷貝和深拷貝 二、函數(shù) 1）lambda表達(dá)式 2）遞歸函數(shù)及尾遞歸優(yōu)化 3）常用內(nèi)置函數(shù)/高階函數(shù) 4）項目案例：約瑟夫環(huán)問題 三、常用庫 1）時間庫 2）并發(fā)庫 3）科學(xué)計算庫 4）Matplotlib可視化繪圖庫 5）鎖和線程 6）多線程編程 階段三、人工智能實(shí)用 － 機(jī)器學(xué)習(xí)篇 機(jī)器學(xué)習(xí)利用算法去分析數(shù)據(jù)、學(xué)習(xí)數(shù)據(jù)，隨后對現(xiàn)實(shí)世界情況作出判斷和預(yù)測。因此，與預(yù)先編寫好、只能按照特定邏輯去執(zhí)行指令的軟件不同，機(jī)器實(shí)際上是在用大量數(shù)據(jù)和算法去“自我訓(xùn)練”，從而學(xué)會如何完成一項任務(wù)。 所以本階段主要從機(jī)器學(xué)習(xí)概述、數(shù)據(jù)清洗和特征選擇、回歸算法、決策樹、隨機(jī)森林和提升算法、SVM、聚類算、EM算法、貝葉斯算法、隱馬爾科夫模型、LDA主題模型等方面講解一些機(jī)器學(xué)習(xí)的相關(guān)算法以及這些算法的優(yōu)化過程，這些算法也就是監(jiān)督算法或者無監(jiān)督算法。 一、機(jī)器學(xué)習(xí) 1）機(jī)器學(xué)習(xí)概述 二、監(jiān)督學(xué)習(xí) 1）邏輯回歸 2）softmax分類 3）條件隨機(jī)場 4）支持向量機(jī)svm 5）決策樹 6）隨機(jī)森林 7）GBDT 8）集成學(xué)習(xí) 三、非監(jiān)督學(xué)習(xí) 1）高斯混合模型 2）聚類 3）PCA 4）密度估計 5）LSI 6）LDA 7）雙聚類 8）降維算法 四、數(shù)據(jù)處理與模型調(diào)優(yōu) 1）特征提取 2）數(shù)據(jù)預(yù)處理 3）數(shù)據(jù)降維 4）模型參數(shù)調(diào)優(yōu) 5）模型持久化 6）模型可視化 7）優(yōu)化算法：坐標(biāo)軸下降法和最小角回歸法 8）數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則算法 9）感知器模型 階段四、人工智能實(shí)用 － 數(shù)據(jù)挖掘篇 本階段主要通過音樂文件分類和金融反欺詐模型訓(xùn)練等項目，幫助大家對于上階段的機(jī)器學(xué)習(xí)做更深入的鞏固，為后續(xù)深度學(xué)習(xí)及數(shù)據(jù)挖掘提供項目支撐。 項目一：百度音樂系統(tǒng)文件分類 音樂推薦系統(tǒng)就是利用音樂網(wǎng)站上的音樂信息，向用戶提供音樂信息或者建議，幫助用戶決定應(yīng)該聽什么歌曲。而個人化推薦則是基于音樂信息及用戶的興趣特征、聽歌歷史行為，向用戶推薦用戶可能會感興趣的音樂或者歌手。推薦算法主要分為以下幾種：基于內(nèi)容的推薦、協(xié)同過濾推薦、基于關(guān)聯(lián)規(guī)則推薦、基于效用推薦、基于知識推薦等；推薦系統(tǒng)常用于各個互聯(lián)網(wǎng)行業(yè)中，比如音樂、電商、旅游、金融等。 項目二：千萬級P2P金融系統(tǒng)反欺詐模型訓(xùn)練 目前比較火的互聯(lián)網(wǎng)金融領(lǐng)域，實(shí)質(zhì)是小額信貸，小額信貸風(fēng)險管理，本質(zhì)上是事前對風(fēng)險的主動把控，盡可能預(yù)測和防范可能出現(xiàn)的風(fēng)險。本項目應(yīng)用GBDT、Randomforest等機(jī)器學(xué)習(xí)算法做信貸反欺詐模型，通過數(shù)據(jù)挖掘技術(shù)，機(jī)器學(xué)習(xí)模型對用戶進(jìn)行模型化綜合度量，確定一個合理的風(fēng)險范圍，使風(fēng)險和盈利達(dá)到一個平衡的狀態(tài)。 階段五、人工智能前沿 － 深度學(xué)習(xí)篇 深度學(xué)習(xí)是實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)，同時深度學(xué)習(xí)也帶來了機(jī)器學(xué)習(xí)的許多實(shí)際應(yīng)用，拓展了AI的使用領(lǐng)域，本階段主要從TensorFlow、BP神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)概述、CNN卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)、自動編碼機(jī)，序列到序列網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)，孿生網(wǎng)絡(luò)，小樣本學(xué)習(xí)技術(shù)等方面講解深度學(xué)習(xí)相關(guān)算法以，掌握深度學(xué)習(xí)前沿技術(shù)，并根據(jù)不同項目選擇不同的技術(shù)解決方案。針對公司樣本不足，采用小樣本技術(shù)和深度學(xué)習(xí)技術(shù)結(jié)合，是項目落地的解決方案。 1）TensorFlow基本應(yīng)用 2）BP神經(jīng)網(wǎng)絡(luò) 3）深度學(xué)習(xí)概述 4）卷積神經(jīng)網(wǎng)絡(luò)(CNN) 5）圖像分類(vgg,resnet) 6）目標(biāo)檢測(rcnn,fast-rcnn,faster-rcnn,ssd) 7）遞歸神經(jīng)網(wǎng)絡(luò)(RNN) 8）lstm,bi-lstm,多層LSTM 9）無監(jiān)督學(xué)習(xí)之AutoEncoder自動編碼器 10）Seq2Seq 11）Seq2Seq with Attension 12）生成對抗網(wǎng)絡(luò) 13）irgan 14）finetune及遷移學(xué)習(xí) 15）孿生網(wǎng)絡(luò) 16）小樣本學(xué)習(xí) 階段六、人工智能進(jìn)階 － 自然語言處理篇 自然語言處理（NLP）是計算機(jī)科學(xué)領(lǐng)域與人工智能領(lǐng)域中的一個重要方向。它已成為人工智能的核心領(lǐng)域。自然語言處理解決的是“讓機(jī)器可以理解自然語言”這一到目前為止都還只是人類獨(dú)有的特權(quán)，被譽(yù)為人工智能皇冠上的明珠，被廣泛應(yīng)用。本階段從NLP的字、詞和句子全方位多角度的學(xué)習(xí)NLP，作為NLP的基礎(chǔ)核心技術(shù)，對NLP為核心的項目，如聊天機(jī)器人，合理用藥系統(tǒng)，寫詩機(jī)器人和知識圖譜等提供底層技術(shù)。通過學(xué)習(xí)NLP和深度學(xué)習(xí)技術(shù)，掌握NLP具有代表性的前沿技術(shù)。 1）詞（分詞，詞性標(biāo)注）代碼實(shí)戰(zhàn) 2）詞（深度學(xué)習(xí)之詞向量，字向量）代碼實(shí)戰(zhàn) 3）詞（深度學(xué)習(xí)之實(shí)體識別和關(guān)系抽取）代碼實(shí)戰(zhàn) 4）詞（關(guān)鍵詞提取，無用詞過濾）代碼實(shí)戰(zhàn) 5）句（句法分析，語義分析）代碼實(shí)戰(zhàn) 6）句（自然語言理解,一階邏輯）代碼實(shí)戰(zhàn) 7）句（深度學(xué)習(xí)之文本相似度）代碼實(shí)戰(zhàn) 階段七、人工智能進(jìn)階 － 圖像處理篇 數(shù)字圖像處理(Digital Image Processing)是通過計算機(jī)對圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理的方法和技術(shù)。廣泛的應(yīng)用于農(nóng)牧業(yè)、林業(yè)、環(huán)境、軍事、工業(yè)和醫(yī)學(xué)等方面，是人工智能和深度學(xué)習(xí)的重要研究方向。深度學(xué)習(xí)作為當(dāng)前機(jī)器學(xué)習(xí)領(lǐng)域最熱門的技術(shù)之一，已經(jīng)在圖像處理領(lǐng)域獲得了應(yīng)用，并且展現(xiàn)出巨大的前景。本階段學(xué)習(xí)了數(shù)字圖像的基本數(shù)據(jù)結(jié)構(gòu)和處理技術(shù)，到前沿的深度學(xué)習(xí)處理方法。掌握前沿的ResNet,SSD,Faster RCNN等深度學(xué)習(xí)模型，對圖像分類，目標(biāo)檢測和模式識別等圖像處理主要領(lǐng)域達(dá)到先進(jìn)水平。實(shí)際工作中很多項目都可以轉(zhuǎn)化為本課程的所學(xué)的知識去解決，如行人檢測，人臉識別和數(shù)字識別。 一、圖像基礎(chǔ) 圖像讀，寫，保存，畫圖（線，圓，多邊形，添加文字） 二、圖像操作及算數(shù)運(yùn)算 圖像像素讀取，算數(shù)運(yùn)算，ROI區(qū)域提取 三、圖像顏色空間運(yùn)算 圖像顏色空間相互轉(zhuǎn)化 四、圖像幾何變換 平移，旋轉(zhuǎn)，仿射變換，透視變換等 五、圖像形態(tài)學(xué) 腐蝕，膨脹，開/閉運(yùn)算等 六、圖像輪廓 長寬，面積，周長，外接圓，方向，平均顏色，層次輪廓等 七、圖像統(tǒng)計學(xué) 圖像直方圖 八、圖像濾波 高斯濾波，均值濾波，雙邊濾波，拉普拉斯濾波等 階段八、人工智能終極實(shí)戰(zhàn) － 項目應(yīng)用 本階段重點(diǎn)以項目為導(dǎo)向，通過公安系統(tǒng)人臉識別、圖像識別以及圖像檢索、今日頭條CTR廣告點(diǎn)擊量預(yù)估、序列分析系統(tǒng)、聊天機(jī)器人等多個項目的講解，結(jié)合實(shí)際來進(jìn)行AI的綜合運(yùn)用。 項目一：公安系統(tǒng)人臉識別、圖像識別 使用深度學(xué)習(xí)框架從零開始完成人臉檢測的核心技術(shù)圖像類別識別的操作，從數(shù)據(jù)預(yù)處理開始一步步構(gòu)建網(wǎng)絡(luò)模型并展開分析與評估，方便大家快速動手進(jìn)行項目實(shí)踐！識別上千種人靚，返回層次化結(jié)構(gòu)的每個人的標(biāo)簽。 項目二：公安系統(tǒng)圖像檢索 本項目基于卷積神經(jīng)網(wǎng)在訓(xùn)練過程中學(xué)習(xí)出對應(yīng)的『二值檢索向量』，對全部圖先做了一個分桶操作，每次檢索的時候只取本桶和臨近桶的圖片作比對，而不是在全域做比對，使用這樣的方式提高檢索速度，使用Tensorflow框架建立基于ImageNet的卷積神經(jīng)網(wǎng)絡(luò)，并完成模型訓(xùn)練以及驗證。 項目三：今日頭條CTR廣告點(diǎn)擊量預(yù)估 點(diǎn)擊率預(yù)估是廣告技術(shù)的核心算法之一，它是很多廣告算法工程師喜愛的戰(zhàn)場。廣告的價值就在于宣傳效果,點(diǎn)擊率是其中最直接的考核方式之一,點(diǎn)擊率越大,證明廣告的潛在客戶越多,價值就越大,因此才會出現(xiàn)了刷點(diǎn)擊率的工具和技術(shù)。通過對于點(diǎn)擊量的評估，完成對于潛在用戶的價值挖掘。 項目四：序列分析系統(tǒng) 時間序列分析(Time Series Analysis)是一種動態(tài)數(shù)據(jù)處理的統(tǒng)計方法，主要基于隨機(jī)過程理論和數(shù)理統(tǒng)計方法，研究隨機(jī)數(shù)據(jù)序列所遵從的統(tǒng)計規(guī)律以便用于解決實(shí)際問題。主要包括自相關(guān)分析等一般的統(tǒng)計分析方法，構(gòu)建模型從而進(jìn)行業(yè)務(wù)推斷。經(jīng)典的統(tǒng)計分析是假定數(shù)據(jù)序列具有獨(dú)立性，而時間序列分析則側(cè)重于研究數(shù)據(jù)樣本序列之間的依賴關(guān)系。時間序列預(yù)測一般反應(yīng)了三種實(shí)際變化規(guī)律：趨勢變化、周期性變化和隨機(jī)性變化。時間序列預(yù)測常應(yīng)用于國民經(jīng)濟(jì)宏觀控制、企業(yè)經(jīng)營管理、市場潛力量預(yù)測、天氣預(yù)報、水文預(yù)報等方面，是應(yīng)用于金融行業(yè)的一種核心算法之一。 項目五：京東聊天機(jī)器人/智能客服 聊天機(jī)器人/智能客服是一個用來模擬人類對話或者聊天的一個系統(tǒng)，利用深度學(xué)習(xí)和機(jī)器學(xué)習(xí)等NLP相關(guān)算法構(gòu)建出問題和答案之間的匹配模型，然后可以將其應(yīng)用到客服等需要在線服務(wù)的行業(yè)領(lǐng)域中，聊天機(jī)器人可以降低公司客服成本，還能夠提高客戶的體驗友好性。 在一個完整的聊天機(jī)器人實(shí)現(xiàn)過程中，主要包含了一些核心技術(shù)，包括但不限于：爬蟲技術(shù)、機(jī)器學(xué)習(xí)算法、深度學(xué)習(xí)算法、NLP領(lǐng)域相關(guān)算法。通過實(shí)現(xiàn)一個聊天機(jī)器人可以幫助我們隊AI整體知識的一個掌握。 項目六：機(jī)器人寫詩歌 機(jī)器人寫詩歌/小說是一種基于NLP自然語言相關(guān)技術(shù)的一種應(yīng)用，在實(shí)現(xiàn)過程中可以基于機(jī)器學(xué)習(xí)相關(guān)算法或者深度學(xué)習(xí)相關(guān)算法來進(jìn)行小說/詩歌構(gòu)建過程。人工智能的一個終極目標(biāo)就是讓機(jī)器人能夠像人類一樣理解文字，并運(yùn)用文字進(jìn)行創(chuàng)作，而這個目標(biāo)大致上主要分為兩個部分，也就是自然語言理解和自然語言生成，其中現(xiàn)階段的主要自然語言生成的運(yùn)用，自然語言生成主要有兩種不同的方式，分別為基于規(guī)則和基于統(tǒng)計，基于規(guī)則是指首先了解詞性及語法等規(guī)則，再依據(jù)這樣的規(guī)則寫出文章；而基于統(tǒng)計的本質(zhì)是根據(jù)先前的字句和統(tǒng)計的結(jié)果，進(jìn)而判斷下一個子的生成，例如馬爾科夫模型就是一種常用的基于統(tǒng)計的方法。 項目七：機(jī)器翻譯系統(tǒng) 機(jī)器翻譯又稱自動翻譯，是指利用計算機(jī)將一種自然語言轉(zhuǎn)換為另外一種自然語言的過程，機(jī)器翻譯是人工智能的終極目標(biāo)之一，具有很高的研究價值，同時機(jī)器翻譯也具有比較重要的實(shí)用價值，機(jī)器翻譯技術(shù)在促進(jìn)政治、經(jīng)濟(jì)、文化交流等方面起到了越來越重要的作用；機(jī)器翻譯主要分為以下三個過程：原文分析、原文譯文轉(zhuǎn)換和譯文生成；機(jī)器翻譯的方式有很多種，但是隨著深度學(xué)習(xí)研究取得比較大的進(jìn)展，基于人工網(wǎng)絡(luò)的機(jī)器翻譯也逐漸興起，特別是基于長短時記憶(LSTM)的循環(huán)神經(jīng)網(wǎng)絡(luò)(RDD)的應(yīng)用，為機(jī)器翻譯添了一把火。 項目八：垃圾郵件過濾系統(tǒng) 郵件主要可以分為有效郵件和垃圾郵件兩大類，有效郵件指的郵件接收者有意義的郵件，而垃圾郵件轉(zhuǎn)指那些沒有任何意義的郵件，其內(nèi)容主要包含賺錢信息、成人廣告、商業(yè)或者個人網(wǎng)站廣告、電子雜志等，其中垃圾郵件又可以發(fā)為良性垃圾郵件和惡性垃圾郵件，良性垃圾郵件指的就是對收件人影響不大的信息郵件，而惡性垃圾郵件指具有破壞性的電子郵件，比如包含病毒、木馬等惡意程序的郵件。垃圾郵件過濾主要使用使用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等相關(guān)算法，比如貝葉斯算法、CNN等，識別出所接收到的郵件中那些是垃圾郵件。 項目九：手工數(shù)字識別 人認(rèn)知世界的開始就是從認(rèn)識數(shù)字開始的，深度學(xué)習(xí)也一樣，數(shù)字識別是深度學(xué)習(xí)的一個很好的切入口，是一個非常經(jīng)典的原型問題，通過對手寫數(shù)字識別功能的實(shí)現(xiàn)，可以幫助我們后續(xù)對神經(jīng)網(wǎng)絡(luò)的理解和應(yīng)用。選取手寫數(shù)字識別的主要原因是手寫數(shù)字具有一定的挑戰(zhàn)性，要求對編程能力及神經(jīng)網(wǎng)絡(luò)思維能力有一定的要求，但同時手寫數(shù)字問題的復(fù)雜度不高，不需要大量的運(yùn)算，而且手寫數(shù)字也可以作為其它技術(shù)的一個基礎(chǔ)，所以以手寫數(shù)字識別為基礎(chǔ)，貫穿始終，從而理解深度學(xué)習(xí)相關(guān)的應(yīng)用知識。 項目十：癌癥篩選檢測 技術(shù)可以改變癌癥患者的命運(yùn)嗎，對于患有乳腺癌患者來說，復(fù)發(fā)還是痊愈影響這患者的生命，那么怎么來預(yù)測患者的患病結(jié)果呢，機(jī)器學(xué)習(xí)算法可以幫助我們解決這一難題，本項目應(yīng)用機(jī)器學(xué)習(xí)logistic回歸模型，來預(yù)測乳腺癌患者復(fù)發(fā)還是正常，有效的預(yù)測出醫(yī)學(xué)難題。 項目十一：葡萄酒質(zhì)量檢測系統(tǒng) 隨著信息科技的快速發(fā)展,計算機(jī)中的經(jīng)典算法在葡萄酒產(chǎn)業(yè)中得到了廣泛的研究與應(yīng)用。其中機(jī)器學(xué)習(xí)算法的特點(diǎn)是運(yùn)用了人工智能技術(shù),在大量的樣本集訓(xùn)練和學(xué)習(xí)后可以自動地找出運(yùn)算所需要的參數(shù)和模型。 項目十二：淘寶網(wǎng)購物籃分析推薦算法 購物籃分析(Market Basket Analysis)即非常有名的啤酒尿布故事的一個反應(yīng)，是通過對購物籃中的商品信息進(jìn)行分析研究，得出顧客的購買行為，主要目的是找出什么樣的物品會經(jīng)常出現(xiàn)在一起，也就是那些商品之間是有很大的關(guān)聯(lián)性的。通過購物籃分析挖掘出來的信息可以用于指導(dǎo)交叉銷售、追加銷售、商品促銷、顧客忠誠度管理、庫存管理和折扣計劃等業(yè)務(wù)；購物籃分析的最常用應(yīng)用場景是電商行業(yè)，但除此之外，該算法還被應(yīng)用于信用卡商城、電信與金融服務(wù)業(yè)、保險業(yè)以及醫(yī)療行業(yè)等。 項目十三：手工實(shí)現(xiàn)梯度下降回歸算法 梯度下降法（英語：Gradient descent）是一個一階最優(yōu)化算法，通常也稱為最速下降法。 要使用梯度下降法找到一個函數(shù)的局部極小值，必須向函數(shù)上當(dāng)前點(diǎn)對應(yīng)梯度（或者是近似梯度）的反方向的規(guī)定步長距離點(diǎn)進(jìn)行迭代搜索。如果相反地向梯度正方向迭代進(jìn)行搜索，則會接近函數(shù)的局部極大值點(diǎn)；這個過程則被稱為梯度上升法。 項目十四：基于TensorFlow實(shí)現(xiàn)回歸算法 回歸算法是業(yè)界比較常用的一種機(jī)器學(xué)習(xí)算法，通過應(yīng)用于各種不同的業(yè)務(wù)場景，是一種成熟而穩(wěn)定的算法種類；TensorFlow是一種常用于深度學(xué)習(xí)相關(guān)領(lǐng)域的算法工具；隨著深度學(xué)習(xí)熱度的高漲，TensorFlow的使用也會越來越多，從而使用TensorFlow來實(shí)現(xiàn)一個不存在的算法，會加深對TensorFlow的理解和使用；基于TensorFlow的回歸算法的實(shí)現(xiàn)有助于后續(xù)的TensorFlow框架的理解和應(yīng)用，并可以促進(jìn)深度學(xué)習(xí)相關(guān)知識的掌握。 項目十五：合理用藥系統(tǒng) 合理用藥系統(tǒng)，是根據(jù)臨床合理用藥專業(yè)工作的基本特點(diǎn)和要求，運(yùn)用NLP和深度學(xué)習(xí)技術(shù)對藥品說明書，臨床路徑等醫(yī)學(xué)知識進(jìn)行標(biāo)準(zhǔn)化，結(jié)構(gòu)化處理。如自動提取藥品說明書文本里面的關(guān)鍵信息如：藥品相互作用，禁忌，用法用量，適用人群等，實(shí)現(xiàn)醫(yī)囑自動審查，及時發(fā)現(xiàn)不合理用藥問題，幫助醫(yī)生、藥師等臨床專業(yè)人員在用藥過程中及時有效地掌握和利用醫(yī)藥知識，預(yù)防藥物不良事件的發(fā)生、促進(jìn)臨床合理用藥工作。 項目十六：行人檢測 行人檢測是利用圖像處理技術(shù)和深度學(xué)習(xí)技術(shù)對圖像或者視頻序列中是否存在行人并給予精確定位。學(xué)習(xí)完行人檢測技術(shù)后，對類似的工業(yè)缺陷檢測，外觀檢測和醫(yī)療影像檢測等目標(biāo)檢測范疇類的項目可以一通百通。該技術(shù)可與行人跟蹤，行人重識別等技術(shù)結(jié)合，應(yīng)用于人工智能系統(tǒng)、車輛輔助駕駛系統(tǒng)、智能機(jī)器人、智能視頻監(jiān)控、人體行為分析、智能交通等領(lǐng)域。由于行人兼具剛性和柔性物體的特性 ，外觀易受穿著、尺度、遮擋、姿態(tài)和視角等影響，使得行人檢測成為計算機(jī)視覺領(lǐng)域中一個既具有研究價值同時又極具挑戰(zhàn)性的熱門課題。 項目十七：時間序列算法模型 拿到一個觀察序列后，首先要對它的平穩(wěn)性和純隨機(jī)性進(jìn)行檢驗，這兩個重要的檢驗稱為序列的預(yù)處理。根據(jù)檢驗的結(jié)果可以將序列分為不同的類型，對不同的類型我們采用不同的分析方法。 1）移動平均法 (MA) 2）自回歸模型(AR) AR模型是一種線性預(yù)測，即已知N個數(shù)據(jù)，可由模型推出第N點(diǎn)前面或后面的數(shù)據(jù)（設(shè)推出P點(diǎn)）。 本質(zhì)類似于插值，其目的都是為了增加有效數(shù)據(jù)，只是AR模型是由N點(diǎn)遞推，而插值是由兩點(diǎn)（或少數(shù)幾點(diǎn)）去推導(dǎo)多點(diǎn)，所以AR模型要比插值方法效果更好。 3）自回歸滑動平均模型(ARMA) 其建模思想可概括為：逐漸增加模型的階數(shù)，擬合較高階模型，直到再增加模型的階數(shù)而剩余殘差方差不再顯著減小為止。 4）指數(shù)平滑法 移動平均法的預(yù)測值實(shí)質(zhì)上是以前觀測值的加權(quán)和，且對不同時期的數(shù)據(jù)給予相同的加權(quán)。這往往不符合實(shí)際情況。 指數(shù)平滑法則對移動平均法進(jìn)行了改進(jìn)和發(fā)展，其應(yīng)用較為廣泛。 基本思想都是：預(yù)測值是以前觀測值的加權(quán)和，且對不同的數(shù)據(jù)給予不同的權(quán)，新數(shù)據(jù)給較大的權(quán)，舊數(shù)據(jù)給較小的權(quán)。 根據(jù)平滑次數(shù)不同，指數(shù)平滑法分為：一次指數(shù)平滑法、二次指數(shù)平滑法和三次指數(shù)平滑法等 項目十八：PySpark大數(shù)據(jù)機(jī)器學(xué)習(xí)框架 Spark由AMPLab實(shí)驗室開發(fā)，其本質(zhì)是基于內(nèi)存的快速迭代框架，“迭代”是機(jī)器學(xué)習(xí)最大的特點(diǎn)，因此非常適合做機(jī)器學(xué)習(xí)。得益于在數(shù)據(jù)科學(xué)中強(qiáng)大的表現(xiàn)，Python是一種解釋型、面向?qū)ο�、動態(tài)數(shù)據(jù)類型的高級程序設(shè)計語言，結(jié)合強(qiáng)大的分布式內(nèi)存計算框架Spark，兩個領(lǐng)域的強(qiáng)者走到一起，自然能碰出更加強(qiáng)大的火花（Spark可以翻譯為火花）。 Spark的Python API幾乎覆蓋了所有Scala API所能提供的功能，只有極少數(shù)的一些特性和個別的API方法，暫時還不支持。但通常不影響我們使用Spark Python進(jìn)行編程。 項目十九：天池、kaggle比賽 2014年3月，阿里巴巴集團(tuán)董事局主席馬云在北京大學(xué)發(fā)起“天池大數(shù)據(jù)競賽”。首屆大賽共有來自全球的7276支隊伍參賽，海外參賽隊伍超過148支。阿里巴巴集團(tuán)為此開放了5.7億條經(jīng)過嚴(yán)格脫敏處理的數(shù)據(jù)。2014年賽季的數(shù)據(jù)提供方為貴陽市政府，參賽者根據(jù)交通數(shù)據(jù)模擬控制紅綠燈時間，尋找減輕道路擁堵的方法。 Kaggle是一個數(shù)據(jù)分析的競賽平臺，網(wǎng)址：https://www.kaggle.com/企業(yè)或者研究者可以將數(shù)據(jù)、問題描述、期望的指標(biāo)發(fā)布到Kaggle上，以競賽的形式向廣大的數(shù)據(jù)科學(xué)家征集解決方 案，類似于KDD-CUP（國際知識發(fā)現(xiàn)和數(shù)據(jù)挖掘競賽）。Kaggle上的參賽者將數(shù)據(jù)下載下來，分析數(shù)據(jù)，然后運(yùn)用機(jī) 器學(xué)習(xí)、數(shù)據(jù)挖掘等知識，建立算法模型，解決問題得出結(jié)果，最后將結(jié)果提交，如果提交的結(jié)果符合指標(biāo)要求并且在參賽者中排名第一，將獲得比賽豐厚的獎金。 項目二十：量化交易 量化交易(Quantitative Trading)是指借助現(xiàn)代統(tǒng)計學(xué)和數(shù)學(xué)的方法，利用計算機(jī)技術(shù)來進(jìn)行交易的證券投資方式。量化交易從龐大的歷史數(shù)據(jù)中海選能帶來超額收益的多種“大概率”事件以制定策略，用數(shù)量模型驗證及固化這些規(guī)律和策略，然后嚴(yán)格執(zhí)行已固化的策略來指導(dǎo)投資，以求獲得可以持續(xù)的、穩(wěn)定且高于平均收益的超額回報。 量化交易起源于上世紀(jì)七十年代的股票市場，之后迅速發(fā)展和普及，尤其是在期貨交易市場，程序化逐漸成為主流。有數(shù)據(jù)顯示，國外成熟市場期貨程序化交易已占據(jù)總交易量的70%-80%，而國內(nèi)則剛剛起步。手工交易中交易者的情緒波動等弊端越來越成為盈利的障礙，而程序化交易天然而成的精準(zhǔn)性、100%執(zhí)行率則為它的盈利帶來了優(yōu)勢。 階段九、百度云實(shí)戰(zhàn)體系 課程一、深入理解百度云計算基礎(chǔ)產(chǎn)品/基于百度云彈性計算服務(wù)實(shí)現(xiàn)基礎(chǔ)架構(gòu)解決方案 全面介紹BCC（CDS 、EIP）、BLB、RDS、BOS、VPC等百度云彈性計算服務(wù)，介紹百度云的安全防護(hù)方案，深入介紹傳統(tǒng)架構(gòu)下如何通過百度云彈性計算服務(wù)快速構(gòu)建更穩(wěn)定、安全的應(yīng)用； 認(rèn)證培訓(xùn)專家將通過深入淺出，理論和實(shí)踐相結(jié)合的課程幫助學(xué)員深入掌握百度云彈性計算服務(wù)。 1）快速體驗百度云服務(wù)器BCC的功能全貌 2）基于BCC的云磁盤CDS的操作與管理 3）基于BCC的磁盤快照、自定義鏡像的操作與管理 4）基于自定義鏡像快速生成BCC的實(shí)驗 5）基于磁盤快照實(shí)現(xiàn)數(shù)據(jù)備份與恢復(fù)的最佳實(shí)踐 6）基于百度云安全組完成定義IP＋端口的入站和出站訪問策略 7）快速體驗百度云私有網(wǎng)絡(luò)VPC的功能全貌 8）基于百度云VPC+VPN快速搭建Stie-to-Stie的混合云架構(gòu) 9）在百度云VPC網(wǎng)絡(luò)下實(shí)現(xiàn)NAT地址映射的實(shí)踐 10）快速體驗百度云數(shù)據(jù)庫RDS的功能全貌 11）云數(shù)據(jù)庫RDS的備份與恢復(fù)操作體驗 12）熟悉數(shù)據(jù)傳輸服務(wù)DTS的使用 13）快速體驗百度云負(fù)載均衡BLB的功能全貌 14）快速體驗百度云存儲BOS的功能全貌 15）快速體驗百度云數(shù)據(jù)庫RDS的功能全貌 16）快速體驗百度云內(nèi)容分發(fā)網(wǎng)絡(luò)CDN 17）基于BLB、BCC、RDS、BOS和CDN快速部署Discuz論壇實(shí)現(xiàn)彈性架構(gòu)綜合實(shí)驗 18）快速體驗百度云安全BSS和DDOS防護(hù)服務(wù) 19）快速體驗百度云監(jiān)控BCM 課程二、基于百度云的遷移上云實(shí)戰(zhàn) 基于百度云彈性計算服務(wù)的基礎(chǔ)產(chǎn)品，實(shí)現(xiàn)傳統(tǒng)IT架構(gòu)遷移到百度云上的實(shí)戰(zhàn)，為客戶業(yè)務(wù)上云提升能力，提升客戶上云前的信心，上云中和上云后的技術(shù)能力。以真實(shí)的客戶案例，結(jié)合設(shè)計好的動手實(shí)驗課提升實(shí)戰(zhàn)經(jīng)驗，介紹了業(yè)務(wù)上云的過程、方法、工具以及案例等。 1）基于BCC快速部署LNMP基礎(chǔ)環(huán)境 2）基于BCC快速部署LAMP基礎(chǔ)環(huán)境 3）基于BCC快速部署MySQL數(shù)據(jù)庫 4）基于BCC快速部署MS SQL數(shù)據(jù)庫服務(wù) 5）基于BCC快速部署Tomcat基礎(chǔ)環(huán)境 6）云數(shù)據(jù)庫RDS結(jié)合數(shù)據(jù)傳輸服務(wù)DTS實(shí)現(xiàn)數(shù)據(jù)遷移上云的最佳實(shí)踐 7）基于BOS桌面實(shí)現(xiàn)BOS的可視化管理 8）基于BOS FS實(shí)現(xiàn)BOS服務(wù)掛載到本地文件系統(tǒng) 9）基于BOS-Util實(shí)現(xiàn)BOS的批量文件操作的演示 10）基于BOS CLI實(shí)現(xiàn)BOS文件的單機(jī)操作 課程三、在百度云平臺上進(jìn)行開發(fā) 全面介紹使用百度云產(chǎn)品進(jìn)行應(yīng)用開發(fā)，理解百度云主要產(chǎn)品特性，包括BCC、BOS、RDS、SCS在應(yīng)用開發(fā)中的使用，結(jié)合實(shí)際應(yīng)用開發(fā)案例全面的介紹整個開發(fā)流程和百度云產(chǎn)品使用方法，以提升學(xué)員開發(fā)技能和了解百度云產(chǎn)品開發(fā)特點(diǎn)，根據(jù)一天或者兩天的課程，提供多個實(shí)際動手實(shí)驗，認(rèn)證講師指導(dǎo)實(shí)驗，真正做到學(xué)以致用，為學(xué)員實(shí)現(xiàn)上云開發(fā)保駕護(hù)航。 1）基于百度云OpenAPI實(shí)現(xiàn)簡化版控制臺的綜合實(shí)驗 2）基于百度云BOS OpenAPI實(shí)現(xiàn)簡化版的百度網(wǎng)盤 課程四、百度云“天工 · 智能物聯(lián)網(wǎng)”與“天像· 智能多媒體”服務(wù)平臺介紹與案例分析 百度天工物聯(lián)平臺是“一站式、全托管”的物聯(lián)網(wǎng)服務(wù)平臺，依托百度云基礎(chǔ)產(chǎn)品與服務(wù)，提供全棧物聯(lián)網(wǎng)核心服務(wù)，幫助開發(fā)者快速搭建、部署物聯(lián)網(wǎng)應(yīng)用。通過全面介紹天工的IoT Hub、IoT Parser、Rule Engine、IoT Device、BML、BMR、OCR和語音識別等產(chǎn)品與服務(wù)，解析天工典型的產(chǎn)品架構(gòu)方案，應(yīng)用到工業(yè)4.0、車聯(lián)網(wǎng)、能源、物流和智能硬件等各行業(yè)解決方案。 1）基于百度云LSS快速搭建音視頻直播平臺最佳實(shí)踐 2）基于百度云VOD快速搭建音視頻點(diǎn)播平臺最佳實(shí)踐 3）體驗百度云音視頻轉(zhuǎn)碼MCT的轉(zhuǎn)碼計算服務(wù) 4）基于百度云文檔服務(wù)DOC體驗文檔存儲、轉(zhuǎn)碼、分發(fā)播放一站式服務(wù)體驗 5）基于百度云物接入IoT Hub實(shí)現(xiàn)智能設(shè)備與百度云端之間建立安全的雙向連接 6）體驗百度云的物管理IoT Device端到端配置實(shí)踐 課程五、百度云“天智·人工智能”服務(wù)平臺介紹與實(shí)戰(zhàn) 天智是基于世界領(lǐng)先的百度大腦打造的人工智能平臺，提供了語音技術(shù)、文字識別、人臉識別、深度學(xué)習(xí)和自然語言NLP等一系列人工智能產(chǎn)品及解決方案，幫助各行各業(yè)的客戶打造智能化業(yè)務(wù)系統(tǒng)。本課程力求對百度人工智能服務(wù)平臺進(jìn)行整體、全面的介紹，包括天智平臺與解決方案介紹、主要產(chǎn)品（百度語音、人臉識別、文字識別、百度深度學(xué)習(xí)、百度機(jī)器學(xué)習(xí) BML、自然語言NLP等）的介紹、客戶案例分享等。 1）百度機(jī)器學(xué)習(xí)BML-廣告點(diǎn)擊率預(yù)估 2）百度識別-文字識別 3）百度識別-人臉識別 4）百度自然語言處理-短文本相似度 5）百度語音-朗讀者 6）百度深度學(xué)習(xí)-預(yù)測用戶感興趣的電影 階段十、人工智能實(shí)戰(zhàn) － 企業(yè)項目實(shí)戰(zhàn) 課程一、基于Python數(shù)據(jù)分析與機(jī)器學(xué)習(xí)案例實(shí)戰(zhàn)教程 課程風(fēng)格通俗易懂，基于真實(shí)數(shù)據(jù)集案例實(shí)戰(zhàn)。主體課程分成三個大模塊(1)python數(shù)據(jù)分析，(2)機(jī)器學(xué)習(xí)經(jīng)典算法原理詳解,(3)十大經(jīng)典案例實(shí)戰(zhàn)。通過python數(shù)據(jù)科學(xué)庫numpy,pandas,matplot結(jié)合機(jī)器學(xué)習(xí)庫scikit-learn完成一些列的機(jī)器學(xué)習(xí)案例。算法課程注重于原理推導(dǎo)與流程解釋，結(jié)合實(shí)例通俗講解復(fù)雜的機(jī)器學(xué)習(xí)算法，并以實(shí)戰(zhàn)為主，所有課時都結(jié)合代碼演示。算法與項目相結(jié)合，選擇經(jīng)典kaggle項目，從數(shù)據(jù)預(yù)處理開始一步步代碼實(shí)戰(zhàn)帶大家快速入門機(jī)器學(xué)習(xí)。旨在幫助同學(xué)們快速上手如何使用python庫來完整機(jī)器學(xué)習(xí)案例。選擇經(jīng)典案例基于真實(shí)數(shù)據(jù)集，從數(shù)據(jù)預(yù)處理開始到建立機(jī)器學(xué)習(xí)模型以及效果評估，完整的講解如何使用python及其常用庫進(jìn)行數(shù)據(jù)的分析和模型的建立。對于每一個面對的挑戰(zhàn)，分析解決問題思路以及如何構(gòu)造合適的模型并且給出合適評估方法。在每一個案例中，同學(xué)們可以快速掌握如何使用pandas進(jìn)行數(shù)據(jù)的預(yù)處理和分析，使用matplotlib進(jìn)行可視化的展示以及基于scikit-learn庫的機(jī)器學(xué)習(xí)模型的建立。 1）Python數(shù)據(jù)分析與機(jī)器學(xué)習(xí)實(shí)戰(zhàn)課程簡介 2）Python快速入門 3）Python科學(xué)計算庫Numpy 4）Python數(shù)據(jù)分析處理庫Pandas 5）Python可視化庫Matplotlib 6）回歸算法 7）模型評估 8）K近鄰算法 9）決策樹與隨機(jī)森林算法 10）支持向量機(jī) 11）貝葉斯算法 12）神經(jīng)網(wǎng)絡(luò) 13）Adaboost算法 14）SVD與推薦 15）聚類算法 16）案例實(shí)戰(zhàn)：使用Python庫分析處理Kobe Bryan職業(yè)生涯數(shù)據(jù) 17）案例實(shí)戰(zhàn)：信用卡欺詐行為檢測 18）案例實(shí)戰(zhàn)：泰坦尼克號獲救預(yù)測 19）案例實(shí)戰(zhàn)：鳶尾花數(shù)據(jù)集分析 20）案例實(shí)戰(zhàn)：級聯(lián)結(jié)構(gòu)的機(jī)器學(xué)習(xí)模型 21）案例實(shí)戰(zhàn)：員工離職預(yù)測 22）案例實(shí)戰(zhàn)：使用神經(jīng)網(wǎng)絡(luò)進(jìn)行手寫字體識別 23）案例實(shí)戰(zhàn)：主成分分析 24）案例實(shí)戰(zhàn)：基于NLP的股價預(yù)測 25）案例實(shí)戰(zhàn)：借貸公司數(shù)據(jù)分析 課程二、人工智能與深度學(xué)習(xí)實(shí)戰(zhàn) 課程風(fēng)格通俗易懂，必備原理，形象解讀，項目實(shí)戰(zhàn)缺一不可！主體課程分成四個大模塊(1)神經(jīng)網(wǎng)絡(luò)必備基礎(chǔ)知識點(diǎn)，(2)深度學(xué)習(xí)模型，(3)深度學(xué)習(xí)框架Caffe與Tensorflow，(4)深度學(xué)習(xí)項目實(shí)戰(zhàn)。 課程首先概述講解深度學(xué)習(xí)應(yīng)用與挑戰(zhàn)，由計算機(jī)視覺中圖像分類任務(wù)開始講解深度學(xué)習(xí)的常規(guī)套路。對于復(fù)雜的神經(jīng)網(wǎng)絡(luò)，將其展開成多個小模塊進(jìn)行逐一攻破，再挑戰(zhàn)整體神經(jīng)網(wǎng)絡(luò)架構(gòu)。對于深度學(xué)習(xí)模型形象解讀卷積神經(jīng)網(wǎng)絡(luò)原理，詳解其中涉及的每一個參數(shù)，對卷積網(wǎng)絡(luò)架構(gòu)展開分析與評估，對于現(xiàn)階段火爆的對抗生成網(wǎng)絡(luò)以及強(qiáng)化學(xué)習(xí)給出形象解讀，并配合項目實(shí)戰(zhàn)實(shí)際演示效果。 基于框架實(shí)戰(zhàn)，選擇兩款深度學(xué)習(xí)最火框架，Caffe與Tensorflow，首先講解其基本使用方法，并結(jié)合案例演示如何應(yīng)用框架構(gòu)造神經(jīng)網(wǎng)絡(luò)模型并完成案例任務(wù)。 選擇經(jīng)典深度學(xué)習(xí)項目實(shí)戰(zhàn)，使用深度學(xué)習(xí)框架從零開始完成人臉檢測，驗證碼識別，人臉關(guān)鍵點(diǎn)定位，垃圾郵件分類，圖像風(fēng)格轉(zhuǎn)換，AI自己玩游戲等。對于每一個項目實(shí)戰(zhàn)，從數(shù)據(jù)預(yù)處理開始一步步構(gòu)建網(wǎng)絡(luò)模型并展開分析與評估。 課程提供所涉及的所有數(shù)據(jù)，代碼以及PPT，方便大家快速動手進(jìn)行項目實(shí)踐！ 1）深度學(xué)習(xí)概述與挑戰(zhàn) 2）圖像分類基本原理門 3）深度學(xué)習(xí)必備基礎(chǔ)知識點(diǎn) 4）神經(jīng)網(wǎng)絡(luò)反向傳播原理 5）神經(jīng)網(wǎng)絡(luò)整體架構(gòu) 6）神經(jīng)網(wǎng)絡(luò)案例實(shí)戰(zhàn)圖像分類任務(wù) 7）卷積神經(jīng)網(wǎng)絡(luò)基本原理 8）卷積參數(shù)詳解 9）卷積神經(jīng)網(wǎng)絡(luò)案例實(shí)戰(zhàn) 10）經(jīng)典網(wǎng)絡(luò)架構(gòu)分析 11）分類與回歸任務(wù) 12）三代物體檢測算法分析 13）數(shù)據(jù)增強(qiáng)策略 14）TransferLearning 15）網(wǎng)絡(luò)架構(gòu)設(shè)計 16） 深度學(xué)習(xí)框架Caffe網(wǎng)絡(luò)結(jié)構(gòu)配置 17）Caffe 18）深度學(xué)習(xí)項目實(shí)戰(zhàn)人臉檢測 19）人臉正負(fù)樣本數(shù)據(jù)源制作 20）人臉檢測網(wǎng)絡(luò)架構(gòu)配置習(xí)模型 21）人臉檢測代碼實(shí)戰(zhàn) 22）人臉關(guān)鍵點(diǎn)定位項目實(shí)戰(zhàn) 23）人臉關(guān)鍵點(diǎn)定位網(wǎng)絡(luò)模型 24）人臉關(guān)鍵點(diǎn)定位構(gòu)建級聯(lián)網(wǎng)絡(luò) 25）人臉關(guān)鍵點(diǎn)定位測試效果與分析 26）Tensorflow框架實(shí)戰(zhàn) 27）Tensorflow構(gòu)建回歸模型 28）Tensorflow構(gòu)建神經(jīng)網(wǎng)絡(luò)模型 29）Tensorflow深度學(xué)習(xí)模型 30）Tensorflow打造RNN網(wǎng)絡(luò)模型 31）Tensorflow項目實(shí)戰(zhàn)驗證識別 32）項目實(shí)戰(zhàn)圖像風(fēng)格轉(zhuǎn)換 33）QLearning算法原理 34）DQN網(wǎng)絡(luò)架構(gòu) 35）項目實(shí)戰(zhàn)DQN網(wǎng)絡(luò)讓AI自己玩游戲 36）項目實(shí)戰(zhàn)對抗生成網(wǎng)絡(luò)等 項目一、AI大數(shù)據(jù)互聯(lián)網(wǎng)電影智能推薦（第一季） 隨著科技的發(fā)展，現(xiàn)在視頻的來源和類型多樣性，互聯(lián)網(wǎng)視頻內(nèi)容充斥著整個網(wǎng)絡(luò)，如果僅僅是通過翻頁的方法來尋找自己想看的視頻必然會感到疲勞，現(xiàn)在急需一種能智能推薦的工具，推薦系統(tǒng)通過分析用戶對視頻的評分分析，對用戶的興趣進(jìn)行建模，從而預(yù)測用戶的興趣并給用戶進(jìn)行推薦。 Python是一種面向?qū)ο蟮慕忉屝陀嬎銠C(jī)程序設(shè)計語言，Python具有豐富和強(qiáng)大的庫。它常被昵稱為膠水語言，而大數(shù)據(jù)是指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，企業(yè)面臨海量數(shù)據(jù)的到來，大多選擇把數(shù)據(jù)從本地遷移至云端，云端將成為最大的非結(jié)構(gòu)化數(shù)據(jù)存儲場所。本項目主要以客戶咨詢?yōu)檩d體，分析客戶的群體，分布，旨在挖掘客戶的內(nèi)在需求，幫助企業(yè)實(shí)現(xiàn)更有價值的營銷。 一、教務(wù)管理系統(tǒng)業(yè)務(wù)介紹 1）教務(wù)管理系統(tǒng)框架講解 2）系統(tǒng)業(yè)務(wù)邏輯介紹 二、大數(shù)據(jù)需求分析 1）明確數(shù)據(jù)需求 2）大數(shù)據(jù)分析過程 3）分析難點(diǎn)和解決方案 4）大數(shù)據(jù)相關(guān)技術(shù)選型 三、構(gòu)建分布式大數(shù)據(jù)框架 1）Hadoop分布式集群配置 2）ZooKeeper高可用 3）SQOOP數(shù)據(jù)轉(zhuǎn)移 4）ETL數(shù)據(jù)清洗 5）HIVE數(shù)據(jù)分析 6）HBase數(shù)據(jù)存儲 四、基于教務(wù)管理系統(tǒng)大數(shù)據(jù)分析 1）業(yè)務(wù)數(shù)據(jù)分析指標(biāo)設(shè)定 2）操作MapReduce分而治之 3）使用Hive進(jìn)行數(shù)據(jù)整合抽離 4）使用HBase存儲非結(jié)構(gòu)話數(shù)據(jù) 五、大數(shù)據(jù)可視化 1）可視化技術(shù)選型 2）Echarts代碼展示炫酷視圖 3）使用Tableau進(jìn)行數(shù)據(jù)可視化展示 項目二、電商大數(shù)據(jù)情感分析與AI推斷實(shí)戰(zhàn)項目（第一季） 本項目從開發(fā)的角度以大數(shù)據(jù)、PHP技術(shù)棧為基礎(chǔ)，使用真實(shí)商用表結(jié)構(gòu)和脫敏數(shù)據(jù)，分三步構(gòu)建商用系統(tǒng)、真實(shí)大數(shù)據(jù)環(huán)境、進(jìn)行推斷分析以及呈現(xiàn)結(jié)果。 項目課程的完整性、商業(yè)性，可以使學(xué)者盡可能完整地體會真實(shí)的商業(yè)需求和業(yè)務(wù)邏輯。完整的項目過程，使PHP技術(shù)棧的同學(xué)得以窺見和學(xué)到一個完整商業(yè)平臺項目的搭建方法；真實(shí)大數(shù)據(jù)環(huán)境的搭建，使呈現(xiàn)、建立大數(shù)據(jù)的工具應(yīng)用技術(shù)概念儲備；基于大數(shù)據(jù)平臺的分析需求的實(shí)現(xiàn)、呈現(xiàn)，將完整的一次大數(shù)據(jù)技術(shù)棧到分析結(jié)果的中線，平鋪直述，為想要學(xué)習(xí)大數(shù)據(jù)并有開發(fā)基礎(chǔ)的同學(xué)點(diǎn)亮新的能力。 一、實(shí)踐項目研發(fā) 1）開發(fā)環(huán)境的安裝配置 2）表與數(shù)據(jù) 3）LARAVEL的快速開發(fā)實(shí)踐 4）批量創(chuàng)建模型 5）萬能控制器與表配置 6）統(tǒng)一視圖的創(chuàng)建 二、數(shù)據(jù)分析需求設(shè)立 1）定義數(shù)據(jù)需求 2）分析計算過程 3）分析難點(diǎn)和解決方案 4）大數(shù)據(jù)技術(shù)選型 三、大數(shù)據(jù)平臺搭建 1）分布式環(huán)境的模擬建立 2）網(wǎng)絡(luò)環(huán)境的調(diào)通 3）身份驗證與集群控制 4）Hadoop環(huán)境搭建和要點(diǎn)說明 5）MapReduce與Yarn的搭建和說明 四、大數(shù)據(jù)分析腳本編寫 1）MapReduce腳本編寫 2）拆解數(shù)據(jù)需求 3）Map邏輯詳寫 4）Reduce邏輯詳寫 5）結(jié)果整理與輸出 五、結(jié)果可視化 1）可視化需求和技術(shù)選型 2）展示頁面的快速鋪設(shè) 3）可視化JS上手 4）使用可視化JS展示結(jié)果 項目三、AI法律咨詢大數(shù)據(jù)分析與服務(wù)智能推薦實(shí)戰(zhàn)項目(第一季) 本項目結(jié)合目前流行的大數(shù)據(jù)框架，在原有成熟業(yè)務(wù)的前提下，進(jìn)行大數(shù)據(jù)分析處理，真實(shí)還原企業(yè)應(yīng)用，讓學(xué)員身臨其境的感受企業(yè)大數(shù)據(jù)開發(fā)的整個流程。 項目的業(yè)務(wù)系統(tǒng)底層主要采用JAVA架構(gòu)，大數(shù)據(jù)分析主要采用Hadoop框架，其中包括Kettle實(shí)現(xiàn)ETL、SQOOP、Hive、Kibana、HBASE、Spark以及人工智能算法等框架技術(shù)；采用真實(shí)大數(shù)據(jù)集群環(huán)境的搭建，讓學(xué)員切身感受企業(yè)項目的從0到1的過程。 一、系統(tǒng)業(yè)務(wù)介紹 1）底層業(yè)務(wù)實(shí)現(xiàn)框架講解 2）功能模塊講解 二、系統(tǒng)架構(gòu)設(shè)計 1）總體架構(gòu)分析 2）數(shù)據(jù)流向 3）各技術(shù)選型承載作用 4）部署方案 三、詳盡實(shí)現(xiàn) 1）原始數(shù)據(jù)處理 2）ETL數(shù)據(jù)導(dǎo)入 3）MR數(shù)據(jù)計算 4）Hive數(shù)據(jù)分析 四、數(shù)據(jù)可視化 1）采用Highcharts插件展示客戶偏好曲線圖 2）使用Tableau進(jìn)行數(shù)據(jù)分析可視化展示 五、項目優(yōu)化 1）ZooKeeper實(shí)現(xiàn)HA 2）集群監(jiān)控的整體聯(lián)調(diào) 項目四、AI大數(shù)據(jù)基站定位智能推薦商圈分析項目實(shí)戰(zhàn)（第一季） 隨著當(dāng)今個人手機(jī)終端的普及、出行人群中手機(jī)擁有率和使用率已達(dá)到相當(dāng)高的比例，根據(jù)手機(jī)信號在真實(shí)地理空間的覆蓋情況，將手機(jī)用戶時間序列的手機(jī)定位數(shù)據(jù)，映射至現(xiàn)實(shí)地理位置空間位置，即可完整、客觀地還原出手機(jī)用戶的現(xiàn)實(shí)活動軌跡，從而挖掘出人口空間分布與活動聯(lián)系特征信息。 商圈是現(xiàn)代市場中企業(yè)市場活動的空間，同時也是商品和服務(wù)享用者的區(qū)域。商圈劃分為目的之一是研究潛在顧客分布，以制定適宜的商業(yè)對策。 本項目以實(shí)戰(zhàn)為基礎(chǔ)結(jié)合大數(shù)據(jù)技術(shù)Hadoop、.Net技術(shù)全棧為基礎(chǔ)，采用真實(shí)商業(yè)數(shù)據(jù)，分不同環(huán)節(jié)構(gòu)建商用系統(tǒng)、真實(shí)大數(shù)據(jù)環(huán)境、進(jìn)行推斷分析及呈現(xiàn)數(shù)據(jù)。 一、分析系統(tǒng)業(yè)務(wù)邏輯講解 1）大數(shù)據(jù)基站定位智能推薦商圈分析系統(tǒng)介紹 2）數(shù)據(jù)前期清洗和數(shù)據(jù)分析目標(biāo)指標(biāo)的設(shè)定等 二、大數(shù)據(jù)導(dǎo)入與存儲 1）關(guān)系型數(shù)據(jù)庫基礎(chǔ)知識 2）hive的基本語法 3）hive的架構(gòu)及設(shè)計原理 4）hive安裝部署與案例等 5）Sqoop安裝及使用 6）Sqoop與關(guān)系型數(shù)據(jù)庫進(jìn)行交互等 7）動手實(shí)踐 三、Hbase理論及實(shí)戰(zhàn) 1）Hbase簡介、安裝及配置 2）Hbase的數(shù)據(jù)存儲與數(shù)據(jù)模型 3）Hbase Shell 4）Hbase 訪問接口 5）Hbase數(shù)據(jù)備份與恢復(fù)方法等 6）動手實(shí)踐（數(shù)據(jù)轉(zhuǎn)儲與備份） 四、基站數(shù)據(jù)分析與統(tǒng)計推斷 1）背景與分析推斷目標(biāo) 2）分析方法與過程推斷 3）動手實(shí)踐（分析既定指標(biāo)數(shù)據(jù)） 五、數(shù)據(jù)分析與統(tǒng)計推斷結(jié)果的展示（大數(shù)據(jù)可視化） 1）使用Tableau展示數(shù)據(jù)分析結(jié)果 2）使用HighCharts、ECharts展示數(shù)據(jù)分析結(jié)果 階段十一、區(qū)塊鏈 區(qū)塊鏈(Blockchain)是分布式數(shù)據(jù)存儲、點(diǎn)對點(diǎn)傳輸、共識機(jī)制、加密算法等計算機(jī)技術(shù)的新型應(yīng)用模式。所謂共識機(jī)制是區(qū)塊鏈系統(tǒng)中實(shí)現(xiàn)不同節(jié)點(diǎn)之間建立信任、獲取權(quán)益的數(shù)學(xué)算法。 區(qū)塊鏈?zhǔn)潜忍貛诺牡讓蛹夹g(shù)，像一個數(shù)據(jù)庫賬本，記載所有的交易記錄。這項技術(shù)也因其安全、便捷的特性逐漸得到了銀行與金融業(yè)的關(guān)注。 一、課程介紹 1）區(qū)塊鏈的發(fā)展 2）課程安排 3）學(xué)習(xí)目標(biāo) 二、區(qū)塊鏈的技術(shù)架構(gòu) 1）數(shù)據(jù)層 創(chuàng)世區(qū)塊 交易記錄 私鑰，公鑰和錢包地址 2）數(shù)據(jù)層 & 通訊層 記賬原理 Merkle 樹和簡單支付驗證（SPV） P2P通訊 數(shù)據(jù)通信和驗證 3）共識層 4）激勵層 拜占庭將軍問題與POW Pos DPos PBFT 挖礦 交易費(fèi) 圖靈完備和非完備 5）合約層 比特幣腳本 以太坊智能合約 fabic智能合約 RPC遠(yuǎn)程調(diào)用 6）應(yīng)用層 7）總結(jié) 接口調(diào)用 DAPP的使用 應(yīng)用場景的部署 重要概念和原理 三、環(huán)境搭建 1）以太坊 以太坊介紹 以太坊開發(fā)過程 圖形界面客戶端使用 供應(yīng)鏈的應(yīng)用 保險領(lǐng)域的應(yīng)用 DAO的介紹和應(yīng)用 2）以太坊 以太坊本地開發(fā)環(huán)境的搭建 以太坊分布式集群環(huán)境的搭建 3）hyperledger項目fabric介 fabric介紹 fabric本地開發(fā)環(huán)境搭建 fabric分布式集群環(huán)境搭建 四、案例和DEMO 1）案例講解 支付和清結(jié)算 公益行業(yè)的應(yīng)用 供應(yīng)鏈的應(yīng)用 保險領(lǐng)域的應(yīng)用 DAO的介紹和應(yīng)用 2）Demo介紹 發(fā)幣和交易Demo 3）Demo介紹 數(shù)據(jù)資產(chǎn)的確權(quán)和追溯 階段十二、用人工智能預(yù)測金融量化交易投資系列課程 程序化交易：又稱程式交易,發(fā)源于上世紀(jì)80年代的美國,其最初的定義是指在紐約股票交易所(NYSE)市場上同時買賣超過15只以上的股票組合；像高盛、摩根士丹利及德意志銀行都是在各大交易市場程序化交易的最活躍參與會員。 本課程主要面向意愿從事金融量化交易人員、金融行業(yè)從業(yè)人員、金融策略開發(fā)人員及投資經(jīng)驗豐富而想實(shí)現(xiàn)計算機(jī)自動下單人員；主要講解了證券期貨程序化實(shí)現(xiàn)原理及過程，通過本課程的學(xué)習(xí)，您可以根據(jù)自己的意愿打造屬于自己的量化投資交易系統(tǒng)； 本課程主要用到的技術(shù)手段有：Python、Pandas、數(shù)據(jù)分析、數(shù)據(jù)挖掘機(jī)器學(xué)習(xí)等。 一、程序化交易數(shù)據(jù)獲取與清洗講解 1）數(shù)據(jù)的清洗與合成 2）K線圖繪制 3）技術(shù)指標(biāo)開發(fā)講解 4）數(shù)據(jù)的獲取 二、回測框架搭建講解 1）回測框架搭建背景及基本流程講解 2）回測框架實(shí)現(xiàn)及收益指標(biāo)講解 三、程序化交易部分實(shí)現(xiàn)講解 1）CTP技術(shù)講解 2）程序化API講解 3）程序化交易具體實(shí)現(xiàn)講解 階段十三、阿里云認(rèn)證 課程一、云計算 - 網(wǎng)站建設(shè)：部署與發(fā)布 阿里云網(wǎng)站建設(shè)認(rèn)證課程教你如何掌握將一個本地已經(jīng)設(shè)計好的靜態(tài)網(wǎng)站發(fā)布到Internet公共互聯(lián)網(wǎng)，綁定域名，完成工信部的ICP備案。 課程二、云計算 - 網(wǎng)站建設(shè)：簡單動態(tài)網(wǎng)站搭建 阿里云簡單動態(tài)網(wǎng)站搭建課程教你掌握如何快速搭建一個WordPress動態(tài)網(wǎng)站，并會對網(wǎng)站進(jìn)行個性化定制，以滿足不同的場景需求。 課程三、云計算 - 云服務(wù)器管理維護(hù) 阿里云服務(wù)器運(yùn)維管理課程教你掌握快速開通一臺云服務(wù)器，并通過管理控制臺方便地進(jìn)行服務(wù)器的管理、服務(wù)器配置的變更和升級、數(shù)據(jù)的備份，并保證其可以正常運(yùn)轉(zhuǎn)并按業(yè)務(wù)需求隨時進(jìn)行配置的變更。 課程四、云計算 - 云數(shù)據(jù)庫管理與數(shù)據(jù)遷移 阿里云云數(shù)據(jù)庫管理與數(shù)據(jù)遷移認(rèn)證課程掌握云數(shù)據(jù)庫的概念，如何在云端創(chuàng)建數(shù)據(jù)庫、將自建數(shù)據(jù)庫遷移至云數(shù)據(jù)庫MySQL版、數(shù)據(jù)導(dǎo)入導(dǎo)出，以及云數(shù)據(jù)庫運(yùn)維的常用操作。 課程五、云計算 - 云存儲：對象存儲管理與安全 阿里云云儲存認(rèn)證課程教你掌握安全、高可靠的云存儲的使用，以及在云端存儲下載文件，處理圖片，以及如何保護(hù)數(shù)據(jù)的安全。 課程六、云計算 - 超大流量網(wǎng)站的負(fù)載均衡 掌握如何為網(wǎng)站實(shí)現(xiàn)負(fù)載均衡，以輕松應(yīng)對超大流量和高負(fù)載。 課程七、大數(shù)據(jù) - MOOC網(wǎng)站日志分析 本課程可以幫助學(xué)員掌握如何收集用戶訪問日志，如何對訪問日志進(jìn)行分析，如何利用大數(shù)據(jù)計算服務(wù)對數(shù)據(jù)進(jìn)行處理，如何以圖表化的形式展示分析后的數(shù)據(jù)。 課程八、大數(shù)據(jù) - 搭建企業(yè)級數(shù)據(jù)分析平臺 模擬電商場景，搭建企業(yè)級的數(shù)據(jù)分析平臺，用來分析商品數(shù)據(jù)、銷售數(shù)據(jù)以及用戶行為等。 課程九、大數(shù)據(jù) - 基于LBS的熱點(diǎn)店鋪搜索 本課程可以幫助學(xué)員掌握如何在分布式計算框架下開發(fā)一個類似于手機(jī)地圖查找周邊熱點(diǎn)（POI）的功能，掌握GeoHash編碼原理，以及在地理位置中的應(yīng)用，并能將其應(yīng)用在其他基于LBS的定位場景中。 課程中完整的演示了整個開發(fā)步驟，學(xué)員在學(xué)完此課程之后，掌握其原理，可以在各種分布式計算框架下完成此功能的開發(fā)，比如MapReduce、Spark。 課程十、大數(shù)據(jù) - 基于機(jī)器學(xué)習(xí)PAI實(shí)現(xiàn)精細(xì)化營銷 本課程通過一個簡單案例了解、掌握企業(yè)營銷中常見的、也是必需的精準(zhǔn)營銷數(shù)據(jù)處理過程，了解機(jī)器學(xué)習(xí)PAI的具體應(yīng)用，指導(dǎo)學(xué)員掌握大數(shù)據(jù)時代營銷的利器—通過機(jī)器學(xué)習(xí)實(shí)現(xiàn)營銷。 課程十一、大數(shù)據(jù) - 基于機(jī)器學(xué)習(xí)的客戶流失預(yù)警分析 本課程講解了客戶流失的分析方法、流程，同時詳細(xì)介紹了機(jī)器學(xué)習(xí)中常用的分類算法、集成學(xué)習(xí)模型等通用技能，并使用阿里云機(jī)器學(xué)習(xí)PAI實(shí)現(xiàn)流失預(yù)警分析�？梢詭椭髽I(yè)快速、準(zhǔn)確識別流失客戶，輔助制定策略進(jìn)行客戶關(guān)懷，達(dá)到挽留客戶的目的。 課程十二、大數(shù)據(jù) - 使用DataV制作實(shí)時銷售數(shù)據(jù)可視化大屏 幫助非專業(yè)工程師通過圖形化的界面輕松搭建專業(yè)水準(zhǔn)的實(shí)時可視化數(shù)據(jù)大屏，以滿足業(yè)務(wù)展示、業(yè)務(wù)監(jiān)控、風(fēng)險預(yù)警等多種業(yè)務(wù)的展示需求。 課程十三、大數(shù)據(jù) - 使用MaxCompute進(jìn)行數(shù)據(jù)質(zhì)量核查 通過本案例，學(xué)員可了解影響數(shù)據(jù)質(zhì)量的因素，出現(xiàn)數(shù)據(jù)質(zhì)量問題的類型，掌握通過MaxCompute（DateIDE）設(shè)計數(shù)據(jù)質(zhì)量監(jiān)控的方法，最終獨(dú)立解決常見的數(shù)據(jù)質(zhì)量監(jiān)控需求。 課程十四、大數(shù)據(jù) - 使用Quick BI制作圖形化報表 阿里云Quick BI制作圖形化報表認(rèn)證課程教你掌握將電商運(yùn)營過程中的數(shù)據(jù)進(jìn)行圖表化展現(xiàn)，掌握通過Quick BI將數(shù)據(jù)制作成各種圖形化報表的方法，同時還將掌握搭建企業(yè)級報表門戶的方法。 課程十五、大數(shù)據(jù) - 使用時間序列分解模型預(yù)測商品銷量 使用時間序列分解模型預(yù)測商品銷量教你掌握商品銷量預(yù)測方法、時間序列分解以及熟悉相關(guān)產(chǎn)品的操作演示和項目介紹。 課程十六、云安全 - 云平臺使用安全 阿里云云平臺使用安全認(rèn)證課程教你了解由傳統(tǒng)IT到云計算架構(gòu)的變遷過程、當(dāng)前信息安全的現(xiàn)狀和形勢，以及在云計算時代不同系統(tǒng)架構(gòu)中應(yīng)該從哪些方面利用云平臺的優(yōu)勢使用安全風(fēng)險快速降低90%。 課程十七、云安全 - 云上服務(wù)器安全 阿里云云上服務(wù)器安全認(rèn)證課程教你了解在互聯(lián)網(wǎng)上提供計算功能的服務(wù)器主要面臨哪些安全風(fēng)險，并針對這些風(fēng)險提供了切實(shí)可行的、免費(fèi)的防護(hù)方案。 課程十八、云安全 - 云上網(wǎng)絡(luò)安全 了解網(wǎng)絡(luò)安全的原理和解決辦法，以及應(yīng)對DDoS攻擊的方法和防護(hù)措施，確保云上網(wǎng)絡(luò)的安全。 課程十九、云安全 - 云上數(shù)據(jù)安全 了解云上數(shù)據(jù)的安全隱患，掌握數(shù)據(jù)備份、數(shù)據(jù)加密、數(shù)據(jù)傳輸安全的解決方法。 課程二十、云安全 - 云上應(yīng)用安全 了解常見的應(yīng)用安全風(fēng)險，SQL注入原理及防護(hù)，網(wǎng)站防篡改的解決方案等，確保云上應(yīng)用的安全。 課程二十一、云安全 - 云上安全管理 了解云上的安全監(jiān)控方法，學(xué)會使用監(jiān)控大屏來監(jiān)控安全風(fēng)險，并能夠自定義報警規(guī)則，確保隨時掌握云上應(yīng)用的安全情況。 階段十四、IT高級開發(fā)者職場生存規(guī)則 － 職業(yè)素養(yǎng) 本課程主要為廣大畢業(yè)生或者工作經(jīng)驗較少的學(xué)員而設(shè)立，主要是為了在職業(yè)素養(yǎng)方面給大家提供輔導(dǎo)，為更加順利走向職場而提供幫助。 為什么有些同學(xué)在技能方面過關(guān)，卻還是給予別人一種書生氣的感覺？ 為什么簡歷已經(jīng)通過了，卻還是沒有通過HR的面試？ 為什么入職后，與同事的溝通總是存在問題? 為什么每天的時間都不夠用，無法兼顧生活學(xué)習(xí)和工作? 為什么學(xué)習(xí)一段時間后，對工作對職場沒有方向感? 為什么遇到事情，別人總是能夠保持良好心態(tài)游刃有余，而我總是問題百出？ COT課程正是引領(lǐng)大家一起來探索其中的奧秘和方法，讓大家一起在學(xué)習(xí)過程中不斷深思和進(jìn)步，讓大家的職場路越走越順暢！ 1）團(tuán)隊協(xié)作 2）心態(tài)管理 3）目標(biāo)管理 4）時間管理 5）學(xué)習(xí)管理 6）溝通能力 7）項目管理
購買主題
本主題需向作者支付 666 資源幣 才能瀏覽
| |
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
小黑屋|資源共享吧 ( 瓊ICP備2023000410號-1 )
GMT+8, 2024-10-30 10:20 , Processed in 0.067252 second(s), 16 queries , MemCached On.
發(fā)表于 2019-7-28 07:41:42
收藏