cda

您的位置:首页 > 课程列表 > AI工程师

AI工程师

AI工程师

难度:


周期: 18周

18800

2.03前 报课早鸟价优惠1000元

立即报名 咨询老师

AI工程师

 姓名:

 电话:

 邮箱:

   备注:

邀请码:

提交信息
  • WHAT 课程简介

    《AI工程师》适合零基础入门到进阶AI工程师意向学员。提供4个半月的周末非脱产集训课程,毕业之后可以推荐相关工作。本课程属于数据科学的高级课程,从Python基础,Python数据分析到高阶人工智能的数学基础、深度学习的常用工具介绍(Tensorflow、Keras、Caffe、PyTorch)、深度学习在各个领域的应用、深度学习高级算法等内容,对Python语言技能有较高的要求,课程每期至少3位以上相关领域专家授课,使用实际案例手把手将人工智能技术传授给学员,使CDAAI工程师课程更符合市场真实要求,更符合市场主流和未来5年的趋势,帮助学员快速进入AI领域并长期保持较强的市场竞争力。 最后结合四大热门行业电商、金融、电信、医药真实案例和业务出发,升华技术应用场景,使所学更符合就业要求, 达到企业用人标准,快速在大数据时代找准工作定位。学员毕业要求能够带领团队协同完成数据分析项目,能够掌握数据数据分析大多数岗位(高级算法工程师、自然语言处理工程师、AI工程师)技能。
  • WHY 学习目标

    熟悉AI工具,包括TensorFlow、Keras、Caffe、PyTorch
    熟悉深度学习应用
    熟悉CNN、RNN、Faster RCNN等深度神经网络模型,并掌握其相关的优化算法
    了解深度学习高级算法,包括生成对抗网络、强化学习等
  • WHO 学习对象和基础

    在校数学、计算机、统计学、大数据、数据分析相关专业高年级学生
    有5年一般数据分析经验或1年以上机器学习经验学员
    零基础决心进入AI工程师领域学员

01Python编程基础知识

01-01成为Python高手之前必备基础知识
01-02数据分析的武器库与分析工具Python介绍
01-03Python的基本数据类型和数据结构
01-04Python的程序控制
01-05Python的函数与模块
01-06Python日期和时间处理
01-07Python字符串处理与正则表达式
01-08Python异常处理和文件操作
01-09实战:基于Python的函数创建与商业实操文件操作

02Python进行数据整理和数据清洗

01-01Numpy中的数据类型--ndarray数组的创建
01-02Numpy数组基础:索引、切片、变形、分裂
01-03Numpy数组运算:通用函数
01-04Numpy数组变形、拼接
01-05Numpy数组计算:广播、聚合、比较和掩码、数组排序
01-06Pandas对象简介:Series、Dataframe、Index
01-07Pandas数据加载与存储
01-08Pandas数值运算方法:通用函数、聚合函数、遍历
01-09Panda层次化索引
01-10Pandas数据处理:数据类型转换、缺失值处理、字符串转换
01-11Pandas数据表的合并与连接
01-12Pandas数据的累计与分组
01-13高性能Pandas:query()、eval()实现高性能运算
01-14Pandas数据规整化:清理、转换、合并、重塑
01-15Pandas时间序列&金融数据处理
01-16实战案例1:泰坦尼克幸存者数据清洗
01-17实战案例2:USDA食品数据清洗

03Python进行网络爬虫

01-01网络爬虫基础知识
01-02网络请求及响应-Requests库
01-03HTML文档解析-BeautifulSoup库
01-04常见反爬虫机制及应对
01-05网络爬虫 VS 网络数据抓取
01-06实战1:新东方批量下载头像
01-07实战2:抓取豆瓣书籍简介
01-08实战3:模拟浏览器selenium抓取电商商品信息及评论

04Python进行数据可视化技术

01-01绘图思想的基本原理
01-02Python数据可视化包-Matplotlib介绍
01-03使用Matplotlib进行基本的图形绘制
01-04使用Python数据处理包Pandas做可视化
01-05Python数据可视化包-Seaborn介绍与图形绘制
01-06Python数据可视化包-Pyecharts介绍与图形绘制
01-07使用Python进行地图绘制-Pyecharts
01-08数据可视化技巧

05Python进行机器学习和sklearn实战

01-01机器学习和Scikit-Learn简介
01-02机器学习之超参数与模型验证:学习曲线、网格搜索
01-03机器学习之特征工程:分类特征、文本特征、图像特征、特征衍生、缺失值填充、特征管道
01-04KNN-最近邻分类器(实战:改进约会网站配对效果)
01-05朴素贝叶斯分类算法(实战:垃圾邮件过滤)
01-06决策树与随机森林(实战:红酒分类)
01-07线性回归分析(实战:预测鲍鱼的年龄)
01-08Logistic回归分析(实战:构建信用卡反欺诈模型)
01-09支持向量机算法(实战:手写数字识别)
01-10利用AdaBoost元算法提高分类性能(实战:泰坦尼克幸存者预测)
01-11树回归--CART树与Xgboost
01-12无监督学习:K-means聚类
01-13无监督学习:Apriori进行关联分析
01-14无监督学习:FP-growth进行频繁项挖掘
01-15无监督学习:LDA、LSI
01-16简化数据与降维:PCA与SVD

06人工智能的数学基础

01-01高等数学基础:导数与偏导、梯度向量、极值定理、泰勒展开、拉格朗日乘法
01-02线性代数:矩阵与张量、矩阵的正定性、可逆矩阵、雅克比行列式、子空间、范数、哈希空间
01-03降维:PCA/SVD方法
01-04概率论与统计学:常见分布、期望、方差、协方差、熵
01-05优化问题:凸集、凸函数、凸优化、对偶、无约束梯度分析、无约束迭代法、线性回归求解
01-06SVN建模、求解、拓展
01-07EM统计建模
01-08GMM统计建模与实践

07人工智能工具库及其应用

02-01TensorFlow工具简介
02-02张量与图计算
02-03TensorFlow API的构建
02-04TensorFlow 简单API进行多层感知器建模
02-05TensorFlow 简单API进行CNN/LSTM建模
02-06TensorFlow DataSet与数据高效读写
02-07TensorFlow 复杂API的高效特征工程处理
02-08Keras工具简介
02-09Keras序贯模型与函数模型的使用
02-10Keras多层感知器
02-11Keras卷积神经网络
02-12Caffe工具简介、架构与设计
02-13使用Caffe训练神经网络模型
02-14使用Caffe实现数据集的图像分类
02-15使用Caffe提取图像特征
02-16PyTorch工具简介
02-17张量、梯度与自动求导
02-18基于PyTorch的基础模型搭建
02-19基于PyTorch的多层感知器搭建
02-20基于PyTorch的神经网络搭建

08深度学习的应用

03-01使用TensorFlow基于矩阵分解构建电商推荐系统
03-02使用TensorFlow完成复杂电商推荐系统
03-03使用TensorFlow构建LR、FM完成广告到达率预测
03-04使用Keras构建深度学习模型解决新零售销量预估问题
03-05NNLM模型介绍
03-06使用Keras完成词向量的训练
03-07基于卷积神将网络的文本分类模型
03-08基于RNN/LSTM实现新闻文本分类
03-09基于神经网络实构建唐诗生成器
03-10使用LSTM构建时间序列的预测模型
03-11实战:实现网站流量预估
03-12实战:对PM2.5的值进行预测
03-13图像处理:图像识别
03-14图像处理:基于内容的图像检测
03-15图像处理:物体检测与图像分割
03-16fine-tuning解决方案
03-17使用RNN进行评论情感分析

09对抗生成网络与强化学习

04-01生成对抗网络与图像生成
04-02生成对抗网络的应用:pix2pix图像翻译
04-03生成对抗网络的应用:汉子艺术字生成
04-04强化学习简介及其与监督/无监督的对比
04-05马尔可夫决策过程
04-06强化学习:Deep Q Network
04-07强化学习:DDPG

10电商行业大型案例

01-01流量:用户画像与精细化营销
01-02产品:产品生命周期管理
01-03活动:KPI检测体系构建
01-04品牌:品类管理与多位能力模型构建

11金融行业大型案例

01-01客户:客户细分与用户画像
01-02产品:产品生命周期与用户关系管理
01-03营销:精准营销、网络获客、客户维护与客户生命周期管理
01-04风险管理:中小微企业的贷款风险和偿债能力分析、信用卡评分

12电信行业大型案例

01-01用户离网预警分析
01-02客户价值评估模型
01-03用户细分
01-04电信反欺诈模型的构建

13医疗行业大型案例

01-01致病因素分析
01-02数据挖掘、用户行为分析与临床诊断
01-03图像处理与医学影像诊断
01-04病例自动化管理
01-05药物副作用与临床试验反应预测
01-06门诊客流量实施预测

来自业界的数据领袖团队

  • 吴昊天

    CDA Level 2 大数据分析师考试命题组组长

    曾就职于电子科技大学大数据中心医疗卫生研究所,历任数据分析师、数据挖掘工程师、大数据架构师等职,多次参与并主导医保反欺诈领域和智慧诊疗相关算法设计、执行、优化等相关工作, 拥有丰富的算法研发经验与多项算法专利。拥有丰富的数据类项目管理经验。
  • 韩要宾

    杭州沐垚科技有限公司创始人兼COO,CDA数据分析研究院资深讲师

    5年电商从业经验,4年数据挖掘实战经验;专注于数据分析与挖掘、机器学习、深度学习,服务客户包括苏宁易购、迪卡侬、百草味、浙江师范大学等。
  • 董雪婷(Yuki)

    复旦大学数学科学学院&CDA Institute会员

    拥有近10年的数据项目工作经验,曾就职于美资咨询公司Hay Group(现名为光辉合益),通过数据驱动帮助客户 提升组织效能。 后转为甲方企业资深数据挖掘工程师,曾就职于携程、饿了么、 陆金所。主要从事数据分析和挖掘工作。
  • 李御玺

    国立台湾大学资讯工程博士

    铭传大学大数据研究中心主任,铭传大学资讯工程学教授,铭传大学大数据研究中心主任,中华资料采矿协会理事 其研究领域专注于数据仓库(Data Warehousing)、数据挖掘(Data Mining)、与文本挖掘。
  • 傅老师

    金融数学博士/CDA数据分析研究院金牌讲师

    主要从事金融数学,金融数据分析等领域的研究,发表SCI,EI,CSSCI核心期刊论文多篇。在具体行业方面,傅教授先后担任过咨询公司、互联网金融机构、数据管理公司的高级数据分析顾问,先后参与过客户估值、反欺诈识别、舆情分析等数据分析项目,有着丰富的行业经验。
权威 经管之家CDA LEVEL Ⅲ数据科学家认证证书,行业顶尖人才认证,已获得IBM大数据大学,中国电信,苏宁,德勤,猎聘,CDMS等企业的认可。
专业 CDA认证是根据商业数据分析专业岗位设立的一套体系化、科学化、正规化的人才标准。全国统考、专家命题、评分公平、流程严格,更具含金量。
权益 持证人享有系列特殊权益。证书皆绑定考生真实身份,可在CDA官网查询,确保唯一性与防伪性。证书三年审核一次,保证持证人的实力与权益。

认证介绍:
CDA数据分析师认证”是一套专业化,科学化,国际化,系统化的人才考核标准,分为CDA LEVELⅠ ,LEVEL Ⅱ,LEVEL Ⅲ,涉及金融、电商、医疗、互联网、电信等行业大数据及数据分析从业者所需要具备的技能,符合当今全球大数据及数据分析技术潮流,为各界企业、机构提供数据分析人才参照标准。经管之家为中国区CDA数据分析师认证考试唯一主办机构,于每年6月与12月底在全国范围举办线下数据分析师考试,通过考试者可获得CDA数据分析师认证证书。
CDA持证人福利
1.可吸纳为CDA Institute、中国数据分析师(CDA)俱乐部会员,活动中具有优先报名参与权。
2.可优先获得CDA内部就业及职业发展推荐。
3.免费参与CDA举办的中国数据分析师行业峰会、大数据峰会、研讨会等各项活动,Level Ⅱ与Level III持证人享受特权位置。
4.可申请加入CDA数据分析项目组,参与项目合作(提供项目给持证人演练)。
5.CDA Level Ⅰ持证人免费享受Peixun.net会员服务6个月(价值588 RMB),Level Ⅱ与Level III持证人免费享受peixun.net会员服务1年 (价值998 RMB);
6.其他特权皆以各类活动公告为主。
进入考试报名系统
  • Q:在这门课程中会学习到什么?

    A:本课程结合以人工智能最核心的人工智能与深度学习为出发点,通俗讲解AI领域必备经典算法模型,以实战为导向结合深度学习经典框架进行项目实战,快速掌握人工智能必备基础与实战技巧。
  • Q:如果学不会怎么办?

    A:首先,我们有一次免费学习的机会,如果还是学不会,授课老师会和学生面谈,发现问题所在,并让老师给出学习建议,查缺补漏,可以再跟着免费学一期。目前咱们还没有出现过这样的情况,对于学员来讲都是想尽快掌握技术能够运用到工作中。
  • Q:为什么要学习这门课程?

    A: 我们目前正处于第四次科技浪潮-人工智能。人工智能这个概念很早就被提出,不过受限于计算机处理技术和样本数据的匮乏,始终停留在科研层面并未广泛应用于生活。随着计算机技术的高速发展和数据处理技术的更新,我们所能收集处理的数据也越来越庞大。人工智能技术也可以可以走下高高科学殿堂,来到普通人的身边。随着AlphaGo战胜李世石,人们对人工智能的认识和热情达到了顶峰,我们相信人工智能将在未来5-10年深刻改变我们的生活。从2013年开始人工智能领域的投资增长了3倍,对于人工智能人才的需求也愈来愈强烈。
  • Q:这门课程有什么先修要求?

    A:这门课需要你最好掌握中级编程知识、中级统计学知识、中级微积分和线性代数知识。如果你不具备,可以先加入《数据分析与SPSS应用》课程和《Python机器学习实战》课程,一站式打好基础。

OK