北京Python基础及案例应用集训高级班

【招生对象】

有Python基础学员

【上课时间】

周末8-17点

【课程内容】

01章利用文本分析进行网络舆情分析和命名实体识别

01-01文本分析简介及文本分析流程

01-02中文分词方法

01-03中文词性标注方法

01-04关键词提取方法

01-05命名实体识别

01-06文本分析模型实作与比较: 以网络舆情分析模型及命名实体识别为例

02章利用文本分析进行新闻文件分类及新闻文件摘要，利用深度学习模型建置人脸识别及物体侦测模型

02-01新闻文件分类方法

02-02中文文本摘要方法

02-03人脸识别及应用

02-04OpenCV及Dlib简介

02-05人脸侦测及人脸68个特征撷取

02-06人脸识别(利用ResNet)

02-07物体检测与定位及应用

02-08目标检测技术概述

02-09YOLOv3简介及COCO 数据集(80类people (人)，bicycle(自行车)，car(汽车)...等数据)

02-10物体定位

02-11物体检测

02-12文本分析及深度学习模型实作与比较: 以新闻文件分类与摘要及人脸识别及物体侦测模型为例

03章利用半监督学习技术进行电信业客户流失模型的建置，利用深度学习技术进行信用卡盗刷预测模型建置

03-01传统监督学习方法与非监督学习方法

03-02半监督学习方法概述

03-03半监督学习模型实作与比较: 以电信业客户流失模型为例

03-04智能反欺诈概述

03-05反欺诈手法

03-06机器学习方法

03-07深度学习方法

03-08深度学习模型实作与比较: 以信用卡盗刷预测模型为例

04章以利润最 大化为目标之产品营销模型的建置，利用集成学习建置小额信贷及信用风险预测模型

04-01传统模型评估方法与利润最 大化评估方法

04-02增益图与利润图

04-03利润最 大化模型实作与比较: 以产品营销模型为例

04-04传统学习与集成学习

04-05集成学习的分类：模型融合与机器学习元算法

04-06模型融合模型建置(多数法(Max Voting)、平均法(Averaging)、加权平均法(Weighted Averaging)、堆叠(Stacking)、混合法(Blending))

04-07机器学习元算法模型建置(袋装法(Bagging)、袋装通用法(Bagging meta-estimator)、随机森林(Random Forest)、提升法(Boosting)、Adaboosting算法、Gradient Boosting算法、XGBoosting算法)

04-08集成学习方法实作与比较: 以小额信贷及信用风险预测模型为例

【学习目标】

1, 通过4天学习掌握Python案例应用的实操；

2, 课程涉及到了Python在不同案例中的应用，独 家无分店；

3, 涉及文本分析，深度学习，半监督学习，深度学习等Python的前沿应用；

4, 通过案例的讲解，真正实现学校授课与实战的目标。

【师资力量】

Dr. Danian Gong

人工智能工程师

教学经验17年

教学背景：

加州科技大学客座教授

ProEdst机器学习课程导师

清华大学EE专业博士学位

荣誉：硅谷人工智能科学家

董雪婷（Yuki）

人工智能工程师

教学经验10年

毕业于复旦大学数学科学学院

【课程亮点】

朝九晚九全程跟班答疑、一对一督学、定期直播串讲、五分钟内有问必答、出勤率和进度监督、作业与测试

【学习周期】

32课时

【授课方式】

远程+面授

【学员评价】

孔同学

统计学和数据挖掘理论是数据分析的基础，常规的统计理论和数据挖掘算法必须要学会，想入行应重点研究，并要学会制作风险评分卡。其他算法了解即可。

董同学

三个月的学习时间。紧凑的课程安排让我感觉每一天都特别充实，白天认真听讲，晚自习巩固复习，每一天都在进步和成长。 我对未来充满了希望。

王同学

CDA的学习经历，给我的人生增添了一段难忘的回忆，也给我在现在的工作中带来了很大的帮助，在今后的工作中要更加努力，不断完善自己。

苏同学

学习是一种态度，在CDA三个月集中学习的过程中，认识了很多同学，也增长了一些校园以外的知识，学习的过程很累很艰辛，却觉得很值得！ 痛并快乐着！！

李同学

CDA对于我而言，是一个新生活的起点，经过3个月的奋战，我学习到了许多知识，更结识了许多志同道合的朋友，这是我3个月的学习生活宝贵的财富。

赵同学

首先感谢的是课堂里茫茫多的教授级导师的个人魅力的熏陶，其次就是，三个月持续不断的学习，让我养成一个持续学习的心态和热爱学习的态度。

【机构环境】

【品牌宣传】

用AI让优质的教育人人可得