課程亮點(diǎn)：

科學(xué)的內(nèi)容設(shè)置

七年數(shù)據(jù)科學(xué)教學(xué)積淀，內(nèi)容體系全面，講解深入淺出從基礎(chǔ)內(nèi)容到前沿知識(shí)、從理論基礎(chǔ)到工具實(shí)踐，算法全體系知識(shí)一站式解決！

前沿的教學(xué)模式

案例驅(qū)動(dòng)式教學(xué)，告別枯燥乏味的學(xué)習(xí)體驗(yàn)，海量實(shí)戰(zhàn)項(xiàng)目你的學(xué)習(xí)效率！CDA AI實(shí)驗(yàn)室在線編程環(huán)境和免費(fèi)算力使用。算法競(jìng)賽項(xiàng)目結(jié)業(yè)，高能力可以被驗(yàn)證！

專業(yè)的講師助教

高校專家、名企大咖合力精研課程體系，精英講師、助教全力保障授課服務(wù)課程導(dǎo)學(xué)、行業(yè)解析、視頻授課、一對(duì)一督學(xué)，四大團(tuán)隊(duì)全程伴你成長(zhǎng)。

完善的就業(yè)服務(wù)

百家合作企業(yè)內(nèi)部推薦，完善就業(yè)輔導(dǎo)體系提供全方位指導(dǎo)行業(yè)紅利+合作企業(yè)+就業(yè)服務(wù)，三重保障助你新職業(yè)揚(yáng)帆起航！

學(xué)習(xí)目標(biāo)：

內(nèi)容服務(wù)全面升級(jí)、轉(zhuǎn)行就業(yè)一步到位，回歸教育本質(zhì)，真正讓學(xué)員為學(xué)習(xí)結(jié)果買單

課程內(nèi)容：

第1階段

預(yù)備知識(shí)：數(shù)據(jù)科學(xué)的數(shù)據(jù)庫(kù)基礎(chǔ)

了解數(shù)據(jù)庫(kù)在行業(yè)應(yīng)用中的價(jià)值及其在數(shù)據(jù)分析中的地位，掌握數(shù)據(jù)庫(kù)中數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)查詢、數(shù)據(jù)處理技術(shù)，了解與工業(yè)場(chǎng)景中Python 操作數(shù)據(jù)庫(kù)的邏輯和方法，并攻克BAT數(shù)據(jù)庫(kù)重點(diǎn)筆試題。

第1章：數(shù)據(jù)的存儲(chǔ)、讀取及簡(jiǎn)單處理

（一）導(dǎo)學(xué)直播：數(shù)據(jù)庫(kù)應(yīng)用價(jià)值及其在數(shù)據(jù)分析中的地位

（二）操作數(shù)據(jù)庫(kù)--數(shù)據(jù)的存儲(chǔ)

（三）查詢數(shù)據(jù)庫(kù)中的數(shù)據(jù)--查詢語(yǔ)句

（四）數(shù)據(jù)庫(kù)高級(jí)操作--函數(shù)

（五）工業(yè)場(chǎng)景下數(shù)據(jù)庫(kù)數(shù)據(jù)的提取與處理形式：Python連接數(shù)據(jù)庫(kù)

（六）專題直播：BAT數(shù)據(jù)庫(kù)面試題精講

（七）階段作業(yè)

第二階段

數(shù)據(jù)分析工具熟練運(yùn)用養(yǎng)成計(jì)劃

了解Python在數(shù)據(jù)科學(xué)、人工智能領(lǐng)域的地位，3倍速高效掌握Python編程、Python數(shù)據(jù)處理與可視化核心技術(shù)，并理解可視化技術(shù)實(shí)現(xiàn)結(jié)果輸出與內(nèi)容美化的數(shù)據(jù)表達(dá)邏輯。

第二章：3倍速學(xué)習(xí)Python核心編程技術(shù)

（一）導(dǎo)學(xué)直播：Python數(shù)據(jù)分析工具的市場(chǎng)競(jìng)爭(zhēng)力分析

（二）Python編程的破冰之旅

（三）掌握Python序列對(duì)象：字符串、列表、元組、字典

（四）建立python控制流語(yǔ)句知識(shí)模型：條件判斷和循環(huán)的藝術(shù)

（五）實(shí)現(xiàn)Python的模塊化程序設(shè)計(jì)：函數(shù)

（六）面向?qū)ο缶幊膛c類

（八）專題直播：使用Git和Github進(jìn)行版本控制

（九）階段作業(yè)

第三章：數(shù)據(jù)分析入門：使用Numpy+Matplotlib分析數(shù)據(jù)

（一）導(dǎo)學(xué)直播：巧用Python強(qiáng)大的第三方庫(kù)功能，大幅度提升編程任務(wù)效率

（二）共享單車每季度平均騎行時(shí)間對(duì)比

（三）動(dòng)手創(chuàng)建一個(gè)批量溫度轉(zhuǎn)換器

（四）共享單車各類用戶的平均騎行時(shí)間趨勢(shì)對(duì)比

（五）氣溫?cái)?shù)據(jù)的描述性統(tǒng)計(jì)分析：大值、小值、平均值

（六）共享單車的用戶類別分析：比例

（七）氣溫?cái)?shù)據(jù)的可視化分析

（八）共享單車用類別分析的統(tǒng)計(jì)圖形繪制

（九）功能強(qiáng)大的Numpy的高級(jí)操作

（十）階段作業(yè)

第四章：Pandas從數(shù)據(jù)分析到可視化

（一）導(dǎo)學(xué)直播：數(shù)據(jù)表達(dá)邏輯--結(jié)果輸出與內(nèi)容美化

（二）比較咖啡店各類飲品的數(shù)量與熱量

（三）PM*.5的數(shù)值展示及不同來源數(shù)值差異對(duì)比展示

（四）分析電子游戲在各國(guó)的營(yíng)收情況并用堆疊圖展示

（五）房屋價(jià)格影響因素探索與房?jī)r(jià)趨勢(shì)的可視化展示

（六）神奇寶貝數(shù)據(jù)的變量關(guān)系探索與分析

（七）不同手機(jī)操作系統(tǒng)的流量使用情況分析

（八）統(tǒng)計(jì)不同專業(yè)的員工平均薪資

（九）股票行情分析及價(jià)格趨勢(shì)的可視化展示

（十）幸福指數(shù)的等級(jí)分析

（十一）專題直播：python實(shí)現(xiàn)excel辦公自動(dòng)化

（十二）階段作業(yè)

第三階段

數(shù)據(jù)價(jià)值的挖掘及預(yù)測(cè)技術(shù)實(shí)戰(zhàn)

掌握機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)、機(jī)器學(xué)習(xí)理論及實(shí)現(xiàn)、深度學(xué)習(xí)理論及實(shí)現(xiàn)；掌握機(jī)器學(xué)習(xí)、深度學(xué)習(xí)在推薦系統(tǒng)、金融、量化等領(lǐng)域的工業(yè)應(yīng)用實(shí)踐及模型部署上線

第五章：數(shù)據(jù)價(jià)值挖掘及預(yù)測(cè)的數(shù)學(xué)基礎(chǔ)知識(shí)

（一）導(dǎo)學(xué)直播：數(shù)學(xué)基礎(chǔ)在機(jī)器學(xué)習(xí)中的重要性與必要性講解

（二）構(gòu)建機(jī)器學(xué)習(xí)的線性代數(shù)知識(shí)模型

（三）掌握機(jī)器學(xué)習(xí)算法原理推導(dǎo)中的微積知識(shí)

（四）掌握機(jī)器學(xué)習(xí)算法必知必會(huì)的統(tǒng)計(jì)學(xué)知識(shí)

（五）專題直播：Python實(shí)現(xiàn)統(tǒng)計(jì)分析的方法--statsmodel的介紹及使用

（六）階段作業(yè)

第六章：掌握數(shù)據(jù)價(jià)值挖掘及預(yù)測(cè)的監(jiān)督學(xué)習(xí)算法基礎(chǔ)

（一）導(dǎo)學(xué)直播：機(jī)器學(xué)習(xí)入門與算法總覽

（二）根據(jù)像素值對(duì)CIFAR10圖像數(shù)據(jù)進(jìn)行KNN算法分類

（三）動(dòng)手實(shí)現(xiàn)基于決策樹的收入分類與可視化

（四）使用線性回歸模型實(shí)現(xiàn)Ames房?jī)r(jià)預(yù)測(cè)

（五）使用邏輯回歸構(gòu)建信用卡反欺詐預(yù)測(cè)模型

（六）使用樸素貝葉斯構(gòu)建垃圾郵件分類器

（七）使用支持向量機(jī)對(duì)金融支付服務(wù)的欺詐行為進(jìn)行預(yù)測(cè)

（八）通過boosting提升傳統(tǒng)算法在海外電商企業(yè)用戶細(xì)分項(xiàng)目中的效果

（九）使用XGBoost提升樹對(duì)人類發(fā)展指數(shù)官方數(shù)據(jù)集進(jìn)行回歸預(yù)測(cè)

（十）監(jiān)督學(xué)習(xí)綜合應(yīng)用實(shí)戰(zhàn)：基于超參數(shù)優(yōu)化的Gradient Boosting的銷售預(yù)測(cè)

（十一）專題直播：機(jī)器學(xué)習(xí)的人才需求及技術(shù)應(yīng)用現(xiàn)狀分析

（十二）階段作業(yè)

第七章：掌握數(shù)據(jù)價(jià)值挖掘及預(yù)測(cè)的無監(jiān)督學(xué)習(xí)算法基礎(chǔ)

（一）導(dǎo)學(xué)直播：實(shí)際工作中我們應(yīng)該如何根據(jù)場(chǎng)景選擇適合的機(jī)器學(xué)習(xí)算法模型

（二）使用KMeans進(jìn)行旅游企業(yè)客戶分群

（三）使用PCA進(jìn)行基因序列異常檢測(cè)實(shí)現(xiàn)癌癥診斷

（四）基于潛在狄利克雷分配（LDA）的內(nèi)容主題挖掘

（五）使用Apriori進(jìn)行322萬知乎用戶的關(guān)注話題關(guān)聯(lián)分析

（十二）階段作業(yè)

第八章：使用深度學(xué)習(xí)完成你的第1個(gè)AI項(xiàng)目--人臉識(shí)別

（一）導(dǎo)學(xué)直播：深度學(xué)習(xí)的行業(yè)應(yīng)用價(jià)值及技術(shù)發(fā)展趨勢(shì)

（二）單層感知器與多層感知器在反欺詐預(yù)測(cè)上的表現(xiàn)對(duì)比

（三）使用神經(jīng)網(wǎng)絡(luò)進(jìn)行手寫數(shù)字圖片識(shí)別

（四）快速上手構(gòu)建一個(gè)人臉識(shí)別系統(tǒng)

（五）專題直播：深度學(xué)習(xí)主流框架介紹

（六）階段作業(yè)

第九章 工業(yè)項(xiàng)目實(shí)戰(zhàn)保障機(jī)器學(xué)習(xí)技術(shù)的落地實(shí)踐

（一）導(dǎo)學(xué)直播：工業(yè)場(chǎng)景下的機(jī)器學(xué)習(xí)模型應(yīng)用與模型部署

（二）推薦系統(tǒng)案例精講

（三）金融風(fēng)控案例精講

（四）時(shí)間序列案例精講

（五）算法模型的部署--在人工智能實(shí)驗(yàn)室 中部署我們的反欺詐預(yù)測(cè)模型

（六）專題直播：機(jī)器學(xué)習(xí)工程師職業(yè)成長(zhǎng)路徑

（七）階段作業(yè)

第四階段

分布式機(jī)器學(xué)習(xí)的工具基礎(chǔ)與工業(yè)項(xiàng)目實(shí)戰(zhàn)

看了解大數(shù)據(jù)工具運(yùn)用的工業(yè)應(yīng)用價(jià)值、大數(shù)據(jù)生態(tài)系統(tǒng)的重要組件、大數(shù)據(jù)架構(gòu)搭建方法；掌握海量數(shù)據(jù)的存儲(chǔ)與處理技術(shù)；了解Spark大數(shù)據(jù)處理工具及相關(guān)組件；了解分布式機(jī)器學(xué)習(xí)的工業(yè)應(yīng)用價(jià)值，掌握Spark MLlib分布式機(jī)器學(xué)習(xí)實(shí)現(xiàn)的邏輯及其在金融、計(jì)算廣告、推薦系統(tǒng)、量化投資等領(lǐng)域的應(yīng)用。

第十章：海量數(shù)據(jù)存儲(chǔ)和處理技術(shù)：Linux環(huán)境下Sp****.x+Python開發(fā)環(huán)境的

（一）導(dǎo)學(xué)直播：海量數(shù)據(jù)處理的市場(chǎng)需求分析及工具介紹

（二）導(dǎo)入本地虛擬機(jī)至virtualbox及啟動(dòng)系統(tǒng)和遠(yuǎn)程桌面連接

（二）大數(shù)據(jù)環(huán)境快速搭建：Hadoop偽分布式集群的搭建

（三）大數(shù)據(jù)環(huán)境快速搭建：Linux系統(tǒng)下安裝PySpark模塊并遠(yuǎn)程啟動(dòng)Anaconda

（四）使用結(jié)構(gòu)化海量數(shù)據(jù)處理框架Spark SQL、Spark DataFrame進(jìn)行航空數(shù)據(jù)分析

（五）專題直播：Spark DataFrame與Python DataFrame異同

（六）階段作業(yè)

第十一章：千萬級(jí)別數(shù)據(jù)的機(jī)器學(xué)習(xí)問題：機(jī)器學(xué)習(xí)的分布式計(jì)算實(shí)現(xiàn)

（一）分布式機(jī)器學(xué)習(xí)的工業(yè)價(jià)值及技術(shù)發(fā)展趨勢(shì)介紹

（二）PySpark機(jī)器學(xué)習(xí)：Spark Mllib實(shí)現(xiàn)算法模型構(gòu)建

（三）構(gòu)建分類模型預(yù)測(cè)StumbleUpon給用戶個(gè)性化推薦的網(wǎng)頁(yè)是否長(zhǎng)期受歡迎

（四）構(gòu)建回歸模型實(shí)現(xiàn)共享單車需求量預(yù)測(cè)

（五）分布式環(huán)境下的Avazu廣告數(shù)據(jù)集性別標(biāo)簽預(yù)測(cè)

（六）基于Avazu廣告數(shù)據(jù)的廣告排名及CTR預(yù)估

（七）分布式環(huán)境下的Audioscrobbler音樂推薦系統(tǒng)開發(fā)

（八）基于分布式機(jī)器學(xué)習(xí)的實(shí)現(xiàn)個(gè)人貸款違約預(yù)測(cè)

（九）基于分布式機(jī)器學(xué)習(xí)的銀行零售產(chǎn)品的交叉營(yíng)銷

（十）基于分布式XGBoost的量化投資項(xiàng)目實(shí)戰(zhàn)--股票價(jià)格的預(yù)測(cè)

（十一）專題直播：運(yùn)用Spark ML Pipeline組建簡(jiǎn)易文本分類案例需求分析

（十二）階段作業(yè)

作業(yè)

第五階段

結(jié)業(yè)項(xiàng)目競(jìng)賽

學(xué)員將組隊(duì)參加DC平臺(tái)、阿里天池競(jìng)賽，提交項(xiàng)目代碼到平臺(tái)，根據(jù)項(xiàng)目得分及排名情況進(jìn)行優(yōu)秀學(xué)員評(píng)選

第十二章：項(xiàng)目競(jìng)賽及競(jìng)賽案例詳解

第六階段

就業(yè)階段

本階段將為學(xué)員提供專業(yè)的簡(jiǎn)歷指導(dǎo)和就業(yè)推薦服務(wù)，為學(xué)員的就業(yè)保駕護(hù)航。學(xué)員入職后持續(xù)提供為期1年的入職護(hù)航服務(wù)，入職不滿意重新推薦

課程內(nèi)容：

第1階段

預(yù)備知識(shí)：數(shù)據(jù)科學(xué)的數(shù)據(jù)庫(kù)基礎(chǔ)

了解數(shù)據(jù)庫(kù)在行業(yè)應(yīng)用中的價(jià)值及其在數(shù)據(jù)分析中的地位，掌握數(shù)據(jù)庫(kù)中數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)查詢、數(shù)據(jù)處理技術(shù)，了解與工業(yè)場(chǎng)景中Python 操作數(shù)據(jù)庫(kù)的邏輯和方法，并攻克BAT數(shù)據(jù)庫(kù)重點(diǎn)筆試題。

第1章：數(shù)據(jù)的存儲(chǔ)、讀取及簡(jiǎn)單處理

（一）導(dǎo)學(xué)直播：數(shù)據(jù)庫(kù)應(yīng)用價(jià)值及其在數(shù)據(jù)分析中的地位

（二）操作數(shù)據(jù)庫(kù)--數(shù)據(jù)的存儲(chǔ)

（三）查詢數(shù)據(jù)庫(kù)中的數(shù)據(jù)--查詢語(yǔ)句

（四）數(shù)據(jù)庫(kù)高級(jí)操作--函數(shù)

（五）工業(yè)場(chǎng)景下數(shù)據(jù)庫(kù)數(shù)據(jù)的提取與處理形式：Python連接數(shù)據(jù)庫(kù)

（六）專題直播：BAT數(shù)據(jù)庫(kù)面試題精講

（七）階段作業(yè)

第二階段

數(shù)據(jù)分析工具熟練運(yùn)用養(yǎng)成計(jì)劃

了解Python在數(shù)據(jù)科學(xué)、人工智能領(lǐng)域的地位，3倍速高效掌握Python編程、Python數(shù)據(jù)處理與可視化核心技術(shù)，并理解可視化技術(shù)實(shí)現(xiàn)結(jié)果輸出與內(nèi)容美化的數(shù)據(jù)表達(dá)邏輯。

第二章：3倍速學(xué)習(xí)Python核心編程技術(shù)

（一）導(dǎo)學(xué)直播：Python數(shù)據(jù)分析工具的市場(chǎng)競(jìng)爭(zhēng)力分析

（二）Python編程的破冰之旅

（三）掌握Python序列對(duì)象：字符串、列表、元組、字典

（四）建立python控制流語(yǔ)句知識(shí)模型：條件判斷和循環(huán)的藝術(shù)

（五）實(shí)現(xiàn)Python的模塊化程序設(shè)計(jì)：函數(shù)

（六）面向?qū)ο缶幊膛c類

（八）專題直播：使用Git和Github進(jìn)行版本控制

（九）階段作業(yè)

第三章：數(shù)據(jù)分析入門：使用Numpy+Matplotlib分析數(shù)據(jù)

（一）導(dǎo)學(xué)直播：巧用Python強(qiáng)大的第三方庫(kù)功能，大幅度提升編程任務(wù)效率

（二）共享單車每季度平均騎行時(shí)間對(duì)比

（三）動(dòng)手創(chuàng)建一個(gè)批量溫度轉(zhuǎn)換器

（四）共享單車各類用戶的平均騎行時(shí)間趨勢(shì)對(duì)比

（五）氣溫?cái)?shù)據(jù)的描述性統(tǒng)計(jì)分析：大值、小值、平均值

（六）共享單車的用戶類別分析：比例

（七）氣溫?cái)?shù)據(jù)的可視化分析

（八）共享單車用類別分析的統(tǒng)計(jì)圖形繪制

（九）功能強(qiáng)大的Numpy的高級(jí)操作

（十）階段作業(yè)

第四章：Pandas從數(shù)據(jù)分析到可視化

（一）導(dǎo)學(xué)直播：數(shù)據(jù)表達(dá)邏輯--結(jié)果輸出與內(nèi)容美化

（二）比較咖啡店各類飲品的數(shù)量與熱量

（三）PM*.5的數(shù)值展示及不同來源數(shù)值差異對(duì)比展示

（四）分析電子游戲在各國(guó)的營(yíng)收情況并用堆疊圖展示

（五）房屋價(jià)格影響因素探索與房?jī)r(jià)趨勢(shì)的可視化展示

（六）神奇寶貝數(shù)據(jù)的變量關(guān)系探索與分析

（七）不同手機(jī)操作系統(tǒng)的流量使用情況分析

（八）統(tǒng)計(jì)不同專業(yè)的員工平均薪資

（九）股票行情分析及價(jià)格趨勢(shì)的可視化展示

（十）幸福指數(shù)的等級(jí)分析

（十一）專題直播：python實(shí)現(xiàn)excel辦公自動(dòng)化

（十二）階段作業(yè)

第三階段

數(shù)據(jù)價(jià)值的挖掘及預(yù)測(cè)技術(shù)實(shí)戰(zhàn)

掌握機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)、機(jī)器學(xué)習(xí)理論及實(shí)現(xiàn)、深度學(xué)習(xí)理論及實(shí)現(xiàn)；掌握機(jī)器學(xué)習(xí)、深度學(xué)習(xí)在推薦系統(tǒng)、金融、量化等領(lǐng)域的工業(yè)應(yīng)用實(shí)踐及模型部署上線

第五章：數(shù)據(jù)價(jià)值挖掘及預(yù)測(cè)的數(shù)學(xué)基礎(chǔ)知識(shí)

（一）導(dǎo)學(xué)直播：數(shù)學(xué)基礎(chǔ)在機(jī)器學(xué)習(xí)中的重要性與必要性講解

（二）構(gòu)建機(jī)器學(xué)習(xí)的線性代數(shù)知識(shí)模型

（三）掌握機(jī)器學(xué)習(xí)算法原理推導(dǎo)中的微積知識(shí)

（四）掌握機(jī)器學(xué)習(xí)算法必知必會(huì)的統(tǒng)計(jì)學(xué)知識(shí)

（五）專題直播：Python實(shí)現(xiàn)統(tǒng)計(jì)分析的方法--statsmodel的介紹及使用

（六）階段作業(yè)

第六章：掌握數(shù)據(jù)價(jià)值挖掘及預(yù)測(cè)的監(jiān)督學(xué)習(xí)算法基礎(chǔ)

（一）導(dǎo)學(xué)直播：機(jī)器學(xué)習(xí)入門與算法總覽

（二）根據(jù)像素值對(duì)CIFAR10圖像數(shù)據(jù)進(jìn)行KNN算法分類

（三）動(dòng)手實(shí)現(xiàn)基于決策樹的收入分類與可視化

（四）使用線性回歸模型實(shí)現(xiàn)Ames房?jī)r(jià)預(yù)測(cè)

（五）使用邏輯回歸構(gòu)建信用卡反欺詐預(yù)測(cè)模型

（六）使用樸素貝葉斯構(gòu)建垃圾郵件分類器

（七）使用支持向量機(jī)對(duì)金融支付服務(wù)的欺詐行為進(jìn)行預(yù)測(cè)

（八）通過boosting提升傳統(tǒng)算法在海外電商企業(yè)用戶細(xì)分項(xiàng)目中的效果

（九）使用XGBoost提升樹對(duì)人類發(fā)展指數(shù)官方數(shù)據(jù)集進(jìn)行回歸預(yù)測(cè)

（十）監(jiān)督學(xué)習(xí)綜合應(yīng)用實(shí)戰(zhàn)：基于超參數(shù)優(yōu)化的Gradient Boosting的銷售預(yù)測(cè)

（十一）專題直播：機(jī)器學(xué)習(xí)的人才需求及技術(shù)應(yīng)用現(xiàn)狀分析

（十二）階段作業(yè)

第七章：掌握數(shù)據(jù)價(jià)值挖掘及預(yù)測(cè)的無監(jiān)督學(xué)習(xí)算法基礎(chǔ)

（一）導(dǎo)學(xué)直播：實(shí)際工作中我們應(yīng)該如何根據(jù)場(chǎng)景選擇適合的機(jī)器學(xué)習(xí)算法模型

（二）使用KMeans進(jìn)行旅游企業(yè)客戶分群

（三）使用PCA進(jìn)行基因序列異常檢測(cè)實(shí)現(xiàn)癌癥診斷

（四）基于潛在狄利克雷分配（LDA）的內(nèi)容主題挖掘

（五）使用Apriori進(jìn)行322萬知乎用戶的關(guān)注話題關(guān)聯(lián)分析

（十二）階段作業(yè)

第八章：使用深度學(xué)習(xí)完成你的第1個(gè)AI項(xiàng)目--人臉識(shí)別

（一）導(dǎo)學(xué)直播：深度學(xué)習(xí)的行業(yè)應(yīng)用價(jià)值及技術(shù)發(fā)展趨勢(shì)

（二）單層感知器與多層感知器在反欺詐預(yù)測(cè)上的表現(xiàn)對(duì)比

（三）使用神經(jīng)網(wǎng)絡(luò)進(jìn)行手寫數(shù)字圖片識(shí)別

（四）快速上手構(gòu)建一個(gè)人臉識(shí)別系統(tǒng)

（五）專題直播：深度學(xué)習(xí)主流框架介紹

（六）階段作業(yè)

第九章 工業(yè)項(xiàng)目實(shí)戰(zhàn)保障機(jī)器學(xué)習(xí)技術(shù)的落地實(shí)踐

（一）導(dǎo)學(xué)直播：工業(yè)場(chǎng)景下的機(jī)器學(xué)習(xí)模型應(yīng)用與模型部署

（二）推薦系統(tǒng)案例精講

（三）金融風(fēng)控案例精講

（四）時(shí)間序列案例精講

（五）算法模型的部署--在人工智能實(shí)驗(yàn)室 中部署我們的反欺詐預(yù)測(cè)模型

（六）專題直播：機(jī)器學(xué)習(xí)工程師職業(yè)成長(zhǎng)路徑

（七）階段作業(yè)

第四階段

分布式機(jī)器學(xué)習(xí)的工具基礎(chǔ)與工業(yè)項(xiàng)目實(shí)戰(zhàn)

看了解大數(shù)據(jù)工具運(yùn)用的工業(yè)應(yīng)用價(jià)值、大數(shù)據(jù)生態(tài)系統(tǒng)的重要組件、大數(shù)據(jù)架構(gòu)搭建方法；掌握海量數(shù)據(jù)的存儲(chǔ)與處理技術(shù)；了解Spark大數(shù)據(jù)處理工具及相關(guān)組件；了解分布式機(jī)器學(xué)習(xí)的工業(yè)應(yīng)用價(jià)值，掌握Spark MLlib分布式機(jī)器學(xué)習(xí)實(shí)現(xiàn)的邏輯及其在金融、計(jì)算廣告、推薦系統(tǒng)、量化投資等領(lǐng)域的應(yīng)用。

第十章：海量數(shù)據(jù)存儲(chǔ)和處理技術(shù)：Linux環(huán)境下Sp****.x+Python開發(fā)環(huán)境的

（一）導(dǎo)學(xué)直播：海量數(shù)據(jù)處理的市場(chǎng)需求分析及工具介紹

（二）導(dǎo)入本地虛擬機(jī)至virtualbox及啟動(dòng)系統(tǒng)和遠(yuǎn)程桌面連接

（二）大數(shù)據(jù)環(huán)境快速搭建：Hadoop偽分布式集群的搭建

（三）大數(shù)據(jù)環(huán)境快速搭建：Linux系統(tǒng)下安裝PySpark模塊并遠(yuǎn)程啟動(dòng)Anaconda

（四）使用結(jié)構(gòu)化海量數(shù)據(jù)處理框架Spark SQL、Spark DataFrame進(jìn)行航空數(shù)據(jù)分析

（五）專題直播：Spark DataFrame與Python DataFrame異同

（六）階段作業(yè)

第十一章：千萬級(jí)別數(shù)據(jù)的機(jī)器學(xué)習(xí)問題：機(jī)器學(xué)習(xí)的分布式計(jì)算實(shí)現(xiàn)

（一）分布式機(jī)器學(xué)習(xí)的工業(yè)價(jià)值及技術(shù)發(fā)展趨勢(shì)介紹

（二）PySpark機(jī)器學(xué)習(xí)：Spark Mllib實(shí)現(xiàn)算法模型構(gòu)建

（三）構(gòu)建分類模型預(yù)測(cè)StumbleUpon給用戶個(gè)性化推薦的網(wǎng)頁(yè)是否長(zhǎng)期受歡迎

（四）構(gòu)建回歸模型實(shí)現(xiàn)共享單車需求量預(yù)測(cè)

（五）分布式環(huán)境下的Avazu廣告數(shù)據(jù)集性別標(biāo)簽預(yù)測(cè)

（六）基于Avazu廣告數(shù)據(jù)的廣告排名及CTR預(yù)估

（七）分布式環(huán)境下的Audioscrobbler音樂推薦系統(tǒng)開發(fā)

（八）基于分布式機(jī)器學(xué)習(xí)的實(shí)現(xiàn)個(gè)人貸款違約預(yù)測(cè)

（九）基于分布式機(jī)器學(xué)習(xí)的銀行零售產(chǎn)品的交叉營(yíng)銷

（十）基于分布式XGBoost的量化投資項(xiàng)目實(shí)戰(zhàn)--股票價(jià)格的預(yù)測(cè)

（十一）專題直播：運(yùn)用Spark ML Pipeline組建簡(jiǎn)易文本分類案例需求分析

（十二）階段作業(yè)

作業(yè)

第五階段

結(jié)業(yè)項(xiàng)目競(jìng)賽

學(xué)員將組隊(duì)參加DC平臺(tái)、阿里天池競(jìng)賽，提交項(xiàng)目代碼到平臺(tái)，根據(jù)項(xiàng)目得分及排名情況進(jìn)行優(yōu)秀學(xué)員評(píng)選

第十二章：項(xiàng)目競(jìng)賽及競(jìng)賽案例詳解

第六階段

就業(yè)階段

本階段將為學(xué)員提供專業(yè)的簡(jiǎn)歷指導(dǎo)和就業(yè)推薦服務(wù)，為學(xué)員的就業(yè)保駕護(hù)航。學(xué)員入職后持續(xù)提供為期1年的入職護(hù)航服務(wù)，入職不滿意重新推薦