招生對象：特訓(xùn)營·第 1 計劃·(階段一)標(biāo)準(zhǔn)庫，擴(kuò)展庫，運算符，表達(dá)式，字符串、轉(zhuǎn)義字 符，字符串的輸出和輸入，訪問字符串中的值，字符 串內(nèi)建函數(shù)；列表，包括列表訪問，列表運算，深拷 貝/淺拷貝，列表常用的方法；字典，集合，條件表 達(dá)式，選擇結(jié)構(gòu)，包括while循環(huán)，break語句，for in 循環(huán)，range函數(shù)，continue語句； 函數(shù)參數(shù),變量作用域,lambda,生成器； 類的定義,使用,數(shù)據(jù)成員,成員方法,特殊方法,運算符重 載； numpy，包括NumPy 數(shù)學(xué)函數(shù)，NumPy 統(tǒng)計函數(shù)， NumPy 矩陣庫(Matrix) ，NumPy 排序、條件刷選 函數(shù)，NumPy 線性代數(shù)，數(shù)組運算，矩陣運算， scipy，pandas，如Pandas數(shù)據(jù)結(jié)構(gòu)，Pandas數(shù)據(jù) 幀（DataFrame）,Pandas面板，包括Pandas基本應(yīng) 用，Pandas描述性統(tǒng)計，Pandas函數(shù)應(yīng)用，Pandas 重建索引，Pandas迭代，Pandas統(tǒng)計函數(shù)；特訓(xùn)營·第 2 計劃·(階段二)Pandas 讀取數(shù)據(jù)， scikit-learn 訓(xùn)練與測試模型； 評估模型性能的指標(biāo)； 交叉驗證(把給定的數(shù)據(jù)進(jìn)行切分，將切分的數(shù)據(jù)集分 為“訓(xùn)練集”和“驗證集”（假設(shè)其中4份為train，1 份為validation），在此基礎(chǔ)上循環(huán)選取進(jìn)行訓(xùn)練 和驗證。曲線判斷過欠擬合，用網(wǎng)絡(luò)搜索訓(xùn)練模型； 測試 NumPy 、 pandas 技能的掌握； 測試對模型評估與驗證的理解；特訓(xùn)營·第 3 計劃·(階段三)分類與回歸的區(qū)別，學(xué)習(xí)使用線性回歸來做預(yù)測； Iris經(jīng)典愛麗絲，愛麗絲進(jìn)化與文本矢量化，AI操作 流程，數(shù)據(jù)切割函數(shù)，Iris愛麗絲分解，線性回歸算 法，邏輯回歸算法； 樸素貝葉斯原理，樸素貝葉斯算法，KNN近鄰算法 ，隨機(jī)森林算法，構(gòu)建垃圾郵件分類器； 決策樹算法，GBDT迭代決策樹算法，SVM向量機(jī) ，SVM-cross向量機(jī)交叉算方法，神經(jīng)網(wǎng)絡(luò)算法， MLP神經(jīng)網(wǎng)絡(luò)算法，MLP_reg神經(jīng)網(wǎng)絡(luò)回歸算法， 探索泰坦尼克號乘客存活模型； 支持向量機(jī)以線性分離數(shù)據(jù)； 非線性可分的數(shù)據(jù)上來訓(xùn)練 SVM； boosting 提升傳統(tǒng)方法；Adaboost，CCPP數(shù)據(jù) 集，數(shù)據(jù)集切割，讀取CCPP數(shù)據(jù)集，機(jī)器學(xué)習(xí)統(tǒng)一 接口，批量調(diào)用機(jī)器學(xué)習(xí)算法，一體化調(diào)用，存儲算 法模型，批量存儲算法模型，批量加載算法模型，機(jī) 器組合算法； 監(jiān)督學(xué)習(xí)測試題；特訓(xùn)營·第 4 計劃·(階段四)聚類算法，k-means 對數(shù)據(jù)聚類； k-means，K均值聚類算法是先隨機(jī)選取K個對象作為 初始的聚類中心。計算每個對象與各個種子聚類中心 之間的距離，把每個對象分配給距離它最近的聚類中 心，對電影評分聚類； 單連接聚類法、層次聚類法，通過某種相似性測度計 算節(jié)點之間的相似性；DBSCAN，Density-Based Spatial Clustering of Applications with Nois是一 個比較有代表性的基于密度的聚類算法； 高斯混合模型、高斯概率密度函數(shù)、正態(tài)分布曲線及 相關(guān)示例； 通過案例學(xué)習(xí)特征縮放； 降維，PCA 的原理(PCA降維原理是基于訓(xùn)練數(shù)據(jù)集 X的協(xié)方差矩陣C的特征向量組成的K階矩陣U，XU得 到X的k階降維矩陣Z。主要原理用的是協(xié)方差矩陣C 是一個實對角矩陣的性質(zhì)和使用場景； 特征臉方法、 SVM 臉部識別，使用預(yù)處理來提取更 有意義的特征。這里使用主成份分析來提取150個基 本元素，然后將其提供給支持向量機(jī)分類器，將這個 預(yù)處理和分類器打包成管道； 隨機(jī)投影(隨機(jī)投影的理論依據(jù)是J-L Lemma，公式 的核心思想總結(jié)一句話就是： 在高維歐氏空間里的點集映射到低維空間里相對距離 得到某誤差范圍內(nèi)的保持，獨立成分分析，Lab學(xué)習(xí) 應(yīng)用這些方法； 非監(jiān)督學(xué)習(xí)測試題；特訓(xùn)營·第 5 計劃·(階段五)深度學(xué)習(xí)，這是機(jī)器學(xué)習(xí)中一種基于對數(shù)據(jù)進(jìn)行表 征學(xué)習(xí)的方法。觀測值（例如一幅圖像）可以使用 多種方式來表示，如每個像素強(qiáng)度值的向量，或者 更抽象地表示成一系列邊、特定形狀的區(qū)域等，而 使用某些特定的表情識別，包括softmax、one-hot encoding和cross entropy感知器，與梯度下降； 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，通過 backpropogation 來訓(xùn)練網(wǎng) 絡(luò)優(yōu)化神經(jīng)網(wǎng)絡(luò)，如 regularization 與 dropout 使用 Keras 分析 IMDB 電影數(shù)據(jù)； 卷積神經(jīng)網(wǎng)絡(luò)原理，卷積神經(jīng)網(wǎng)絡(luò)，包括Convo- lutional，Neural Networks, CNN，是一類包含 卷積計算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，F(xiàn)eed- forward、Neural Netwo，是深度學(xué)習(xí)（deep learning）的代表算法之一、圖像識別、keras、 遷移學(xué)習(xí)； 深度學(xué)習(xí)在癌癥（如皮膚癌）檢測，將近13萬張可用 的皮膚病變圖像，覆蓋了2000多種不同的疾病類型。 他們使用這一數(shù)據(jù)集創(chuàng)建了圖像庫，并將其作為原 始像素提供給算法，每個像素都帶有標(biāo)簽，描述了相 關(guān)疾病的附加數(shù)據(jù)。研究人員訓(xùn)練算法總結(jié)出圖像里 的模式，也即發(fā)現(xiàn)疾病經(jīng)由組織傳播在外觀上所遵循 的規(guī)則；特訓(xùn)營·第 6 計劃·(階段六)強(qiáng)化學(xué)習(xí)(reinforcement learning)，又稱再勵學(xué)習(xí) 、評價學(xué)習(xí)，是一種重要的機(jī)器學(xué)習(xí)方法，在智能控 制機(jī)器人及分析預(yù)測等領(lǐng)域有許多應(yīng)用，與 OpenAI Gym 的基礎(chǔ)； 馬爾科夫決策過程策略，基于馬爾可夫過程理論的隨 機(jī)動態(tài)系統(tǒng)的優(yōu)決策過程； 馬爾可夫決策過程是序貫決策的主要研究領(lǐng)域，它是 馬爾可夫過程與確定性的動態(tài)規(guī)劃相結(jié)合的產(chǎn)物，又 稱馬爾科夫型隨機(jī)動態(tài)規(guī)劃，屬于運籌學(xué)中的數(shù)學(xué)規(guī) 劃的一個分支，推到Bellman方程； 迭代策略評估、策略改進(jìn)、策略迭代和值迭代； 蒙特卡洛預(yù)測，也叫蒙特卡羅（Monte Carlo）方法， 又稱隨機(jī)抽樣或統(tǒng)計試驗方法，控制方案、greedy算 法、epsilon-greedy算法； Sarsa、Q-Learning 、預(yù)期 Sarsa； 解決 OpenAI Gym(OpenAI Gym 是一個用于開發(fā) 和比較RL 算法的工具包，與其他的數(shù)值計算庫兼容 ，如tensorflow 或者theano 庫?，F(xiàn)在主要支持的 是python 語言，以后將支持其他語言）的Taxi-v2 任務(wù)； 傳統(tǒng)算法適用于連續(xù)空間； 深度神經(jīng)網(wǎng)絡(luò)將強(qiáng)化學(xué)習(xí)方法擴(kuò)展到復(fù)雜問題； 基于策略的方法優(yōu)化優(yōu)策略； 基于價值、基于策略的方法，解決具有挑戰(zhàn)性的強(qiáng)化 學(xué)習(xí)問題； 強(qiáng)化學(xué)習(xí)相關(guān)的測試題；

招生對象：智庫燈塔歷經(jīng)多年、多位資深產(chǎn)品總監(jiān)共同研發(fā)課程，老師們把互聯(lián)網(wǎng)任職多年的經(jīng)驗積累濃縮到2個月學(xué)習(xí)中，使不同行業(yè)不同水平起步的同學(xué)均可快速理解課程重點，完整的完成互聯(lián)網(wǎng)實戰(zhàn)項目，幫助學(xué)員成功轉(zhuǎn)型為具備2年行業(yè)經(jīng)驗的產(chǎn)品經(jīng)理！學(xué)習(xí)過程中將邀請到各大互聯(lián)網(wǎng)公司資深產(chǎn)品總監(jiān)或創(chuàng)始人做串講，分析項目、分享經(jīng)驗、提升技能等…產(chǎn)品課程包括（簡）：需求分析、競品分析、用戶體驗、產(chǎn)品方案、產(chǎn)品定位、產(chǎn)品原型、產(chǎn)品運營與管理、垂直產(chǎn)品線的組織結(jié)構(gòu)與跨產(chǎn)品線的團(tuán)隊協(xié)作、后臺產(chǎn)品的架構(gòu)，BRD、MRD和PRD文檔（說明文檔）以及協(xié)調(diào)整個項目準(zhǔn)時上線等。需學(xué)習(xí)與具備的能力：產(chǎn)品版本規(guī)劃表、項目排期表、Milestone、Deadline的項目管理；日常工作文檔：規(guī)范化郵件撰寫、工作匯報（日報、周報、年終總結(jié)）、會議邀請、會議紀(jì)要等…掌握軟件工具：Axure RP、Balsamiq Mockups、墨刀、Office、Mindmanager/Xmind

招生對象：課程介紹： 智庫燈塔歷經(jīng)多年、多位資深產(chǎn)品總監(jiān)共同研發(fā)課程，老師們把互聯(lián)網(wǎng)任職多年的經(jīng)驗積累濃縮到2個月學(xué)習(xí)中，使不同行業(yè)不同水平起步的同學(xué)均可快速理解課程重點，完整的完成互聯(lián)網(wǎng)實戰(zhàn)項目，幫助學(xué)員成功轉(zhuǎn)型為具備2年行業(yè)經(jīng)驗的產(chǎn)品經(jīng)理！學(xué)習(xí)過程中將邀請到各大互聯(lián)網(wǎng)公司資深產(chǎn)品總監(jiān)或創(chuàng)始人做串講，分析項目、分享經(jīng)驗、提升技能等…產(chǎn)品課程包括（簡）：需求分析、競品分析、用戶體驗、產(chǎn)品方案、產(chǎn)品定位、產(chǎn)品原型、產(chǎn)品運營與管理、垂直產(chǎn)品線的組織結(jié)構(gòu)與跨產(chǎn)品線的團(tuán)隊協(xié)作、后臺產(chǎn)品的架構(gòu)，BRD、MRD和PRD文檔（說明文檔）以及協(xié)調(diào)整個項目準(zhǔn)時上線等。需學(xué)習(xí)與具備的能力：產(chǎn)品版本規(guī)劃表、項目排期表、Milestone、Deadline的項目管理；日常工作文檔：規(guī)范化郵件撰寫、工作匯報（日報、周報、年終總結(jié)）、會議邀請、會議紀(jì)要等…掌握軟件工具：Axure RP、Balsamiq Mockups、墨刀、Office、Mindmanager/Xmind項目實戰(zhàn)：學(xué)習(xí)過程中平日與周末課程均會安排2次互聯(lián)網(wǎng)實戰(zhàn)項目，項目包函移動端+后臺+PC端。項目主題涉及電商、視頻、金融、社交、O2O等等。項目經(jīng)驗后期也會包裝整合到簡歷中。