• 参会报名
  • 会议介绍
  • 会议日程
  • 会议嘉宾
  • 参会指南

首页 > 商务会议 > 学校/教师会议 > 全国高校数据挖掘与机器学习 师资研修班 更新时间:2021-04-26T18:23:26

全国高校数据挖掘与机器学习 师资研修班
收藏人
分享到

全国高校数据挖掘与机器学习 师资研修班 已过期
推荐参加:

会议时间:2021-05-22 09:00至 2021-05-31 23:00结束

会议地点: 线上活动  详细地址会前通知  

会议规模:300人

主办单位: 泰迪杯数据挖掘挑战赛组委会

发票类型:增值税普通发票 增值税专用发票

行业热销热门关注看了又看 换一换

        会议介绍

        会议内容 主办方介绍


        全国高校数据挖掘与机器学习 师资研修班

        全国高校数据挖掘与机器学习 师资研修班宣传图

        随着大数据时代的到来,对于数据的要求不仅仅是存储和管理,更重要的是需要对大量数据进行分析、加工最后再决策。数据分析与挖掘可以从海量数据中获得别人看不见的信息,创业者可以通过数据分析来优化产品,营销人员可以通过数据分析改进营销策略,产品经理可以通过数据分析洞察用户习惯,金融从业者可以通过数据分析规避投资风险,程序员可以通过数据分析进一步挖掘出数据价值。

        本次培训采用“云课堂线上精讲+专家技术在线答疑指导+学员群内实操答疑+助教指导”结合的方式,主要讲解了使用Python进行数据分析与挖掘的相应理论与代码实践,梳理技术框架,从根本上解决如何使用模型、优化模型的问题,通过讲解企业级案例,真正的让各位老师可以了解到所学内容如何和实际结合,做到更好的进行教育教学工作。

        课程特色

          • 本课程全程强调动手实操;内容以代码落地为主,以理论讲解为根,以公式推导为辅,通过讲解企业级案例,真正的让学员把所学内容和工作实际有效结合,做到更好的进行教育教学工作。视频制作精良,讲师真人出镜,系统梳理课程知识框架,全面解析专业必备技能,为相关课程开设和备课、应对科研和项目开发打下坚实基础。
          • 本课程配套有基础知识内容,可使零基学员础快速入门,带领学员迅速掌握Python编程基础、数据分析流程、数据建模,了解数据挖掘机器学习的基本概念及相关实现,讲解常用的数据分析工具的使用方法。
          • 核心课程部分由讲师手把手一起进行实操演练,在具体应用场景中全面掌握相关技能,助力实训教学工作、实际动手的能力。通过讲解具体应用,全面解析专业必备技能,为相关课程开设和备课、应对科研和项目开发打下坚实基础。
          • 全面实践数据分析挖掘流程,包括数据处理、数据探索、数据建模等课程提供知识讲解,注重案例实战,提供在线答疑等服务,助力夯实理论基础,掌握核心技术,全面提升专业授课能力。
          • 培训期间助教全程辅助教学,每天提供10小时的实时在线答疑辅导,并进行答疑文档汇总,更好地总结学习。
          • 无论是前置学习篇还是案例集训篇,相关代码、源数据、PPT、案例素材全部提供下载,即学即用,教学更轻松!视频内容支持六个月内免费回看,以便复习和参考。
          • 参加线上课程学习的学员,如后续本人参加线下课程继续深造,持线上缴费凭证可享受一次免费学习机会(仅限参加同一培训专题方向的线下课程)。

        证书颁发

        学员经在线培训并考试合格后,可以获得由工业和信息化部教育与考试中心颁发“高级人工智能应用职业技术证书”,证书可登录工业和信息化部教育与考试中心官网查询。

        全国高校数据挖掘与机器学习 师资研修班

        查看更多

        会议日程

        (最终日程以会议现场为准)


        1

        基础篇(报名成功后即可开始学习)

        时间

        课程内容

        学习平台

        正式培训前

        Python编程基础

        1准备工作

        2列表操作

        3程序流程控制语句

        4字符串操作

        4.1字符串及其索引&切片

        4.2字符串的常见方法

        4.3字典的创建及索引

        4.4字典常用操作

        4.5字典推导式

        5Python文件读取操作

        5.1Python读取文件

        5.2练习3:统计小说中的单词频次

        6函数

        6.1Python函数自定义

        6.2练习4:自定义求序列偶数个数的函数

        7面向对象与模块

        7.1Python方法与函数对比介绍

        7.2Python面向对象示例

        7.3Python模块使用

        7.4第三方库的安装与调用

        8注意事项

        8.1Python工作路径说明

        8.2模块命名及存放路径的注意事项

        8.3结语

        泰迪云课堂

        核心课程篇

        时间

        课程内容

        学习平台

        第一课 Python数据分析与应用

        5月22日

        18:30-22:00

        1 Python数据分析概述

        1.1 认识数据分析

        1.2 熟悉Python数据分析的工具

        1.3 安装anaconda与掌握Jupyter Notebook常用功能

        2 NumPy数值计算基础

        2.1 掌握NumPy数组对象

        2.1.1NumPy简介

        2.1.2 数组创建及基础属性

        2.1.3 初识数组的特点

        2.1.4 创建常用数组

        2.1.5 数组数据类型

        2.1.6 生成随机数

        2.1.7 一维数组的索引

        2.1.8 逻辑型索引

        2.1.9 多维数组的索引

        2.1.10 求解距离矩阵

        2.1.11 变化数组shape

        2.2 掌握NumPy矩阵与通用函数

        2.2.1 NumPy矩阵介绍

        2.2.2 NumPy通用函数介绍

        2.2.3 通用函数的广播机制

        2.3 利用NumPy进行统计分析

        2.3.1 NumPy读写二进制文件

        2.3.2 NumPy读写txt文件

        2.3.3 利用NumPy对数据进行简单统计分析

        3 Pandas统计分析基础

        3.1 Pandas简介

        3.2 读写不同数据源的数据

        3.2.1 Pandas读取文本数据

        3.2.2 存储数据框

        3.2.3 Pandas读取excel文件

        3.2.4 将数据框存储为excel文件

        3.3 数据框与数据框元素

        3.3.1 构建数据框

        3.3.2 查看数据框的常用属性

        3.3.3 按行列顺序访问数据框中的元素

        3.3.4 按行列名称访问数据框中的元素

        3.3.5 修改数据框中的元素

        3.3.6 删除数据框中的元素

        3.3.7 描述分析数据框中的元素

        泰迪云课堂

        操作演练/作业

        个人PC

        在线答疑

        微信群

        5月23日

        18:30-22:00

        3.4 转换与处理时间序列数据

        3.4.1 转换成时间类型数据

        3.4.2 时间类型数据的常用操作

        4.5 使用分组聚合进行组内计算

        4.5.1 groupby分组操作

        4.5.2 agg聚合操作

        4.6 创建透视表与交叉表

        4.6.1 生成透视表

        4.6.2 生成交叉表

        5 使用Pandas进行数据预处理

        5.1 合并数据

        5.1.1 表堆叠

        5.1.2 主键合并

        5.1.3 重叠合并

        5.2 清洗数据

        5.2.1 检测与处理重复值

        5.2.2 检测与处理缺失值

        5.2.3 检测与处理异常值

        5.3 标准化数据

        5.4 转换数据

        5.4.1 哑变量处理

        5.4.2 离散化连续型数据

        泰迪云课堂

        操作演练/作业

        个人PC

        在线答疑

        微信群

        第二课 Python数据分析实训

        5月24日

        18:30-22:00

        1探索Iris鸢尾花数据

        1.1将数据集存成变量iris创建数据框的列名称['sepal_length','sepal_width','petal_length', 'petal_width', 'class']

        1.2数据框中有缺失值吗?

        1.3将列petal_length的第10到19行设置为缺失值。

        1.4将petal_lengt缺失值全部替换为1.0。

        1.5删除列class。

        1.6将数据框前三行设置为缺失值。

        1.7删除有缺失值的行。

        1.8重新设置索引。

        2探索Chipotle快餐数据

        2.1将数据集存入一个名为chipo的数据框内

        2.2查看前10行内容

        2.3数据集中有多少个列(columns)?

        2.4打印出全部的列名称

        2.5数据集的索引是怎样的?

        2.6被下单数最多商品(item)是什么?

        2.7在item_name这一列中,一共有多少种商品被下单?

        2.8一共有多少个商品被下单?

        泰迪云课堂

        操作演练/作业

        个人PC

        在线答疑

        微信群

        5月25日

        18:30-22:00

        2.9将item_price转换为浮点数

        2.10在该数据集对应的时期内,收入(revenue)是多少?

        2.11在该数据集对应的时期内,一共有多少订单?

        2.12每一单(order)对应的平均总价是多少?

        3探索Apple公司股价数据

        3.1读取“appl_1980_2014.csv”数据并存为一个名叫apple的数据框。

        3.2查看每一列的数据类型。

        3.3将Date这个列转换为datetime类型。

        3.4将Date设置为索引。

        3.5有重复的日期吗?

        3.6将index设置为升序。

        3.7找到每个月的最后一个交易日(businessday)。

        3.8数据集中最早的日期和最晚的日期相差多少天?

        3.9在数据中一共有多少个月?

        3.10按照时间顺序可视化Adj Close值。

        泰迪云课堂

        操作演练/作业

        个人PC

        在线答疑

        微信群

        第三课 综合实战:全国汽车销量可视化

        5月26日

        18:30-22:00

        1 读取数据

        2 数据探索

        3 汽车销量数据分析

        3.1 市场需求

        3.2 消费能力

        3.3 企业竞争

        3.4 热销车型

        3.5 销售量随时间的变换情况

        3.6 地理图表展示不同城市、不同省份的销量情况

        4 车企年度销量目标

        5 汇总

        泰迪云课堂

        操作演练/作业

        个人PC

        在线答疑

        微信群

        第四课 机器学习实践

        5月27日

        18:30-22:00

        1.1引言

        1.2基本术语

        1.3假设空间&归纳偏好

        2.1经验误差与过拟合

        2.2评估方法

        2.3性能度量

        2.4性能度量Python实现

        3.1线性回归基本形式

        3.2线性回归模型的Python实现

        3.3波士顿房价预测的Python实现

        3.4逻辑回归介绍

        3.5研究生入学录取预测的Python实现

        4.1从女生相亲到决策树

        4.2明天适合打球吗

        4.3决策树拆分属性选择

        4.4决策树算法家族

        4.5泰坦尼克号生还者预测—数据预处理

        4.6泰坦尼克号生还者预测—模型构建与预测

        4.7决策树可视化

        泰迪云课堂

        操作演练/作业

        个人PC

        在线答疑

        微信群

        5月28日

        18:30-22:00

        5.1聚类分析概述

        5.2相似性度量

        5.3K-Means聚类分析算法介绍

        5.4利用K-Means算法对鸢尾花进行聚类

        5.5聚类结果的性能度量

        5.6调用Sklearn实现聚类分析

        6.1间隔与支持向量

        6.2对偶问题

        6.3核函数

        6.4软间隔与正则化

        6.5支持向量机算法的Python实现

        泰迪云课堂

        操作演练/作业

        个人PC

        在线答疑

        微信群

        第五课 综合实战:运营商流失用户的分析和预测

        5月29日

        18:30-22:00

        1.1背景与目标

        1.1.1背景

        1.1.2数据说明

        1.1.3目标

        1.2数据预处理

        1.2.1查找并删除重复个案

        1.2.2降维及数字化处理

        1.2.3数据的提取与整合

        1.2.4缺失值与异常值处理

        1.3流失用户的特征分析

        1.3.1基本信息分析

        1.3.2K-Means聚类分析

        1.3.3特征值的提取

        1.4模型的建立与求解

        1.4.1建模思路及数据准备

        1.4.2CART决策树模型

        1.4.3神经网络模型

        1.4.4朴素贝叶斯模型

        1.4.5支持向量机模型

        1.5最优模型的选择及预测

        1.5.1预测数据集处理

        1.5.2各类预测的基本情况

        泰迪云课堂

        操作演练/作业

        个人PC

        在线答疑

        微信群

        第六课 综合实战:电商智能推荐--优惠券使用预测

        5月30日

        18:30-22:00

        1 背景与目标

        2 数据说明

        2.1线下训练集数据介绍

        2.2线上训练集数据介绍

        2.3测试数据介绍

        2.4项目流程介绍

        3 数据预处理

        3.1构建正样本

        3.2构建负样本

        3.3构建样本标签

        4 特征构建

        4.1特征构建介绍

        4.2处理Discount_rate列

        4.3特征1-折扣率

        4.4特征2-商户与用户之间的距离

        5 模型训练

        5.1建模前数据准备

        5.2初级模型构建

        5.3ROC曲线与AUC值

        5.4模型性能评估

        5.5训练函数封装

        5.6模型预测

        5.7预测函数封装

        6 特征完善

        6.1特征3-优惠券流行度

        6.2特征4-用户在商家中的消费次数

        6.3如何进行特征拼接

        6.4拼接训练集的特征3&4

        6.5拼接测试及的特征3&4

        泰迪云课堂

        操作演练/作业

        个人PC

        在线答疑

        微信群

        第七课 在线考试

        5月31日

        19:00-21:00

        高级人工智能应用工程师职业技术在线考试

        泰迪云课堂

               

        部分实操结果展示:

        全国高校数据挖掘与机器学习 师资研修班

        查看更多

        会议嘉宾

        (最终出席嘉宾以会议现场为准)


        樊老师,广东泰迪智能科技股份有限公司特聘讲师,某国际银行大数据开发工程师,Hortonworks授权Apache Hadoop开发者认证培训讲师,Hadoop、Mahout技术实践者和研究者;对Hadoop的MapReduce编程模型有深刻理解,同时对Mahout技术有较深认识和理解,对Mahout源码有深入研究,擅于Mahout中数据挖掘的K均值聚类算法、贝叶斯分类算法、FP树关联规则算法的应用;主编《Mahout算法解析与案例实战》、《Hadoop数据分析与挖掘实战》、《Hadoop与大数据挖掘》等图书专著;具有电信行业和银行业的项目经验和行业知识,主持中国电科院电力大数据平台、电能量数据挖掘与智能分析、客户服务智能分析系统等项目。

        张敏,广东泰迪智能科技股份有限公司、培训总监,从事用户数据分析和数据挖掘工作六年,具有丰富的大数据挖掘理论及实践培训经验,对数据具有较高的敏感度,根据数据对其进行全面的统计分析。精通Python、R语言、Matlab等多种数据挖掘工具。擅长市场发展情况监控、精确营销方面的数据挖掘工作。有为南方电网、珠江数码等大型企业长期提供实施服务的经验,主导了电子商务网站用户行为分析及网页智能推荐服务、中医证型关联规则挖掘、电信业务话单量预测、航空公司客户价值分析等多个项目。2017年“泰迪杯数据挖掘挑战赛教练员培训”主讲讲师,2018年广东省Python与深度学习技术师资培训班主讲讲师,2018年第一/三/五期全国高校大数据核心技术与应用师资研修班主讲讲师、2019年第一/二/三期全国高校大数据与人工智能师资研修班主讲讲师,2019年国家电网大数据竞赛河北、湖南省、甘肃省电力系统培训班主讲讲师,先后负责过西安理工大学、广东工业大学、广西师范学院、广西科技大学、闽江学院、广东石油化工学院、上海健康医学院等高校实训课程及德生科技等企业内训和数据挖掘就业班的课程。组织、参与编写图书《Python编程基础》、《Python数据分析与应用》、《R语言编程基础》等。

        律波,广东泰迪智能科技有限公司高级数据分析工程师,应用统计学硕士,有较强的统计学、数学、数据挖掘理论功底;精通R、Python、Power BI、Excel等数据挖掘分析工具,具有丰富的培训和项目经验,擅长从数据中发掘规律,对数据具有较高的敏感度,逻辑思维能力强,擅长数据可视化,机器学习、深度学习等算法原理的实现,如神经网络、SVM、决策树、贝叶斯等;负责“珠江数码大数据营销推荐应用”项目,完成标签库的构建及产品推荐模型;负责“京东电商产品评论情感分析”项目,完成了评论数据情感评价模型、LDA主题模型的构建;通过项目案例的转换;负责多个本科类院校数据分析软件培训和毕业生数据分析培训,先后负责广西科技大学、闽江学院、广东石油化工、韩山师范学院、广西师范大学等数据分析软件培训及实训等。多次负责“泰迪杯”数据挖掘大赛题目的构思和实现、赛前培训。大数据专业系列图书编写委员会成员,负责《R语言与数据挖掘》、《python实训案例》、《Excel可视化案例》等书籍编写工作。

        杨惠,广东泰迪智能科技股份有限公司高级数据分析师,从事人工智能工作多年,擅长计算机视觉和自然语言处理,熟悉常用深度学习算法原理及应用,如神经网络、SVM、强化学习等算法;精通TensorFlow、Python、MATLAB等常用数据挖掘处理工具。具有丰富的实践项目经验。如“智能聊天客服”项目,“车牌智能识别”项目,“京东电商产品评论情感分析”项目,“珠江数码大数据营销推荐应用”项目;“电子商务网站智能推荐服务”项目;“基于Seq2Seq注意力模型实现聊天机器人”项目。具备丰富的培训经验,曾为多家企业、院校服务过专业培训工作。如PPV商业培训、泰迪大数据师资培训、珠海城职院数据分析培训;2018年第一、三、五期全国高校大数据核心技术与应用师资研修班主讲讲师、2019年第一、三、五期全国高校大数据与人工智能师资研修班主讲讲师,2019年国家电网大数据竞赛河北省电力系统培训班主讲讲师。大数据专业系列图书编写委员会成员,负责《Python数据分析与应用》、《R语言编程基础》、《TensorFlow2深度学习实战》、《深度学习与计算机视觉实战》等书籍编写工作。

        郑素铃,广东泰迪智能科技股份有限公司大数据研发工程师、大数据讲师。从事大数据项目研发工作,对Hadoop大数据技术有较深的研究,熟练掌握Hadoop环境部署和Hadoop核心计算框架MapReduce的原理和应用。掌握Spark原理及编程,熟练使用Spark的图计算Graphx和算法库MLlib。对非结构化数据库HBase以及结构化数据库Hive有深刻的了解。掌握数据挖掘和机器学习的常用算法,熟悉数据挖掘流程,具备项目开发经验,如“数睿思网站用户画像研究”和“法律服务智能推荐系统”项目,在推荐系统方面比较有研究。先后参与了《Hadoop大数据开发基础》、《Spark大数据技术与应用》等图书编写工作。负责过韩山师范学院、西安铁路职业技术学院等高校和教师的大数据培训课程。

        焦正升,广东泰迪智能科技股份有限公司资深项目研发工程师、高级信息系统项目经理、高级软件开发工程师,拥有7年相关从业经验;致力于信息技术的应用与传播,信息系统产业的发展。精通JAVA编程语言,熟悉Spring Boot、Spring Cloud等主流开发框架、MySQL数据库、VUE数据驱动渐进式框架等主流技术。参与《Hadoop与大数据挖掘》、《Hadoop大数据分析与挖掘实战》等图书的编写。拥有电力、电子政务、轻工环保、交通运输等多项领域的项目管理研发经验,项目团队为北京市信访办研发的“大数据助力智慧信访”系统获得第七届金铃奖-公共服务类"智能决策奖"。

        查看更多

        参会指南

        会议门票


        培训费用1980元:包含报名费、学习费、资料费、证书费等,本次培训共计10天(2021年5月22日-31日均安排在晚上)共80课时;

        报名材料:报名申请表、身份证复印件、两寸近期正面免冠彩色半身证件照电子版(要求:背景:白色,格式:JPG,大小:14-20K)。

        查看更多

        温馨提示
        酒店与住宿: 为防止极端情况下活动延期或取消,建议“异地客户”与活动家客服确认参会信息后,再安排出行与住宿。
        退款规则: 活动各项资源需提前采购,购票后不支持退款,可以换人参加。

         您可能还会关注


        会议支持:

        • 会员折扣
          该会议支持会员折扣
          具体折扣标准请参见plus会员页面
        • 会员返积分
          每消费1元累积1个会员积分。
          仅PC站支持。
        • 会员积分抵现
          根据会员等级的不同,每抵用1元可使用的积分也不一样,具体可参见PLUS会员页面。 仅PC站支持。

        部分参会单位

        主办方没有公开参会单位

        邮件提醒通知

        分享到微信 ×

        打开微信,点击底部的“发现”,
        使用“扫一扫”即可将网页分享至朋友圈。

        录入信息

        请录入信息,方便生成邀请函