网络python培训班

为进一步推动高等院校人工智能教学工作的开展，加强国内各高等院校同行间的交流，培养国内的师资力量，将人工智能最新实训内容带入课堂，特举办“人工智能系列课程理论与实践”高级培训班。

该培训定于2021年7月20日开始，共包含七大专题，每个专题5天左右，共计30天，通过线上直播的方式进行集训。七大专题分别为Python机器学习，图像识别与深度学习，深度学习与NLP，知识图谱、图神经网络和强化学习，深度学习PyTorch理论与实战。本次培训由权威专家主讲，提供实验环境及实验数据，并提供配套资料，通过剖析工程案例展现机器学习、深度学习、强化学习落地全过程。

一、 培训安排

l 2021年7月20日—2021年8月22日(其中，在线直播30天，07.25、07.31、08.06、08.14休息）

时间安排 培训内容 培训时间 地点

每晚 19:30-22:00 支持回放

线上直播 ，支持回放

7月20日—7月24日（共5天）

Python机器学习

7月26日—7月30日（共5天）

图像识别与深度学习

8月1日—8月5日（共5天）

深度学习与NLP

8月7日—8月10日（共4天）

知识图谱

8月11日—8月13日（共3天）

图神经网络

8月15日—8月19日（共5天）

强化学习

8月20日—8月22日（共3天）

深度学习PyTorch理论与实战

二、 培训对象

（1）高等院校

人工智能、数据科学相关学科；计算机、网络通信、自动化、电子工程、 数理统计、电子商务、物联网工程、物流管理、信息与计算科学等专业的科研、教学带头人，骨干教师、博士生、 硕士生；

（2）从事人工智能，计算机、数据科学、互联网等相关领域的科研院所的项目负责人、科研人员、工程技术人员。

（3）各地方政府信息中心负责人、 技术骨干。

（4）互联网产业投资团队——人工智能，数据科学方向。以及应用开发商， 服务提供商等。

（4）有志于数据分析，机器学习研究和应用的从业者。

三、 培训目标

（1）、学习掌握使用 Python 编程语言来进行数据爬取、数据分析、机器学习等操作。

（2）、学习掌握机器视觉技术中图像识别与目标侦测，包括图像处理，图像特征抽取，特征学习，以及基于卷积神经网络的一些机器学习算法和应用。

（3）、掌握 python 实现中文自动分词，词性标注，句法分析，自然语言生成，文本分类，信息检索，信息抽取，文字校对，问答系统，机器翻译，自动摘要，文字蕴涵。

（4）、掌握知识图谱基础知识，领域应用和学术前沿趋势，掌握解知识图谱核心技术。掌握知识图谱在语义搜索、问答系统、个性化推荐等领域的应用。

（5）掌握图神经网络的基本知识,以及多种高级的算法:DeepWalk和GraphSage、GCN等，并能够实现图神经网络算法。

（6）、系统掌握强化学习各经典算法（基础求解法和联合求解法）的技术原理，能够编程实现各经典算法。掌握迷宫寻宝、飞翔的小鸟、小车倒摆、钟摆、AlphaGO、AlphaGO Zero、AlphaZero的技术原理和代码实现。

（7）轻松学会使用PyTorch实现各类机器学习、图像处理、自然语言处理、生成式深度学习、强化学习等。

四、培训专家

邹博（邹伟），睿客邦创始人，华东建筑设计研究院研究员、山东交通学院客座教授、硕士生导师，南昌航空大学双师型教师、中国软件行业协会专家委员、上海市计划生育科学研究所特聘专家、天津大学创业导师、中国医药教育协会老年运动与健康分会学术委员、《聊城大学学报》编委；睿客邦当前进入发展第4年，已经与全国十多所高校建立了AI联合实验室，完成和在研50多个AI工业项目，广泛应用于医疗、交通、农业、气象、银行、电信等多个领域。合作企业有：中国电信、中国移动、CSDN，中国建设银行等。在国内外期刊会议发表论文10 余篇，获得国家发明专利1 项，著书1本，译书6本。

五、培训内容

专题一：Python网络爬虫、数据分析及机器学习

课程简介

通过大量案例快速介绍 Python 运算符、表达式、内置函数，列表、元组、字典、集合，以及等内容。学习完这些基础内容之后，重点学习python网络爬虫、网络爬虫原理与应用、numpy 数组运算与矩阵运算、pandas 数据分析、matplotlib数据可视化以及 sklearn 机器学习等方面的内容，结合最新的案例进行实战。

课程特点

1) 报名赠送全部PPT和案例源代码、实验录播课及实验手册等资源。

2) 全案例教学，边讲边练，实战性强，助教辅导，力争让每位学员掌握所学内容。

课程大纲

1、Python基础学习

解释器Python2.7/3.x、IDE：Anaconda/Pycharm

列表/元组/字典/类/文件

Python安装与环境配置

Python基本数据类型：list, dict, tuple, set等

Python文件操作：txt, excel等

Python 的标准库

Python高级用法：切片、迭代、map、filter、reduce

代码和案例实践：

公路堵车概率模型Nagel-Schreckenberg实现

负二项分布与比赛胜率

本福特定律

蝴蝶效应：Lorenz系统的三维绘制

2、python网络爬虫

字符串重要方法应用

中英文分词，拼音处理

网页文本提取与图片下载

简单反爬机制对抗

代码和案例实践：

《青春有你2》选手数据爬取与分析

《安家》影评爬取与数据分析

《乘风破浪的姐姐》数据爬取与分析

《平凡的荣耀》数据爬取与分析

中国工程院院士信息爬取与分析

爬取某学校所有新闻

演员数据分析，最受欢迎的演员、关系最好的演员组合

3、Python数据分析

Numpy/Scipy/Pandas/Matplotlib/Seaborn库

Numpy基础属性与数组创建

Numpy索引

Numpy数学运算与常用分布

Pandas数据处理与分析

Pandas文件读写和个性化控制

Pandas的concat与merge

Matplotlib 基本图结构介绍

基于Matplotlib绘制散点图、柱状图、等高线图、3D图等

多图合并与图片文件存取

scikit-learn的介绍和典型使用

XGBoost、LightGBM

多元高斯分布

典型图像处理

多种数学曲线

多项式拟合

代码和案例实践：

股票数据分析

图像处理与奇异值分解SVD

饭店营业额数据分析

散点图，商场内手机信号强度分布，烧烤店营业额

饼状图，学生成绩分布

4、回归分析

线性回归

Logistic/Softmax回归

广义线性回归

L1/L2正则化

Ridge与LASSO

Elastic Net

梯度下降算法：BGD与SGD

特征选择与过拟合

Softmax回归的概念源头

最大熵模型

K-L散度

代码和案例实践：

线性回归算法儿童身高预测

股票数据的特征提取和应用

泰坦尼克号乘客缺失数据处理和存活率预测

环境检测数据异常分析和预测

二手车数据特征选择与算法模型比较

广告投入与销售额回归分析

鸢尾花数据集的分类

5、决策树和随机森林

熵、联合熵、条件熵、KL散度、互信息

最大似然估计与最大熵模型

ID3、C4.5、CART详解

决策树的正则化

预剪枝和后剪枝

Bagging Boosting AdaBoost GBDT XGBoost

随机森林

不平衡数据集的处理

利用随机森林做特征选择

使用随机森林计算样本相似度

异常值检测

代码和案例实践：

根据三围信息判断性别

葡萄酒数据集的决策树/随机森林分类

泰坦尼克乘客存活率估计

6、SVM

线性可分支持向量机

软间隔

损失函数的理解

核函数的原理和选择

SMO算法

支持向量回归SVR

多分类SVM

代码和案例实践：

支持向量机手写数字图像识别

原始数据和特征提取

调用开源库函数完成SVM

数字图像的手写体识别