课程介绍
1.数据分析
数据分析-基础内容、数据分析-模块学习、数据分析-数据清洗、数据分析-特征工程和结果可视化、pyechart模块动态可视化
培养方向：
理解随机变量的数字特征的概念和性质；会利用性质计算随机变量的数字特征；
掌握数据分析涉及到的相关概念，了解如何获取数据以及特征工程，熟悉相关模块的使用；
能够认识数据、了解数据的合并、清洗、标准化与转换等常用操作；
了解可视化过程；图形绘制；掌握Matplotlib模块
2.机器学习、深度学习
词云、分类算法、聚类算法、回归类算法、关联算法、神经网络的思想、神经网络的数学基础、神经网络的最优化、卷积神经网络、深度学习网络模型
培养方向：
掌握常用的机器学习算法，深入接触项目案例，在理解算法的基础上，掌握算法在实际项目中的应用
3.深度学习框架-Pytorch、深度学习框架
张量、数据准备、深度学习网络结构、损失函数和优化器、模型的保存和加载、TensorFlow+PaddlePaddle
培养方向：
了解人工智能领域中主流的开发框架，如PaddlePaddle、TensorFlow、PyTorch等
4.项目实战及考核
分析项目需求、数据清洗及补值、训练数据模型、结果分析及预测
培养方向：
掌握人工智能领域中的图像识别技术，对行业中流行的数据模型和算法有所了解
实战案例教学
项目一
葡萄酒品质鉴定
项目二
挖掘超市商品之间的隐秘关系
项目三
比价平台数据爬取
项目四
仿《易果生鲜》在线商城
