架構(gòu)師
互聯(lián)網(wǎng)
人工智能
Python
推薦課程
average > 0 ? $model->average . '分' : '10.0分' ?>

Python、Spark和TensorFlow人工智能培訓(xùn)

劉老師

某知名咨詢公司 云平臺系統(tǒng)架構(gòu)師

畢業(yè)于?連理??學(xué)
簡介:
精通開源的?數(shù)據(jù)?態(tài)技術(shù)和架構(gòu)，Hadoop、Hive、Hbase、 Spark、Flink等開源技術(shù)棧。
有10年左右基于?數(shù)據(jù)解決?案平臺、數(shù)據(jù)架構(gòu)、數(shù)據(jù)中臺、數(shù)據(jù)治理、數(shù)據(jù)分析和挖掘的?型數(shù)據(jù)湖和數(shù)
據(jù)中臺項(xiàng)?架構(gòu)實(shí)施經(jīng)驗(yàn),
?前任職國內(nèi)知名咨詢公司，先后服務(wù)于北京?學(xué)軟件研究所、阿?巴巴、Teradata,實(shí)施過基于開源?數(shù)據(jù)技術(shù)
棧的數(shù)據(jù)湖解決?案和實(shí)施、湖倉?體架構(gòu)咨詢和實(shí)施、數(shù)據(jù)中臺的咨詢和設(shè)施
最近主要項(xiàng)?介紹:
某移動?數(shù)據(jù)平臺架構(gòu)設(shè)計(jì)和設(shè)施 (Hadoop、Spark)
四??之?的數(shù)據(jù)湖咨詢和實(shí)施
某?型商業(yè)銀?數(shù)據(jù)中臺咨詢
某銀?基于開源?數(shù)據(jù)技術(shù)棧數(shù)據(jù)中臺的咨詢和實(shí)施
某航空公司數(shù)據(jù)平臺流批?體解決?案和實(shí)施
特長:
在?數(shù)據(jù)架構(gòu)、開發(fā)、運(yùn)維和優(yōu)化、數(shù)據(jù)集成、 數(shù)據(jù)湖(Data Lake)、數(shù)據(jù)建模、數(shù)據(jù)挖掘/機(jī)器學(xué)習(xí)、數(shù)據(jù)
中臺等??有豐富經(jīng) 驗(yàn)。

畢業(yè)于?連理??學(xué) 簡介: 精通開源的?數(shù)據(jù)?態(tài)技術(shù)和架構(gòu)，Hadoop、Hive、Hbase、 Spark、Flink等開源技術(shù)棧。 有10年左右基于?數(shù)據(jù)解決?案平臺、數(shù)據(jù)架構(gòu)、數(shù)據(jù)中臺、數(shù)據(jù)治理、數(shù)據(jù)分析和挖掘的?型數(shù)據(jù)湖和數(shù) 據(jù)中臺項(xiàng)?架構(gòu)實(shí)施經(jīng)驗(yàn), ?前任職國內(nèi)知名咨詢公司，先后服務(wù)于北京?學(xué)軟件研究所、阿?巴巴、Teradata,實(shí)施過基于開源?數(shù)據(jù)技術(shù) 棧的數(shù)據(jù)湖解決?案和實(shí)施、湖倉?體架構(gòu)咨詢和實(shí)施、數(shù)據(jù)中臺的咨詢和設(shè)施 最近主要項(xiàng)?介紹: 某移動?數(shù)據(jù)平臺架構(gòu)設(shè)計(jì)和設(shè)施 (Hadoop、Spark) 四??之?的數(shù)據(jù)湖咨詢和實(shí)施 某?型商業(yè)銀?數(shù)據(jù)中臺咨詢 某銀?基于開源?數(shù)據(jù)技術(shù)棧數(shù)據(jù)中臺的咨詢和實(shí)施 某航空公司數(shù)據(jù)平臺流批?體解決?案和實(shí)施 特長: 在?數(shù)據(jù)架構(gòu)、開發(fā)、運(yùn)維和優(yōu)化、數(shù)據(jù)集成、 數(shù)據(jù)湖(Data Lake)、數(shù)據(jù)建模、數(shù)據(jù)挖掘/機(jī)器學(xué)習(xí)、數(shù)據(jù) 中臺等??有豐富經(jīng) 驗(yàn)。

課程費(fèi)用

5800.00 /人

課程時(shí)長

2天

成為教練

課程簡介

Python、Spark和TensorFlow人工智能培訓(xùn)

目標(biāo)收益

培訓(xùn)對象

課程大綱

第一天
模塊一：
人工智能的行業(yè)應(yīng)用與發(fā)展 		1.人工智能的行業(yè)圖譜和行業(yè)發(fā)展割析
2.人工智能結(jié)合大數(shù)據(jù)的行業(yè)應(yīng)用案例
3.人工智能在“互聯(lián)網(wǎng)+”領(lǐng)域的應(yīng)用
4.人工智能在制造業(yè)領(lǐng)域的應(yīng)用
5.人工智能在金融、消費(fèi)領(lǐng)域的應(yīng)用
模塊二：
Python數(shù)據(jù)挖掘快速入門 		1.Python語言基礎(chǔ)快速入門
2.科學(xué)計(jì)算庫Numpy
3.數(shù)據(jù)分析處理庫Pandas
4.可視化庫Matplotlib
5.人工智能必備Python基礎(chǔ)
模塊三：
Scikit-learn實(shí)戰(zhàn) 		1.Scikit-learn庫介紹
2.Scikit-learn安裝
3.基于Scikit-learn的常用挖掘算法實(shí)戰(zhàn)
4.基于Scikit-learn數(shù)據(jù)挖掘流程
— 數(shù)據(jù)讀取
—數(shù)據(jù)標(biāo)準(zhǔn)化
—特征提取
—升維和降維
模塊四：
python基于Spark的數(shù)據(jù)挖掘?qū)崙?zhàn) 		1.Spark Mllib介紹
2.Spark mllib 實(shí)現(xiàn)K-means應(yīng)用
3.Spark mllib 實(shí)現(xiàn)貝葉斯應(yīng)用
4.Spark mllib 實(shí)現(xiàn)決策時(shí)應(yīng)用
5.Spark mllib 實(shí)現(xiàn)隨機(jī)森林應(yīng)用
6.基于Spark mllib實(shí)現(xiàn)信用卡挖掘模型應(yīng)用
第二天：
模塊五：
TensorFlow Al深度學(xué)習(xí)平臺及其應(yīng)用實(shí)踐(1) 		1.TensorFlow: 一個(gè)Al深度學(xué)習(xí)框架的概述
2.TensorFlow深度學(xué)習(xí)平臺的工作機(jī)制和系統(tǒng)架構(gòu)
3.TensorFlow的安裝、部署、配置和使用
4.TensorFlow的應(yīng)用場景和應(yīng)用案例
模塊六：
TensorFlow Al深度學(xué)習(xí)平臺及其應(yīng)用實(shí)踐(2) 		1.TensorFlow CNN應(yīng)用操作
2.TensorFlow LSTM應(yīng)用操作
3.TensorFlow在圖像識別的實(shí)驗(yàn)操作
4.基于TensorFlow的可視化工具：5.Tensorboard簡介
6.Tensorboard的部署、配置和應(yīng)用界面操作
7.基于TensorFlow和Tensorboard進(jìn)行實(shí)驗(yàn)操作
模塊七：
Keras人工智能平臺應(yīng)用實(shí)踐 		1.業(yè)界常用的AI平臺：Keras人工智能平臺架構(gòu)
2.Keras Al平臺的部署與配置
3.Keras技術(shù)實(shí)現(xiàn)與工作機(jī)制
4.Keras實(shí)驗(yàn)操作
模塊八：
人工智能應(yīng)用案例介紹 		1.人工智能在金融行業(yè)的使用案例介紹
2.人工智能在保險(xiǎn)行業(yè)的使用介紹
3.人工智能實(shí)現(xiàn)機(jī)器人的案例介紹
第一天
模塊一：
人工智能的行業(yè)應(yīng)用與發(fā)展
1.人工智能的行業(yè)圖譜和行業(yè)發(fā)展割析
2.人工智能結(jié)合大數(shù)據(jù)的行業(yè)應(yīng)用案例
3.人工智能在“互聯(lián)網(wǎng)+”領(lǐng)域的應(yīng)用
4.人工智能在制造業(yè)領(lǐng)域的應(yīng)用
5.人工智能在金融、消費(fèi)領(lǐng)域的應(yīng)用
模塊二：
Python數(shù)據(jù)挖掘快速入門
1.Python語言基礎(chǔ)快速入門
2.科學(xué)計(jì)算庫Numpy
3.數(shù)據(jù)分析處理庫Pandas
4.可視化庫Matplotlib
5.人工智能必備Python基礎(chǔ)
模塊三：
Scikit-learn實(shí)戰(zhàn)
1.Scikit-learn庫介紹
2.Scikit-learn安裝
3.基于Scikit-learn的常用挖掘算法實(shí)戰(zhàn)
4.基于Scikit-learn數(shù)據(jù)挖掘流程
— 數(shù)據(jù)讀取
—數(shù)據(jù)標(biāo)準(zhǔn)化
—特征提取
—升維和降維
模塊四：
python基于Spark的數(shù)據(jù)挖掘?qū)崙?zhàn)
1.Spark Mllib介紹
2.Spark mllib 實(shí)現(xiàn)K-means應(yīng)用
3.Spark mllib 實(shí)現(xiàn)貝葉斯應(yīng)用
4.Spark mllib 實(shí)現(xiàn)決策時(shí)應(yīng)用
5.Spark mllib 實(shí)現(xiàn)隨機(jī)森林應(yīng)用
6.基于Spark mllib實(shí)現(xiàn)信用卡挖掘模型應(yīng)用
第二天：
模塊五：
TensorFlow Al深度學(xué)習(xí)平臺及其應(yīng)用實(shí)踐(1)
1.TensorFlow: 一個(gè)Al深度學(xué)習(xí)框架的概述
2.TensorFlow深度學(xué)習(xí)平臺的工作機(jī)制和系統(tǒng)架構(gòu)
3.TensorFlow的安裝、部署、配置和使用
4.TensorFlow的應(yīng)用場景和應(yīng)用案例
模塊六：
TensorFlow Al深度學(xué)習(xí)平臺及其應(yīng)用實(shí)踐(2)
1.TensorFlow CNN應(yīng)用操作
2.TensorFlow LSTM應(yīng)用操作
3.TensorFlow在圖像識別的實(shí)驗(yàn)操作
4.基于TensorFlow的可視化工具：5.Tensorboard簡介
6.Tensorboard的部署、配置和應(yīng)用界面操作
7.基于TensorFlow和Tensorboard進(jìn)行實(shí)驗(yàn)操作
模塊七：
Keras人工智能平臺應(yīng)用實(shí)踐
1.業(yè)界常用的AI平臺：Keras人工智能平臺架構(gòu)
2.Keras Al平臺的部署與配置
3.Keras技術(shù)實(shí)現(xiàn)與工作機(jī)制
4.Keras實(shí)驗(yàn)操作
模塊八：
人工智能應(yīng)用案例介紹
1.人工智能在金融行業(yè)的使用案例介紹
2.人工智能在保險(xiǎn)行業(yè)的使用介紹
3.人工智能實(shí)現(xiàn)機(jī)器人的案例介紹

活動詳情

提交需求