• 签到
  • BOB体育娱乐平台之家

    苹果/安卓/wp

  • Peixun.net

    苹果/安卓/wp

  • 客户端
  • 人工智能
  • 运营方向就业班
  • CDA数据分析研究院
  • 统计软件培训
  • 金融学院
  • 量化投资学院
  • 培训证书查询
  • 成为签约讲师
  • BOB体育娱乐平台题库
  • 网络课堂
  • 就业指导一对一
  • 俱乐部
  • 现金交易
  • 求职招聘
  • 11关注
  • 粉丝
  • VIP管理员

    泰斗

    72%

    还不是VIP/贵宾

    -

    威望
    9
    论坛币
    986368676 个
    通用积分
    26095.5317
    学术水平
    4514 点
    热心指数
    3285 点
    信用等级
    3522 点
    经验
    565096 点
    帖子
    7800
    精华
    142
    在线时间
    14236 小时
    注册时间
    2010-3-18
    最后登录
    2020-4-1

    签到天数: 8 天

    连续签到: 1 天

    [LV.3]偶尔看看II

    初级热心勋章 初级学术勋章 中级学术勋章 中级热心勋章 初级信用勋章 中级信用勋章 高级学术勋章 高级热心勋章 高级信用勋章 特级信用勋章 特级学术勋章

    资料狂人 在职认证  发表于 2020-1-7 09:22:28 |显示全部楼层

    Python是近十年来兴起的编程语言,并且被证明是一种非常强大的语言。

    Python 可以被用于构建了很多应用程序,从交互式地图到区块链。

    Python 有很多特性,初学者很难一开始就掌握所有的特性。


    不管您是高校人员,对于Python基础编程处于起步阶段,

    还是业界工作人员,对于Python前沿案例应用求知若渴,

    我们2020年的Python集训均可满足您的需求:

    2位名师+助教全程跟踪答疑

    从Python零基础掌握案例应用

    Python基础及案例应用集训_初级班+高级班

    Python基础及案例应用集训-604.png

    初级班:5月8-10日, 三天 远程授课

    高级班:5月16-17,30-31日, 四天 远程授课

    学费:初级班3500元;高级班5500元

    优惠:初高级联报九折优惠

    报名:初级:http://www.peixun.net/main.php?mod=buy&cid=1470

              高级:http://www.peixun.net/main.php?mod=buy&cid=1471


    授课讲师:

    初级班:傅老师,金融数学博士,某知名高校商学院副教授。

    主要从事金融数学,金融数据分析等领域的研究,发表SCI,EI,CSSCI核心期刊论文多篇。傅老师高校从教14年,主要讲授统计学、信用风险建模、金融数据挖掘等课程,先后指导学生获得全国数学模型竞赛和美国数学建模竞赛一等奖。 在具体行业方面,傅老师先后担任过咨询公司、互联网金融机构、数据管理公司的高级数据分析顾问,先后参与过客户估值、反欺诈识别、舆情分析等数据分析项目,有着丰富的行业经验。 同时具有丰富的教学讲解经验,课程生动形象,风格通俗易懂,深受学员的喜爱。


    高级班:李御玺,国立台湾大学计算机工程博士,铭传大学计算机工程学系教授兼系主任暨所长。其研究领域专注于数据仓储、数据挖掘、与数据库设计。

    在其相关研究领域已发表超过250篇以上的研究论文,同时也是国科会与教育部多个相关研究计划的主持人。服务过的客户包括:中国工商局、台新银行、联邦银行、新光银行、新竹国际商业银行(现已并入渣打银行)、第一银行、永丰银行、美商大都会人寿、嘉义基督教医院、微软、全国意向顾问股份有限公司、零售业如赫莲娜(Helena Rubinstein)化妆品公司、特立和乐(HOLA)公司、航空公司如东方航空公司、汽车行业如福特(Ford)公司;政府行业如国税局、台北市国税局、台湾省北区国税局、台湾省南区国税局、高雄市国税局等。


    全程助教:曹鑫,CDA联合创始人,前四大会计师事务所咨询团队咨询顾问。


    【远程课程礼包】
    1,远程答疑不影响任何效果;
    2,录制视频,方便后期回看复习;
    3,学术学习资料大礼包一份;
    4,Peixun.net会员一个月,在线视频全含;
    5,课后赠送VIP2账号15个月,用于后期学习;
    6,年度赠书一本;
    7,后续相同课程现场班可以五折优惠参加。


    课程大纲:

    初级班:

    Python初级课纲.png


    高级班:

    Python高级课纲.png


    课程优惠:

    现场班老学员九折优惠;

    同一公司/学校3-5人一起九折优惠;

    同一公司/学校6人以上一起九折优惠;

    折扣优惠不叠加。


    报名流程:

    1,点击初级/高级报名链接,在线提交报名信息(初高级联报提交一个订单,留言全程即可):

    2,BOB体育娱乐平台之家账号登录后订单支付;

    3,确认发票信息;

    4,开课前一周发电子版资料及上课事宜。


    联系方式:

    魏老师

    QQ:2881989714

    Tel:010-68478566

    Mailvip@pinggu.org





    stata SPSS
    资料狂人 在职认证  发表于 2020-1-7 09:25:29 |显示全部楼层
    01章前期准备
    01-01预习视频:Python基础语法(pandas、numpy、条件语句、循环语句)
    01-02系统配置:助教远程安装Anaconda(包括Python、Jupyter、extensions)


    02章可视化(约1.5天)
    02-01厉兵秣马——Python简介与Jupyter配置(学习基本的环境设置,为后期的代码编辑做准备)
    02-02雾里看花——可视化基本逻辑与主要误区(数据可视化是什么;数据可视化如何在不同的商业场景中进行应用;当下热门的 “一图看天下”是什么数据可视化的误区有哪些)
    02-03无中生有——变量的理解与随机数据生成(产生模拟的数据;对数据进行拼接;对数据进行分割;数据的筛选与补充)
    02-04循序渐进——散点图与条形图的进化过程(散点图和条形图的适用数据类型;散点图的主要参数;条形图的主要参数;散点图与条形图的实现;可视化过程中的数据降维问题)
    02-05渐入佳境——用饼图与环形图呈现数据比例(饼图与环形图的适用场景,关联与区别,重要参数,代码实现)
    02-06秘境寻踪——南丁格尔的往事与玫瑰花图(南丁格尔与玫瑰花图的起源;玫瑰花图的基本原理;玫瑰花图的衍生;相关图像的代码实现)
    02-07有条不紊——折线图的设计与多线条呈现(折线图的应用范围,主要参数,代码实现;多折线的呈现技巧)
    02-08火眼金睛——分布与箱线图的异常值发现(什么是数据分布;数据分布与异常值;分布与箱线图的主要参数,代码实现)
    02-09抽丝剥茧——关联与配对图的相关性识别(关联图与配对图的关系与区别;什么是相关性;关联图与配对图的主要参数,代码实现;图像内涵的信息解释)
    02-10冰火相融——日历热力图中的周期性探索(热图的使用场景,数据要求,核心参数,代码实现;如何解读热图)


    03章础建模(约1.5天)
    03-01线性回归——车位价格的预测(线性回归模型简介;线性回归模型检验;基于python的线性回归模型实现)
    03-02决策树——平台风险识别(决策树的基本概念:信息熵、信息增益、GINI;决策树的剪枝;基于Python的决策树模型实现)
    03-03聚类分析——城市的特征分析(常用聚类模型简介:层次聚类、K均值聚类、密度聚类;基于Python的层次聚类模型实现)



    回复

    使用道具 举报

    资料狂人 在职认证  发表于 2020-1-7 09:27:18 |显示全部楼层
    01章利用文本分析进行网络舆情分析和命名实体识别01-01文本分析简介及文本分析流程
    01-02中文分词方法
    01-03中文词性标注方法
    01-04关键词提取方法
    01-05命名实体识别
    01-06文本分析模型实作与比较: 以网络舆情分析模型及命名实体识别为例

    02章利用文本分析进行新闻文件分类及新闻文件摘要,利用深度学习模型建置人脸识别及物体侦测模型

    02-01新闻文件分类方法
    02-02中文文本摘要方法
    02-03人脸识别及应用
    02-04OpenCV及Dlib简介
    02-05人脸侦测及人脸68个特征撷取
    02-06人脸识别(利用ResNet)
    02-07物体检测与定位及应用
    02-08目标检测技术概述
    02-09YOLOv3简介及COCO 数据集(80类people (人),bicycle(自行车),car(汽车)...等数据)
    02-10物体定位
    02-11物体检测
    02-12文本分析及深度学习模型实作与比较: 以新闻文件分类与摘要及人脸识别及物体侦测模型为例

    03章利用半监督学习技术进行电信业客户流失模型的建置,利用深度学习技术进行信用卡盗刷预测模型建置

    03-01传统监督学习方法与非监督学习方法
    03-02半监督学习方法概述
    03-03半监督学习模型实作与比较: 以电信业客户流失模型为例
    03-04智能反欺诈概述
    03-05反欺诈手法
    03-06机器学习方法
    03-07深度学习方法
    03-08深度学习模型实作与比较: 以信用卡盗刷预测模型为例

    04章以利润最大化为目标之产品营销模型的建置,利用集成学习建置小额信贷及信用风险预测模型

    04-01传统模型评估方法与利润最大化评估方法
    04-02增益图与利润图
    04-03利润最大化模型实作与比较: 以产品营销模型为例
    04-04传统学习与集成学习
    04-05集成学习的分类:模型融合与机器学习元算法
    04-06模型融合模型建置(多数法(Max Voting)、平均法(Averaging)、加权平均法(Weighted Averaging)、堆叠法(Stacking)、混合法(Blending))
    04-07机器学习元算法模型建置(袋装法(Bagging)、袋装通用法(Bagging meta-estimator)、随机森林(Random Forest)、提升法(Boosting)、Adaboosting算法、Gradient Boosting算法、XGBoosting算法)
    04-08集成学习方法实作与比较: 以小额信贷及信用风险预测模型为例





    回复

    使用道具 举报

    资料狂人 在职认证  发表于 2020-1-7 09:30:23 |显示全部楼层
    Python集训初级班:
    学习目标:
    1, 通过线下3天学习掌握Python编程的基础内容
    2, 课程涉及到了Python基础大部分内容,内容丰富
    3, 从Python入门开始介绍,没有软件基础也可以
    4, 通过案例的讲解,真正实现学校授课与实战的目标

    学习对象和基础:
    1、需要学习Python大数据及人工智能的青年教师
    2、需要学习Python大数据及人工智能的博士生
    3、需要学习Python大数据及人工智能的硕士生
    4、需要学习Python大数据及人工智能的高年级本科生
    5、不要求学过Python操作
    回复

    使用道具 举报

    资料狂人 在职认证  发表于 2020-1-7 09:31:16 |显示全部楼层
    Python集训高级班:
    学习目标:
    1, 通过4天学习掌握Python案例应用的实操;
    2, 课程涉及到了Python在不同案例中的应用,独家无分店;
    3, 涉及文本分析,深度学习,半监督学习,深度学习等Python的前沿应用;
    4, 通过案例的讲解,真正实现学校授课与实战的目标。

    学习对象和基础:
    1、需要学习Python大数据及人工智能的青年教师
    2、需要学习Python大数据及人工智能的博士生
    3、需要学习Python大数据及人工智能的硕士生
    4、需要学习Python大数据及人工智能的高年级本科生
    5、要求学过Python基础
    回复

    使用道具 举报

    资料狂人 在职认证  发表于 2020-1-7 09:31:57 |显示全部楼层
    欢迎大家报名参加,鼠年快乐
    回复

    使用道具 举报

    aibieli731001 发表于 2020-1-7 10:40:14 |显示全部楼层

    回帖奖励 +2

    值得关注
    回复

    使用道具 举报

    f62s 发表于 2020-1-7 11:33:09 |显示全部楼层

    回帖奖励 +2

    回复

    使用道具 举报

    obaby85 在职认证  发表于 2020-1-7 11:55:59 |显示全部楼层

    回帖奖励 +2

    回复

    使用道具 举报

    tianwk 发表于 2020-1-7 12:11:21 |显示全部楼层

    回帖奖励 +2

    thanks for sharing
    回复

    使用道具 举报

    返回列表
    发帖 回复
    您需要登录后才可以回帖 登录 | 我要注册

    京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

    GMT+8, 2020-4-1 09:22