• 手机站
  • 收藏
聚培教育网合作机构 > 长沙国富如荷CDA数据分析
长沙国富如荷CDA数据分析
400-998-6158
长沙国富如荷CDA数据分析
当前位置:首页 > 常见问题

长沙芙蓉区Python机器学习班哪里有

更新时间:2023-03-20 浏览:43
学习目标-应用
 

学会使用Power BI 的四大组件,分別是 Power Query、Power Pivot、Power View 和 Power Map,使得数据可视化和获得洞察力变得更为容易,学会SQL数据库应用基础,学会Python、R、SPSS等,学会运用统计学分析方法构建实战模型分析方法,并同结合Python软件实现等

课程大纲

专业技术人员取得二级造价工程师职业资格,可认定其助理工程师职称,并可作为申报高一级职称的条件学习目标-理解
可以独立完成数据报告撰写,理解活用多维数据模型结合恰当透视方法观测业务问题实现商业洞察,理解透视分析原理,理解DDL及DML语言等咨询详情
专业技术人员取得二级造价工程师职业资格,可认定其助理工程师职称,并可作为申报高一级职称的条件学习目标-熟悉
熟悉Python数据分析综合案例,熟悉docker应用部署、docker的私有仓库相关技术,熟悉数据清洗,可以完成缺失值填补、异常值处理等,熟悉Linux常用命令,能胜任基础大数据运维工作等咨询详情
专业技术人员取得二级造价工程师职业资格,可认定其助理工程师职称,并可作为申报高一级职称的条件学习目标-掌握
掌握开发自动化交互式报表能力,掌握数据指标搭建与监测能力,并掌握如何基于数据进行解读分析、决策优化,掌握数据分析在各行业的应用场景,掌握商品数据分析框架等咨询详情

了解Spark技术应用实践

人工智能     人工智能的概念核心原理,
时代背景发展趋势
核心应用场景

大数据挖掘分析及机器学习     机器学习与挖掘分析
关联分析
分类与预测
聚类分析

Python in Hadoop     Python 开发精要及核心分析包实战
Python 在Hadoop平台的开发实践

Spark技术应用实践     Spark SQL查询,Scala脚本(基于SPARK) Spark ML
典型的Spark计算模型和数据管理策略、资源管理策略、硬件配置特点


课程简介

学习目标


熟练掌握数据科学领域的编程语言-Python
掌握使用Python和pandas库进行数据清洗和预处理
学会使用matplotlib、seaborn进行初级可视化
学会使用Pyecharts进行高级数据可视化
学会构建机器学习算法进行分类、预测和聚类模型
善用机器学习解决用户画像、精准营销、风险管理等商业问题

咨询详情
学习对象


机器学习基础薄弱学员
高校在校生
待业、期待转行从事数据挖掘相关岗位的在职人员
CDA数据分析师level Ⅲ 考生。
希望借助数据挖掘算法来提升解决企业运营、产品运营中涉及的预测问题者
对数据挖掘技术感兴趣的各界人士
产品、运营、营销、管理、咨询相关岗位从业者,希望增加数据挖掘技能与思维

咨询详情

课程大纲

预习课(录播)——数据库SQL
1数据库基本概念2DDL数据定义语言3DML数据操作语言
4单表查询5多表查询
6Python连接SQL
预习课(录播)——Python编程基础1Python标准数据类型
2控制流语句3自定义函数
4异常和错误5类与面向对象编程
6Numpy数组操作
预习课(录播)——数学与统计学基础1线性代数2微积分3描述性统计4参数估计5假设检验6相关分析
7卡方分析8一元线性回归理论推导
9多元线性回归理论推导
机器学习进阶(Level 3)第1周-数据接入与大数据平台1分布式存储与计算2Spark与Flink工作原理
3使用PySpark实现分布式计算
4数据接入策略与调度工具
机器学习进阶(Level 3)第1周-数据挖掘导论
1数据挖掘导论
2KNN
3贝叶斯4SVM
机器学习进阶(Level 3)第2周-决策树1决策树(ID3, C4.5, CART)
2决策树的模型调优3病马死亡归类与识别案例4用户分类-保险行业用户分类分析
机器学习进阶(Level 3)第2周-带正则项的回归分析与SVM
1带正则项的回归分析
2大数据环境下的回归分析实现(Spark实现)

机器学习进阶(Level 3)第3周-集成与提升方法
1集成学习的理论基础2AdaBoost
3随机森林及其Spark实现
4GBDT, XGBoost, LightGBM及Python实现
机器学习进阶(Level 3)第3周-关联规则与协同过滤1关联规则(关联规则的概念,评估指标,Apriori算法)2协同过滤3大数据环境下的协同过滤实现4产品组合策略-电信公司产品捆绑销售策略分析案例
机器学习进阶(Level 3)第4周-高级数据处理与特征工程,神经网络
1数据处理的前沿方法:特征工程概要2数据不平衡问题3特征工程(特征的建构、选择、转换、学习)4感知器及多层感知器
机器学习进阶(Level 3)第4周-深度学习基础
11深度神经网络基础
12BP神经网络架构13反向传播算法14梯度与学习率专题15图像分析-手写数字自动识别
机器学习进阶(Level 3)第5周-爬虫,文本分析
11数据的爬取(http原理、requests应用)
12文本数据清洗(正则表达式、HTML结构及xpath应用)
机器学习进阶(Level 3)第5周-NLP之文本挖掘
11分词与词性标注12文本信息提取13词嵌入(CBOW与Skip-gram)14构建文本信息库
15文本聚类算法
机器学习进阶(Level 3)第6周-聚类分析进阶与异常识别
11聚类分析进阶(密度聚类,高混合聚类,谱聚类)12异常识别(孤立森林,局部异常因子)13交易反欺诈-异常交易识别案例

机器学习进阶(Level 3)第6周-大型项目案例
11实战项目-金融行业反欺诈
机器学习进阶(Level 3)第7周-深度学习与NLP前沿技术11卷积神经网络CNN12循环神经网络RNN与LSTM13残差网络ResNet14注意力机制Attention15预训练框架Transformer与迁移学习16Bert专题17Pytorch框架与代码实践(NLP案例)18大型项目案例-实战项目-信用评分卡
CDA 认证考试辅导(报名考试的学生)
11数据挖掘概论
12高级数据处理与特征工程
13自然语言处理与文本分析
14机器学习算法
15机器学习进阶(自动机器学习,样本不平衡问题,半监督学习,模型优化)
拓展选修课
11互联网数字化运营
12何为数据产品经理
13Python 爬虫
14人工智能(深度学习)实战之图像识别
15Tableau 多维可视化分析
16SPSS 统计分析

更多培训课程,学习资讯,课程优惠等学校信息,请进入长沙国富如荷CDA数据分析网站详细了解,免费咨询电话:400-998-6158

顶部