學習階段 | 學習內(nèi)容 |
人工智能之數(shù)學基礎(chǔ)(約6小時) |
1.微積分 2.線性代數(shù) 3.概率論與數(shù)理統(tǒng)計 |
數(shù)據(jù)庫基礎(chǔ)——關(guān)系型數(shù)據(jù)庫(約8小時) |
1.SQL入門及安裝 2.數(shù)據(jù)表及字段操作 3.SQL查詢、鏈接 4.SQL商業(yè)應(yīng)用案例 |
數(shù)據(jù)庫基礎(chǔ)——非關(guān)系型數(shù)據(jù)庫(約5小時) |
1.MongoDB簡介 2.MongoDB的常用操作 3.MongoDB的使用 4.Python操作MongoDB |
人工智能之Python基礎(chǔ)篇(約5小時) |
1.Python的安裝與環(huán)境配置 2.Python的基礎(chǔ)與規(guī)范 3.Python的基本對象類型 4.Python語句 |
人工智能之Python進階篇(約5小時) |
1.函數(shù) 2.類與對象 3.庫與模塊 4.文件 5.錯誤與異常 |
人工智能之機器學習基礎(chǔ)篇(約10小時) |
1.Python機器學習算法庫Scikit-Learn入門介紹 2.Python統(tǒng)計分析基礎(chǔ) 3.SVD分解與主成分分析 4.線性回歸算法實現(xiàn) 5.嶺回歸、Lasso和彈性網(wǎng) 6.判別分析 7.梯度下降算法原理與Scikit-Learn實現(xiàn) 8.邏輯回歸算法原理與Scikit-Learn實現(xiàn) 9.貝葉斯算法原理與Scikit-Learn實現(xiàn) 10.案例:泰坦尼克號生存預(yù)測 |
人工智能之機器學習進階篇(約20小時) |
1.KNN近鄰元素分類器 2.時間序列模型 3.EM算法 4.聚類分析 5.決策樹模型的基本原理與Scikit-Learn實現(xiàn) 6.集成算法入門 7.集成算法的Scikit-Learn實現(xiàn) 8.感知機模型基本原理 9.支持向量機基本原理與Scikit-Learn實現(xiàn) |
- 朝九晚九全程跟班
全面覆蓋同學晚自習時間
- 一對一督學
解決學員學習問題
- 定期直播串講
攻克重難點知識
- 出勤率和進度監(jiān)督
實時統(tǒng)計學員出勤情況
- 五分鐘內(nèi)有問必答
每個班2名助教+項目服務(wù)團隊
- 作業(yè)與測試
提升同學實時參與感
學員入學即簽訂具備法律效用的協(xié)議,同時與眾多企業(yè)達成人才供給合作關(guān)系,眾多實習和就業(yè)合作單位,確保每一名合格學員都有一個良好的就業(yè)機會。
專屬就業(yè)顧問,全程協(xié)助1對1模擬面試,有效提高入職率,同時注重學員職業(yè)素質(zhì)培養(yǎng),幫助學員做好職業(yè)生涯規(guī)劃與管理。