PYTHON軟件工程師

上課時段: 詳見內(nèi)容

已關(guān)注: 527人

課程價格: 請咨詢

咨詢電話:

授課學(xué)校: 合肥北大青鳥

教學(xué)點(diǎn): 1個

開班時間: 滾動開班

預(yù)約試聽

課程介紹

科學(xué)實(shí)用的課程體系

成體系培養(yǎng)，符合行業(yè)發(fā)展趨勢

人工智能初級：人工智能技術(shù)和應(yīng)用場景的全面解析，系統(tǒng)化介紹人工智能技術(shù)鏈條

通過實(shí)例對人工智能的開發(fā)語言載體Python進(jìn)行深入理解并掌握Python語法規(guī)則，變量和數(shù)據(jù)類型，程序結(jié)構(gòu)控制，Python的數(shù)據(jù)結(jié)構(gòu)，Python中的OOP，了解-神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法和流程，學(xué)習(xí)主流機(jī)器學(xué)習(xí)、深度學(xué)習(xí)框架環(huán)境的搭建，TensorFlow、Keras、Caffe等。

人工智能中級：本模塊重點(diǎn)在于算法的開發(fā)實(shí)現(xiàn)方面，學(xué)習(xí)人工智能中的識別技術(shù)

通過數(shù)字識別和人臉識別、自然語言處理等這些應(yīng)用極為廣泛的項(xiàng)目開發(fā)，深入介紹深度學(xué)習(xí)的概念，激活函數(shù)以及神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，對CNN、RNN進(jìn)行原理方法和原理學(xué)習(xí)，卷積層和池化層，圖像特征提取與識別，經(jīng)典LeNet模型，LSTM，Encoder-Decoder Model等，同時引入自然語言處理方面的內(nèi)容，包括分詞、題干提取建模等，為不同方向的技術(shù)學(xué)習(xí)構(gòu)建完整的技能知識圖譜。

人工智能高級：從本階段開始，我們的學(xué)習(xí)重點(diǎn)轉(zhuǎn)向高級的模型優(yōu)化算法上

在項(xiàng)目開發(fā)實(shí)現(xiàn)的基礎(chǔ)上進(jìn)行調(diào)優(yōu)處理，通過學(xué)習(xí)過程的優(yōu)化、數(shù)據(jù)預(yù)處理方法、超參數(shù)、學(xué)習(xí)率優(yōu)化、Batch-Normalization等方法，實(shí)現(xiàn)開發(fā)算法的優(yōu)化，完善提升神經(jīng)網(wǎng)絡(luò)的效率和質(zhì)量，進(jìn)一步理解算法實(shí)現(xiàn)與設(shè)計，實(shí)現(xiàn)開發(fā)工程師提升到算法專家之路。

數(shù)據(jù)分析初級：使用Python處理工作場景中的簡單數(shù)據(jù)分析

基于CDBD（中國歷代人物傳記資料庫）數(shù)據(jù)集開發(fā)課程案例，介紹數(shù)據(jù)分析的基本流程和方法，涉及的數(shù)據(jù)建模方法主要是聚類和決策樹，學(xué)完之后能夠使用Python處理工作場景中的簡單數(shù)據(jù)分析。

數(shù)據(jù)分析中級：成為具有一定分析思維的數(shù)據(jù)分析師

基于真實(shí)企業(yè)數(shù)據(jù)庫開發(fā)案例，重點(diǎn)介紹K-近鄰、凝聚與分裂（層次聚類算法）、線性回歸、樸素貝葉斯等數(shù)據(jù)建模方法，成為具有一定分析思維的數(shù)據(jù)分析師，滿足就業(yè)需求。

數(shù)據(jù)分析高級：成長為一名高級數(shù)據(jù)分析師，并獲得算法工程師的相關(guān)技能

基于前兩個階段學(xué)員學(xué)習(xí)數(shù)據(jù)開發(fā)的在線學(xué)習(xí)數(shù)據(jù)分析案例，通過完全貼近真實(shí)情境的數(shù)據(jù)分析工作，學(xué)會處理各種數(shù)據(jù)分析中的復(fù)雜問題，所使用的建模方法有支持向量機(jī)、DBSCAN、邏輯回歸和反向傳播神經(jīng)網(wǎng)絡(luò)，成長為一名高級數(shù)據(jù)分析師，并獲得算法工程師的相關(guān)技能，能做出直接跟系統(tǒng)交互的儀表盤。

Python初級：數(shù)據(jù)可視化

在大量數(shù)據(jù)的情況下，如何讓數(shù)據(jù)能夠更直觀，更高效的輸出有用的信息就需要借助于數(shù)據(jù)可視化技術(shù)。通過項(xiàng)目實(shí)戰(zhàn)完全掌握Matplotlib實(shí)現(xiàn)簡單直觀的數(shù)據(jù)可視化、Echarts實(shí)現(xiàn)更豐富的交互需求，在此基礎(chǔ)上認(rèn)識更多的數(shù)據(jù)可視化庫并靈活運(yùn)用。

Python中級：數(shù)據(jù)抓取與采集

互聯(lián)網(wǎng)上存在著海量的數(shù)據(jù)信息，通過爬蟲可以快速高效的獲取這些數(shù)據(jù)。Scrapy爬蟲框架是當(dāng)前非常流行的一款爬蟲框架。Scrapy使用Python作為開發(fā)語言，并且提供了非常豐富擴(kuò)展功能，數(shù)量掌握Scrapy爬蟲框架的使用能夠?qū)崿F(xiàn)高效獲取互聯(lián)網(wǎng)數(shù)據(jù)的目標(biāo)。

Python高級：數(shù)據(jù)清洗與挖掘

本階段主要完成數(shù)據(jù)處理方面的學(xué)習(xí)，利用Python實(shí)現(xiàn)數(shù)據(jù)清洗與存儲相關(guān)技能。數(shù)據(jù)被正式應(yīng)用于AI核心算法前，需要經(jīng)過遷移、清洗、分片等多種轉(zhuǎn)換處理，利用Python的numpy、pandas模塊有效處理源數(shù)據(jù)中的空缺值、噪聲數(shù)據(jù)、不一致數(shù)據(jù)、重復(fù)數(shù)據(jù)等。數(shù)據(jù)來源、存儲環(huán)境是多樣的，分別來自于JSON、CSV文件，MySQL、Redis、MongoDB數(shù)據(jù)庫，HDFS文件系統(tǒng)等等。利用Python的json、csv、pymysql、redis、pymongo、pyhdfs模塊很好地解決了數(shù)據(jù)存儲問題。

高精尖的應(yīng)用項(xiàng)目體系

結(jié)合互聯(lián)網(wǎng)應(yīng)用場景，培養(yǎng)學(xué)員遇到問題->分析問題->解決問題的實(shí)際能力

業(yè)務(wù)級解決方案+系統(tǒng)級解決方案

1.車牌號碼識別

車牌識別技術(shù)要求能夠?qū)⑦\(yùn)動中的汽車牌照從復(fù)雜背景中提取并識別出來，該項(xiàng)技術(shù)在車輛管理、電子收費(fèi)等系統(tǒng)中廣泛應(yīng)用，圖像識別是AI很廣泛的應(yīng)用之一。

2.身份證識別

身份證識別應(yīng)用于線上線下銀行、交通出行檢驗(yàn)等行業(yè)，是指使用圖像識別技術(shù)對身份證信息自動提取，并對身份證信息按要素格式化輸出信息。

3.人臉識別驗(yàn)證

人臉識別技術(shù)的發(fā)展讓“刷臉”變成現(xiàn)實(shí)，例如門禁刷臉系統(tǒng)、IPhoneX刷臉解鎖、手機(jī)銀行支付等等。人臉驗(yàn)證主要通過人臉識別定位、人臉屬性識別、特征提取等等技術(shù)，保證其準(zhǔn)確率和安全性。

4.客服機(jī)器人

采用自然語言處理技術(shù)，智能客服機(jī)器人的應(yīng)用有著明顯的優(yōu)勢。特別是為企業(yè)大大提升了服務(wù)效率，收集用戶訴求和行為數(shù)據(jù)，為企業(yè)改進(jìn)產(chǎn)品提供了有力支撐。

為什么選擇課工場