AI人工智能课程介绍

　　科学且实用的课程体系，助力学员成体系培养，紧贴行业发展趋势

　　在人工智能领域，我们提供从初级到高级的全方位课程，旨在帮助学员全面掌握人工智能技术，成为行业内的佼佼者。

人工智能初级：全面解析人工智能技术和应用场景，系统化介绍人工智能技术链条。通过实例对Python进行深入理解，掌握Python语法规则、变量和数据类型、程序结构控制等基础知识。同时，还将学习主流机器学习、深度学习框架环境的搭建，如TensorFlow、Keras、Caffe等。

人工智能中级：本模块重点在于算法的开发实现方面，学习人工智能中的识别技术。通过数字识别和人脸识别、自然语言处理等应用广泛的项目开发，深入介绍深度学习的概念、激活函数以及神经网络基础。学员将学习CNN、RNN的原理和方法，以及图像特征提取与识别、经典LeNet模型、LSTM、Encoder-Decoder Model等。此外，还将引入自然语言处理方面的内容，包括分词、题干提取建模等。

人工智能高级：从本阶段开始，学习重点转向高级的模型优化算法上。在项目开发实现的基础上进行调优处理，通过学习过程的优化、数据预处理方法、超参数、学习率优化、Batch-Normalization等方法，实现开发算法的优化，提升神经网络的效率和质量。学员将进一步理解算法实现与设计，实现从开发工程师到算法专家的转变。

数据分析初级：使用Python处理工作场景中的简单数据分析。基于CDBD（*历代人物传记资料库）数据集开发课程案例，介绍数据分析的基本流程和方法，涉及的数据建模方法主要是聚类和决策树。学完之后能够使用Python处理工作场景中的简单数据分析。

数据分析中级：成为具有一定分析思维的数据分析师。基于真实企业数据库开发案例，重点介绍K-近邻、凝聚与分裂（层次聚类算法）、线性回归、朴素贝叶斯等数据建模方法。学员将最终成为具有一定分析思维的数据分析师，满足就业需求。

数据分析高级：成长为一名高级数据分析师，并获得算法工程师的相关技能。基于前两个阶段学员学习数据开发的在线学习数据分析案例，通过完全贴近真实情境的数据分析工作，学会处理各种数据分析中的复杂问题。所使用的建模方法有支持向量机、DBSCAN、逻辑回归和反向传播神经网络。学员将最终成长为一名高级数据分析师，并获得算法工程师的相关技能，能做出直接跟系统交互的仪表盘。

Python初级：数据可视化
在大量数据的情况下，如何让数据能够更直观、更高效地输出有用的信息就需要借助于数据可视化技术。通过项目实战完全掌握Matplotlib实现简单直观的数据可视化、Echarts实现更丰富的交互需求。在此基础上认识更多的数据可视化库并灵活运用。

Python中级：数据抓取与采集
互联网上存在着海量的数据信息通过爬虫可以快速高效地获取这些数据。Scrapy爬虫框架是当前非常流行的一款爬虫框架Scrapy使用Python作为开发语言并且提供了非常丰富扩展功能数量掌握Scrapy爬虫框架的使用能够实现高效获取互联网数据的目标。

Python高级：数据清洗与挖掘
本阶段主要完成数据处理方面的学习利用Python实现数据清洗与存储相关技能。数据被正式应用于AI核心算法前需要经过迁移、清洗、分片等多种转换处理利用Python的numpy、pandas模块有效处理源数据中的空缺值、噪声数据、不一致数据、重复数据等。数据来源、存储环境是多样的分别来自于JSON、CSV文件MySQL、Redis、MongoDB数据库HDFS文件系统等等。利用Python的json、csv、pymysql、redis、pymongo、pyhdfs模块很好地解决了数据存储问题。