深圳CDA人工智能就業(yè)班

01章Mysql數(shù)據(jù)庫應(yīng)用
01-01數(shù)據(jù)庫概述及基本操作
01-02單表查詢
01-03多表查詢、子查詢
01-04常用函數(shù)
01-05MySQL進階練習(xí)
01-06電商案例
02章Excel業(yè)務(wù)數(shù)據(jù)分析
02-01Excel基礎(chǔ)技能
02-02案例綜合-人力考勤應(yīng)用
02-03數(shù)據(jù)的分類匯總
02-04圖表可視化
02-05圖表應(yīng)用案例一-零售分析儀
02-06圖表應(yīng)用案例二-財務(wù)分析
02-07分析方法 論
03章商業(yè)智能分析
03-01數(shù)據(jù)倉庫概述及基本操作
03-02數(shù)據(jù)建模及匯總規(guī)則
03-03零售行業(yè)分析案例
03-04電商行業(yè)客戶行為分析案例
03-05餐飲行業(yè)銷售情況監(jiān)控案例
03-06電商行業(yè)流量分析案例
03-07進銷存分析案例
03-08汽車市場數(shù)據(jù)分析案例
03-09拓展業(yè)務(wù)分析案例
04章機器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)
04-01微積分
04-02線性代數(shù)
04-03描述性統(tǒng)計方法
04-04抽樣估計
04-05假設(shè)檢驗
04-06列聯(lián)分析
04-07相關(guān)分析
04-08回歸分析
05章python編程
05-01python入門與安裝
05-02python語法入門
05-03基本數(shù)據(jù)類型
05-04控制語句
05-05錯誤與異常
05-06常用內(nèi)置函數(shù)
05-07函數(shù)創(chuàng)建與使用
05-08python高級特性
05-09python模塊
05-10python IO操作
05-11日期與時間
05-12類和面向?qū)ο?/span>
05-13python連接數(shù)據(jù)庫
06章Python數(shù)據(jù)清洗
06-01Numpy基礎(chǔ)
06-02Pandas入門
06-03Pandas基本數(shù)據(jù)處理方法
06-04Pandas聚合與分組
06-05Python數(shù)據(jù)清洗高級操作及案例實戰(zhàn)
07章Python數(shù)據(jù)可視化
07-01Python數(shù)據(jù)可視化入門
07-02MLlib(RDD-BaseAPI)機器學(xué)習(xí)
07-03MatPlotlib繪圖高級參數(shù)
07-04高級繪圖工具seaborn、pyecharts
08章Python統(tǒng)計分析
08-01數(shù)據(jù)分析及統(tǒng)計信息
08-02一元線性回歸
08-03多元線性回歸
08-04一般logistic回歸
08-05logistic回歸與修正
09章Python機器學(xué)習(xí)入門
09-01機器學(xué)習(xí)入門
09-02KNN
09-03模型評估方法（一）
09-04模型優(yōu)化方法（一）
09-05Kmeans
09-06模型評估方法（二）
09-07DBSCAN
09-08決策樹
09-09模型評估方法（三）
09-10案例實戰(zhàn)：決策樹在保險行業(yè)的應(yīng)用
10章Python機器學(xué)習(xí)夯實基礎(chǔ)
10-01線性回歸
10-02模型優(yōu)化方法（二）
10-03邏輯回歸
10-04樸素貝葉斯
10-05模型優(yōu)化方法（三）
10-06關(guān)聯(lián)規(guī)則
10-07協(xié)同過濾
10-08案例實戰(zhàn)：基于協(xié)同過濾的商品個性化推薦
11章Python機器學(xué)習(xí)成竹在胸
11-01集成算法之隨機森林
11-02集成算法之AdaBoost
11-03數(shù)據(jù)處理和特征工程
11-04SVM
11-05神經(jīng)網(wǎng)絡(luò)
11-06XGBoost
11-07實戰(zhàn)案例：基于XGboost的航空預(yù)測
12章數(shù)據(jù)分析項目報告撰寫
12-01報告的預(yù)備工作
12-02報告的邏輯框架及結(jié)構(gòu)
12-03常用分析模型及適用場景
12-04項目基本情況分析
12-05項目分析方法與過程
12-06具體報告撰寫
13章算法綜合案例一：評分卡
13-01案例背景介紹
13-02建模準備
13-03數(shù)據(jù)清洗及變量粗篩
13-04模型訓(xùn)練
13-05模型評估
13-06模型部署與更新
14章算法綜合案例二：電商零售
14-01項目總體概覽以及計劃
14-02方法實現(xiàn)與結(jié)果
14-03營銷活動設(shè)計以及結(jié)果評價
15章非關(guān)系型數(shù)據(jù)庫MongoDB
15-01MongoDB簡介
15-02MongoDB的常用操作
15-03MongoDB的使用
15-04python操作MongoDB
16章深度學(xué)習(xí)基礎(chǔ)：復(fù)雜網(wǎng)絡(luò)分析
16-01圖論
16-02復(fù)雜網(wǎng)絡(luò)的拓撲結(jié)構(gòu)性質(zhì)
16-03更多類型的網(wǎng)絡(luò)
16-04復(fù)雜網(wǎng)絡(luò)的演化
16-05復(fù)雜網(wǎng)絡(luò)的功能
16-06案例：北京市快速軌道交通的有效性
16-07案例：社交網(wǎng)絡(luò)數(shù)據(jù)分析
17章深度學(xué)習(xí)框架TensorFlow
17-01開發(fā)環(huán)境搭建
17-02TensorFlow基本數(shù)據(jù)結(jié)構(gòu)
17-03TensorFlow實現(xiàn)代碼結(jié)構(gòu)和開發(fā)步驟——回歸問題
17-04TensorFlow實現(xiàn)代碼結(jié)構(gòu)和開發(fā)步驟——分類問題
18章深度學(xué)習(xí)基礎(chǔ)算法理論及實踐
18-01AI概述和TensorFlow基礎(chǔ)
18-02神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
18-03卷積神經(jīng)網(wǎng)絡(luò)
18-04RNN和LSTM
18-05手寫數(shù)字識別的突破——卷積神經(jīng)網(wǎng)絡(luò)TensorFlow實現(xiàn)
19章深度學(xué)習(xí)高階算法理論及實踐
19-01判別網(wǎng)絡(luò)
19-02生成網(wǎng)絡(luò)
19-03對抗網(wǎng)絡(luò)和增強學(xué)習(xí)
20章人工智能實戰(zhàn)
20-01文本分析項目
20-02文本數(shù)據(jù)預(yù)處理
20-03文本分析應(yīng)用與python語言實現(xiàn)
20-04圖像識別項目
20-05深度學(xué)習(xí)與圖像識別及經(jīng)典數(shù)據(jù)集
20-06圖像識別的突破——卷積神經(jīng)網(wǎng)絡(luò)
20-07使用卷積神經(jīng)網(wǎng)絡(luò)對經(jīng)典數(shù)據(jù)集cifar進行分類識別
20-08使用自己的數(shù)據(jù)集訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)
20-09語音識別項目
20-10語音技術(shù)分析
20-11本地語音識別
20-12網(wǎng)絡(luò)語音識別
20-13對抗網(wǎng)絡(luò)項目
20-14GAN原型講解
20-15DCGAN
20-16DiscoDAN
20-17半監(jiān)督學(xué)習(xí)