課程亮點：

朝九晚九全程跟班答疑、一對一督學、定期直播串講、五分鐘內(nèi)有問必答、出勤率和進度監(jiān)督、作業(yè)與測試

學習目標：

熟練掌握數(shù)據(jù)庫、Python等數(shù)據(jù)分析軟件；

學會機器學習、深度學習；

熟練掌握數(shù)據(jù)清洗，可以完成缺失值填補、異常值處理等；

精通數(shù)據(jù)可視化，例如箱線圖、動態(tài)圖等；

掌握人工智能在各行業(yè)的應(yīng)用場景；

可以獨立完成數(shù)據(jù)項目；

可以獨立完成數(shù)據(jù)報告撰寫；

學會團隊協(xié)作，分工完成大型項目。

課程內(nèi)容：

01章Mysql數(shù)據(jù)庫應(yīng)用

01-01數(shù)據(jù)庫概述及基本操作

01-02單表查詢

01-03多表查詢、子查詢

01-04常用函數(shù)

01-05MySQL進階練習

01-06電商案例

02章Excel業(yè)務(wù)數(shù)據(jù)分析

02-01Excel基礎(chǔ)技能

02-02案例綜合-人力考勤應(yīng)用

02-03數(shù)據(jù)的分類匯總

02-04圖表可視化

02-05圖表應(yīng)用案例一-零售分析儀

02-06圖表應(yīng)用案例二-財務(wù)分析

02-07分析方法

03章商業(yè)智能分析

03-01數(shù)據(jù)倉庫概述及基本操作

03-02數(shù)據(jù)建模及匯總規(guī)則

03-03零售行業(yè)分析案例

03-04電商行業(yè)客戶行為分析案例

03-05餐飲行業(yè)銷售情況監(jiān)控案例

03-06電商行業(yè)流量分析案例

03-07進銷存分析案例

03-08汽車市場數(shù)據(jù)分析案例

03-09拓展業(yè)務(wù)分析案例

04章機器學習數(shù)學基礎(chǔ)

04-01微積分

04-02線性代數(shù)

04-03描述性統(tǒng)計方法

04-04抽樣估計

04-05假設(shè)檢驗

04-06列聯(lián)分析

04-07相關(guān)分析

04-08回歸分析

05章python編程

05-01python入門與安裝

05-02python語法入門

05-03基本數(shù)據(jù)類型

05-04控制語句

05-05錯誤與異常

05-06常用內(nèi)置函數(shù)

05-07函數(shù)創(chuàng)建與使用

05-08python高級特性

05-09python模塊

05-10python IO操作

05-11日期與時間

05-12類和面向?qū)ο?/p>

05-13python連接數(shù)據(jù)庫

06章Python數(shù)據(jù)清洗

06-01Numpy基礎(chǔ)

06-02Pandas入門

06-03Pandas基本數(shù)據(jù)處理方法

06-04Pandas聚合與分組

06-05Python數(shù)據(jù)清洗高級操作及案例實戰(zhàn)

07章Python數(shù)據(jù)可視化

07-01Python數(shù)據(jù)可視化入門

07-02MLlib(RDD-BaseAPI)機器學習

07-03MatPlotlib繪圖高級參數(shù)

07-04高級繪圖工具seaborn、pyecharts

08章Python統(tǒng)計分析

08-01數(shù)據(jù)分析及統(tǒng)計信息

08-02一元線性回歸

08-03多元線性回歸

08-04一般logistic回歸

08-05logistic回歸與修正

09章Python機器學習入門

09-01機器學習入門

09-02KNN

09-03模型評估方法（一）

09-04模型優(yōu)化方法（一）

09-05Kmeans

09-06模型評估方法（二）

09-07DBSCAN

09-08決策樹

09-09模型評估方法（三）

09-10案例實戰(zhàn)：決策樹在保險行業(yè)的應(yīng)用

10章Python機器學習夯實基礎(chǔ)

10-01線性回歸

10-02模型優(yōu)化方法（二）

10-03邏輯回歸

10-04樸素貝葉斯

10-05模型優(yōu)化方法（三）

10-06關(guān)聯(lián)規(guī)則

10-07協(xié)同過濾

10-08案例實戰(zhàn)：基于協(xié)同過濾的商品個性化推薦

11章Python機器學習成竹在胸

11-01集成算法之隨機森林

11-02集成算法之AdaBoost

11-03數(shù)據(jù)處理和特征工程

11-04SVM

11-05神經(jīng)網(wǎng)絡(luò)

11-06XGBoost

11-07實戰(zhàn)案例：基于XGboost的航空預(yù)測

12章數(shù)據(jù)分析項目報告撰寫

12-01報告的預(yù)備工作

12-02報告的邏輯框架及結(jié)構(gòu)

12-03常用分析模型及適用場景

12-04項目基本情況分析

12-05項目分析方法與過程

12-06具體報告撰寫

13章算法綜合案例一：評分卡

13-01案例背景介紹

13-02建模準備

13-03數(shù)據(jù)清洗及變量粗篩

13-04模型訓練

13-05模型評估

13-06模型部署與更新

14章算法綜合案例二：電商零售

14-01項目總體概覽以及計劃

14-02方法實現(xiàn)與結(jié)果

14-03營銷活動設(shè)計以及結(jié)果評價

15章非關(guān)系型數(shù)據(jù)庫MongoDB

15-01MongoDB簡介

15-02MongoDB的常用操作

15-03MongoDB的使用

15-04python操作MongoDB

16章深度學習基礎(chǔ)：復雜網(wǎng)絡(luò)分析

16-01圖論

16-02復雜網(wǎng)絡(luò)的拓撲結(jié)構(gòu)性質(zhì)

16-03更多類型的網(wǎng)絡(luò)

16-04復雜網(wǎng)絡(luò)的演化

16-05復雜網(wǎng)絡(luò)的功能

16-06案例：北京市快速軌道交通的有效性

16-07案例：社交網(wǎng)絡(luò)數(shù)據(jù)分析

17章深度學習框架TensorFlow

17-01開發(fā)環(huán)境搭建

17-02TensorFlow基本數(shù)據(jù)結(jié)構(gòu)

17-03TensorFlow實現(xiàn)代碼結(jié)構(gòu)和開發(fā)步驟——回歸問題

17-04TensorFlow實現(xiàn)代碼結(jié)構(gòu)和開發(fā)步驟——分類問題

18章深度學習基礎(chǔ)算法理論及實踐

18-01AI概述和TensorFlow基礎(chǔ)

18-02神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

18-03卷積神經(jīng)網(wǎng)絡(luò)

18-04RNN和LSTM

18-05手寫數(shù)字識別的突破——卷積神經(jīng)網(wǎng)絡(luò)TensorFlow實現(xiàn)

19章深度學習高階算法理論及實踐

19-01判別網(wǎng)絡(luò)

19-02生成網(wǎng)絡(luò)

19-03對抗網(wǎng)絡(luò)和增強學習

20章人工智能實戰(zhàn)

20-01文本分析項目

20-02文本數(shù)據(jù)預(yù)處理

20-03文本分析應(yīng)用與python語言實現(xiàn)

20-04圖像識別項目

20-05深度學習與圖像識別及經(jīng)典數(shù)據(jù)集

20-06圖像識別的突破——卷積神經(jīng)網(wǎng)絡(luò)

20-07使用卷積神經(jīng)網(wǎng)絡(luò)對經(jīng)典數(shù)據(jù)集cifar進行分類識別

20-08使用自己的數(shù)據(jù)集訓練卷積神經(jīng)網(wǎng)絡(luò)

20-09語音識別項目

20-10語音技術(shù)分析

20-11本地語音識別

20-12網(wǎng)絡(luò)語音識別

20-13對抗網(wǎng)絡(luò)項目

20-14GAN原型講解

20-15DCGAN

20-16DiscoDAN

20-17半監(jiān)督學習