新一代信息技术正深刻改变着人们的生产、生活、学习乃至思维方式，其朝气蓬勃的产业发展态势和大力度的国家政策鼓励支持，无不揭示了数据智能技术的重要性。人才的培养是新一轮科技较量的基础，高等院校承担着大数据与人工智能人才培养的重任，因此，各高等院校非常重视大数据课程，尽快形成成熟完善的培养方案、课程体系、系列教材、课程师资和实训平台等，是各大高校共同关注的重要事宜。
为推动各院校完善专业建设，解决专业教学中行业案例缺失和实战能力不足等相关痛点问题，泰迪科技基于十余年深耕数据智能产业实践经验，特推出全国高校大数据与人工智能师资研修班。每年在全国范围内滚动开展，截止目前已在全国巡回举办60余场，参训教师近7000人次。2023年第七期全国高校大数据与人工智能师资研修班将开设七个线上专题，一个线下专题(昆明班)，现将有关安排通知如下：
一、 课程特色
1、大模型应用：畅想数据智能新未来
紧贴产业前沿，特邀三位专家畅谈大模型应用，分享”ChatGPT教学应用“，”金牌助手ChatGPT，让应用开发更高效“，”大模型（ChatGLM2-6B）.产业应用漫步与畅想“等专题，一起畅想数据智能新未来。
2、企业案例实战+落地实操授课
课程全程强调动手实操，内容以代码落地为主，通过讲解企业级案例，真正让学员把所学内容和工作实际有效结合，从而更好地完成自身后续教育教学工作。
3、全方位答疑辅导学习
课程设有答疑交流讨论群，培训期间助教全程辅助教学。线上学习部分每天提供10小时的实时在线答疑辅导，线下学习部分则有主讲老师和助教面对面的帮助。
4、内容从浅及深更易入门
本课程配套有基础知识内容，即使零基础学员也能找到适合自己的学习内容和节奏，快速掌握课程知识和技能。
5、提供课程资源和回看功能
所有课程相关源代码、数据、PPT、案例素材全部提供下载，即学即用，教学更轻松！线上课程内容支持六个月内免费回看，以便复习和参考。
6、满足教学和科研需求
通过技能学习和案例实战，学员将在具体应用场景中全面掌握相关技能，提升实训教学工作德实际动手能力并为后续科研打下坚实基础。
二、课程安排
本次培训分为线下和线上两种班型，详细课程内容见文末附件课程大纲。
1、线下班（昆明）：数据采集与机器学习实战
混合模式，技能学习课程放置在线上云课堂以便学员系统学习，核心案例实战采用线下形式由讲师亲授同步操作演练。
| <线下昆明班> 数据采集与机器学习实战（Python） | ||||
| 基本信息 | 技能学习（线上云课堂）11.18 - 11.21 | 现场案例实战 11.23 - 11.26 | ||
时间：11月18日 - 26日 线下报到时间：11月22日 地点：昆明（详细地点开课前一周发送报到通知） 学时：共计80学时 证书：高级机器学习工程师职业技术证书 费用：3980元/人 学习环境要求：Windows10或以上操作系统（64位），8G+内存 | 1、Python编程基础 2、Python数据分析与应用 3、Pandas数据分析基础 4、Python网络爬虫实战 5、Python机器学习实战 6、Python特征工程实战（拓展） 7、农产品信息采集与分析（拓展） 8、特别内容： (1) ChatGPT教学应用 (2) 金牌助手ChatGPT，让应用开发更高校 (3) 大模型（ChatGLM2-6B）产业应用漫步与畅想 | 1、核心技能串讲与巩固 2、泰迪内推平台招聘信息采集与分析 3、天猫用户重复购买预测 4、实战演练：某外卖平台优惠券使用预测（从理论到实践） | ||
2、线上班（七大专题）
教学视频六个月有效期可反复观看学习，同步提供配套资源，线上学习无需脱产，可灵活安排时间。
| 专题一 PyTorch深度学习与大模型应用实战 | ||
| 基本信息 | 技能学习 | 案例实战 |
时间：2023年11月18日 - 11月28日 学时：共计88学时 证书：高级人工智能应用工程师职业技术证书 费用：2480元/人 学习环境要求：Windows10或以上操作系统（64位），8G+内存 | 1、Python编程基础 2、Python数据分析与应用 3、Python机器学习实战 4、PyTorch框架基础实战 5、PyTorch深度学习原理与实现 6、大模型原理与实现 7、特别内容： (1) ChatGPT教学应用 (2) 金牌助手ChatGPT，让应用开发更高校 (3) 大模型（ChatGLM2-6B）产业应用漫步与畅想 | 1 新冠疫情期间网民情绪识别 2 基于大模型的金融问句语义相似度计算 3 基于Transformer的中英机器翻译 |
| 专题二 数据采集与处理实战(Python) | ||
| 基本信息 | 技能学习 | 案例实战 |
时间：2023年11月18日 - 11月27日 学时：共计80学时 证书：高级Python应用工程师职业技术证书 费用：1980元/人 学习环境要求：Windows10或以上操作系统（64位），8G+内存 | 1、Python编程基础 2、Python数据分析与应用 3、Pandas数据分析基础 4、Python网络爬虫实战 5、特别内容： (1) ChatGPT教学应用 (2) 金牌助手ChatGPT，让应用开发更高校 (3) 大模型（ChatGLM2-6B）产业应用漫步与畅想 | 1 泰迪内推平台招聘信息采集与分析 2 农产品信息采集与分析 3 微博疫情评论数据采集 4 网站图像素材采集实战（拓展） |
| 专题三 大数据分析与机器学习实践(Python) | ||
| 基本信息 | 技能学习 | 案例实战 |
时间：2023年11月18日 - 11月27日 学时：共计80学时 证书：高级机器学习工程师职业技术证书 费用：1980元/人 学习环境要求：Windows10或以上操作系统（64位），8G+内存 | 1 Python编程基础 2 Python数据分析与应用 3 Pandas数据分析基础 4 Python机器学习实战 5 Python特征工程实战（拓展） 6 特别内容： (1) ChatGPT教学应用 (2) 金牌助手ChatGPT，让应用开发更高校 (3) 大模型（ChatGLM2-6B）产业应用漫步与畅想 | 1 运营商用户流失预测 2 网络入侵用户自动识别 3 天猫用户重复购买预测 4 泰迪内推平台信息精准推荐应用 |
| 专题四 大数据技术应用实战（Hadoop+Spark） | ||
| 基本信息 | 技能学习 | 案例实战 |
时间：2023年11月18日 - 11月27日 学时：共计80学时 证书：高级大数据技术应用职业技术证书 费用：2980元 学习环境要求：Windows10或以上操作系统（64位），8G+内存，不可使用Mac和linux系统 | 1 Linux操作系统基础 2 Java编程基础 3 Scala编程基础 4 Hadoop大数据基础 5 Hive大数据仓库 6 Spark大数据技术基础 7 HBase非关系型数据库（拓展） 8 Flume数据采集（拓展） 9 Kafka消息系统（拓展） 10 Flink大数据实时处理（拓展） 11 特别内容： (1) ChatGPT教学应用 (2) 金牌助手ChatGPT，让应用开发更高校 (3) 大模型（ChatGLM2-6B）产业应用漫步与畅想 | 1 美国房价数据统计分析 2 广电大数据用户画像（Hadoop+Spark+...+Hive） 3 大数据分布式消息Zookeeper（拓展） 4 商品实时推荐系统（拓展） |
| 专题五 商务数据分析实战(Excel+Power BI) | ||
| 基本信息 | 技能学习 | 案例实战 |
时间：2023年11月18日 - 11月27日 学时：共计80学时 证书：高级大数据分析师职业技术证书 费用：1980元/人 学习环境要求：Windows10或以上操作系统（64位），不可使用Mac和linux系统 | 1 Excel数据分析基础与实战 2 Power BI数据分析与可视化 3 特别内容： (1) ChatGPT教学应用 (2) 金牌助手ChatGPT，让应用开发更高校 (3) 大模型（ChatGLM2-6B）产业应用漫步与畅想 | 1 新零售智能销售数据分析 2 餐饮企业综合分析 3 财务分析在纳税评估中的应用 4 学生校园卡消费行为分析 |
| 专题六 TensorFlow与人工智能实战 | ||
| 基本信息 | 技能学习 | 案例实战 |
时间：2023年11月18日 - 11月27日 学时：共计80学时 证书：高级人工智能应用工程师职业技术证书 费用：1980元/人 学习环境要求：Windows10或以上操作系统（64位），8G+内存 | 1 Python编程基础 2 Python数据分析与应用 3 Python机器学习实战 4 TensorFlow2框架基础实战 5 TensorFlow2深度学习原理与实现 6 特别内容： (1) ChatGPT教学应用 (2) 金牌助手ChatGPT，让应用开发更高校 (3) 大模型（ChatGLM2-6B）产业应用漫步与畅想 | 1 脑PET图像分析和疾病预测 2 基于textCNN的公众健康问句分类 3 基于FaceNet的人脸智能识别 |
| 专题七 计算机视觉应用实战(PyTorch) | ||
| 基本信息 | 技能学习 | 案例实战 |
时间：2023年11月18日 - 11月28日 学时：共计88学时 证书：高级人工智能应用工程师职业技术证书 费用：2480元/人 学习环境要求：Windows10或以上操作系统（64位），8G+内存 | 1 Python编程基础 2 Python数据分析与应用 3 Python机器学习实战 4 PyTorch框架基础实战 5 PyTorch深度学习原理与实现 6 计算机视觉实战 7 特别内容： (1) ChatGPT教学应用 (2) 金牌助手ChatGPT，让应用开发更高校 (3) 大模型（ChatGLM2-6B）产业应用漫步与畅想 | 1 脑PET图像分析和疾病预测 2 基于FaceNet的人脸智能识别 3 基于YOLOX的农田害虫图像检测与识别 |
三、证书颁发
学员经培训并考试合格后，可以获得由工业和信息化部教育与考试中心颁发的相应职业技术证书，证书可登录工业和信息化部教育与考试中心官网查询。
五、报名须知与联系方式
1、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：白色背景底，14-20K大小的.JPG格式)。
2、报名联系方式
技能学习（线上云课堂）课程安排 | ||
时间：报名成功后即可开始学习 Python编程基础 1 认识Python 2 编写Python程序 3 认识Python数据结构 4 条件判断及分支语句 5 使用def定义函数 6 认识面向对象 7 读取文件数据 8 模块和第三方库 Python数据分析与应用 1 Python数据分析概述 2 NumPy数值计算基础 3 Matplotlib数据可视化基础 4.Pandas数据分析基础 时间：11.18（9:00-18:00） 专题讲座 计算机视觉技术及其应用 Python数据分析基础 1 使用Pandas进行数据预处理 1.1 合并数据 1.2 清洗数据 1.3 标准化数据 1.4 转换数据 时间：11.19（9:00-18:00） Python网络爬虫实战 1Python爬虫环境与爬虫简介 1.1认识爬虫 1.2认识反爬虫 1.3配置Python爬虫环境 2网页前端基础 2.1认识网络信息传输过程 2.2认识HTTP 3简单静态网页爬取 3.1认识静态网页 3.2实现HTTP请求 3.3解析网页 3.4存储数据 4认识动态网页 4.1认识动态网页 4.2逆向分析爬取动态网页 4.3使用Selenium爬取动态网页 拓展 5模拟登录 6 Scrapy爬虫 7.拓展：终端协议及爬取工具介绍 | 时间：11.20（9:00-18:00） Python机器学习实战 1 机器学习绪论 1.1 引言 1.2 基本术语 1.3 假设空间&归纳偏好 2 模型评估与选择 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 回归分析 3.1 线性回归基本形式 3.2 线性回归模型算法实现 4 决策树 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 时间：11.21（9:00-18:00） 5 人工神经网络 5.1 单个神经元介绍 5.2 经典网络结构介绍 5.3 神经网络工作流程演示 5.4 如何修正网络参数-梯度下降法 5.5 网络工作原理推导 5.6 网络搭建准备 5.7 样本从输入层到隐层传输的Python实现 5.8 网络输出的Python实现 5.9 单样本网络训练实现 5.10 全样本网络训练实现 5.11 网络性能评价 5.12 sklearn实现神经网络 拓展 6支持向量机 7聚类 8集成学习
| 拓展内容： 特征工程 1 特征工程介绍 2 数据预处理 3 特征构建 4 特征选择 5 降噪与特征转换 6 特征学习 农产品信息采集与分析 1.1 背景与分析目标 2.1 网页分析和爬虫思路 2.2 省份链接获取 2.3 获取省份名称 2.4 确定翻页数目 2.5 获取单页表格 2.6 获取所有省份和页面的数据 2.7 分布式爬取 3.1 数据预处理 3.2 数据指标提取 3.3 省级以上部门审定数量分析 3.4 水稻品种类型数量分析 3.5 主要水稻类型的数量分析 3.6 水稻母本分析 3.7 主要审定公司分析 4 总结 特别内容： ① ChatGPT教学应用 ② 金牌助手ChatGPT，让应用开发更高效 ③ 大模型(ChatGLM2-6B)产业应用漫步与畅想 |
现场案例实战课程安排 | ||
时间：11.23（8:30-17:00） 核心技能串讲与巩固 1 Python爬虫环境与爬虫简介 2 网页前端基础 3 简单静态网页爬取 泰迪内推平台招聘信息采集与分析 1 背景与目标 2 数据采集 2.1 网页结构探索 2.2 定位一级页面数据地址 2.3 爬取及解析一级页面数据 2.4 提取一级页面字段 2.5 定位二级页面数据地址 2.6 爬取及解析二级页面数据 2.7 翻页爬取及数据保存 3 数据处理 3.1 读取已爬取完成的数据 3.2 数据预处理操作 4 分析与可视化 4.1 招聘岗位对学历要求分析 4.2 各行业的大数据招聘需求数量分析 4.3 不同类型公司的薪资待遇分析 4.4 小结 | 时间：11.24（8:30-17:00） 核心技能串讲与巩固 1 机器学习绪论 2机器学习模型构建 3 模型评估与选择 4 集成学习 某外卖平台优惠券使用预测 1.1 背景与挖掘目标 2.1 工程环境准备 2.2 缺失值处理和数据去重 2.3 数据分布探索 3.1 特征工程介绍 3.2 原始特征 3.3 用户相关特征 3.4 商家相关特征 3.5 优惠券相关特征 3.6 离散型特征处理 4.1 建模前的数据处理 4.2 模型构建技巧 4.3 模型构建 4.4 网格搜索 4.5 模型训练和评估 4.6 模型优化 4.7 模型应用 5 小结 | 时间：11.25（8:30-17:00） 天猫用户重复购买预测：从理论到实践 1 背景与目标 2 数据探索 3 构建样本标签 4 特征构建 5 模型构建 6 模型性能评估 7 模型预测 8 结果提交 时间：11.26（9:00-17:00） 1.职业技术考试 2.企业参观 |
技能学习课程安排 | ||
时间：报名成功后即可开始学习 Python编程基础 1 认识Python 2 编写Python程序 3 认识Python数据结构 4 条件判断及分支语句 5 使用def定义函数 6 认识面向对象 7 读取文件数据 8 模块和第三方库 Python数据分析与应用 1 Python数据分析概述 2 NumPy数值计算基础 3 Matplotlib数据可视化基础 4 Pandas统计分析基础 5 使用Pandas进行数据预处理 时间：11.18（9:00-18:00） 专题讲座 计算机视觉技术及其应用 Python机器学习实战 1 机器学习绪论 1.1 引言 1.2 基本术语 1.3 假设空间&归纳偏好 2 模型评估与选择 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 回归分析 3.1 线性回归基本形式 3.2 线性回归模型的Python实现 4 人工神经网络 4.1 单个神经元介绍 4.2 经典网络结构介绍 4.3 神经网络工作流程演示 4.4 如何修正网络参数-梯度下降法 4.5 网络工作原理推导 | 时间：11.19（9:00-18:00） 4.6 网络搭建准备 4.7 样本从输入层到隐层传输的Python实现 4.8 网络输出的Python实现 4.9 单样本网络训练实现 4.10 全样本网络训练实现 4.11 网络性能评价 4.12 实现神经网络算法 5.1 聚类分析概述 5.2 相似性度量 5.3 K-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 支持向量机算法实现 时间：11.20（9:00-18:00） PyTorch框架基础实践 1 PyTorch简介 2 张量操作 2.1 创建张量 2.2 张量与数组相互转化 3 构建一个线性模型 3.1 任务描述：构建线性模型 3.2 读取数据 3.3 构建初始模型及损失函数 3.4 test-构建优化器 3.4 构建优化器 3.5 最小化方差（训练） 3.6 执行多轮训练 3.7 训练过程可视化 4 识别手写数字 4.1 案例目标与流程 4.2 加载数据 4.3 加工数据 4.4 模型结构介绍 4.5 构建模型 4.6 模型配置 4.7 模型训练 4.8 执行多轮训练 4.9 模型性能评估 4.10 保存模型 4.11 加载模型 4.12 模型应用 | 时间：11.21（9:00-18:00） PyTorch深度学习原理与实现 1 引言 2 卷积神经网络CNN 2.1 浅层神经网络的局限 2.2 卷积操作 2.3 卷积操作的优势 2.4 池化及全连接 2.5 高维输入及多filter卷积 2.6 实现卷积操作 2.7 将卷积结果可视化 2.8 实现池化操作 时间：11.22（9:00-18:00） 3 循环神经网络RNN 3.1 循环神经网络简介 3.2 循环神经网络的常见结构 4 长短时记忆网络LSTM 4.1 LSTM的三个门 4.2 LSTM三个门的计算示例 4.3 实现LSTM操作 4.4 LSTM返回值解读 5 利用LSTM实现手写数字识别 5.1 加载数据 5.2 数据加工 5.3 搭建循环神经网络 5.4 模型配置 5.5 模型训练 5.6 模型性能验证 时间：11.23（9:00-18:00） 大模型原理与实现 1 基础模型（大模型）简介 2 万模基座Transformer 时间：11.24（9:00-18:00） 3 生成式预训练模型GPT 4 双向编码模型BERT 5 Transformer应用
特别内容 ① ChatGPT教学应用 ② 金牌助手ChatGPT，让应用开发更高效 ③ 大模型(ChatGLM2-6B)产业应用漫步与畅想 |
案例实战课程安排 | ||
时间：11.25（9:00-18:00） 新冠疫情期间网民情绪识别 1 背景与目标 2 数据准备 2.1 数据基本介绍 2.2 词嵌入介绍 2.3 进行词向量训练 2.4 构建词向量矩阵 2.5 获取编码后的语料库 2.6 对各样本执行padding操作 2.7 拆分数据并将其转为模型所需格式 3 模型训练与性能验证 3.1 Embedding层介绍 3.2 定义Embedding层算子 3.3 定义LSTM层算子 3.4 定义全连接层算子 3.5 定义网络计算流程 3.6 模型构建及配置 3.7 模型训练 3.8 模型性能评估 4 小结 | 时间：11.26（9:00-18:00） 基于Transformer的疫情问诊系统自动翻译实现 1.1 机器翻译发展历程 1.2 任务目标及实现流程 2.1 数据加载 2.2 数据拆分 2.3 预训练模型介绍 2.4 Tokenizer介绍 2.5 Tokenizer调用实现 3 预训练模型加载 时间：11.27（16:00-18:00） 4.1 定义模型训练参数 4.2 定义数据收集器 4.3.1 BLEU值概念与计算 4.3.2 定义BLEU值 4.4 模型训练 5.1 模型推理 5.2 小结 | 拓展内容： 基于大模型的金融问句语义相似度计算 1 案例背景及挖掘目标 2 语义文本相似度 3.1 预处理：文件加载 3.2 预处理：错别字纠正 3.3 预处理：数据类型转化与长度统计 3.4 预处理：数据准备 3.5 加载预训练模型 3.6 定义损失函数 3.7 模型训练 3.8 模型预测 3.9 模型评估 4 小结 时间：11.28（16:00-18:00） 职业技术考试 |
技能学习课程安排 | ||
时间：报名成功后即可开始学习 Python编程基础 1 认识Python 2 编写Python程序 3 认识Python数据结构 4 条件判断及分支语句 5 使用def定义函数 6 认识面向对象 7 读取文件数据 8 模块和第三方库 Python数据分析与应用 1 Python数据分析概述 2 NumPy数值计算基础 时间：11.18（9:00-18:00） 专题讲座 计算机视觉技术及其应用 Pandas数据分析基础 1.1 掌握绘图基础语法与常用参数 1.2 分析特征间关系 1.3 分析特征内部数据分布与分散情况 时间：11.19（9:00-18:00） 2 Pandas统计分析基础 2.1 Pandas简介 2.2 读写不同数据源的数据 2.3 数据框与数据框元素 2.4 转换与处理时间序列数据 2.5 使用分组聚合进行组内计算 2.6 创建透视表与交叉表
| 时间：11.20（9:00-18:00） 3 使用Pandas进行数据预处理 3.1 合并数据 3.2 清洗数据 3.3 标准化数据 3.4 转换数据 时间：11.21（9:00-18:00） Python网络爬虫实战 1 Python爬虫环境与爬虫简介 1.1 认识爬虫 1.2 认识反爬虫 1.3 配置Python爬虫环境 2 网页前端基础 2.1 认识网络信息传输过程 2.2 认识HTTP 3 简单静态网页爬取 3.1 认识静态网页 3.2 实现HTTP请求 3.3 解析网页 3.4 存储数据 时间：11.22（9:00-18:00） 4 认识动态网页 4.1 认识动态网页 4.2 逆向分析爬取动态网页 4.3 使用Selenium爬取动态网页 | 时间：11.23（9:00-18:00） 5 模拟登录 5.1 使用表单登录方法实现模拟登录 5.2 使用Cookie登录方法实现模拟登录 5.3 使用Selenium模拟登录 拓展 6 Scrapy爬虫 6.1 认识Scrapy 6.2 通过Scrapy爬取基本页面信息 6.3 通过Scrapy抓取跳转页面数据 7 拓展：终端协议及爬取工具介绍
拓展内容： 网站图像素材采集实战 1 思路介绍 2 单个图片文件爬取 3 获取一个页面所有图片网址 4 保存所有图片 5 翻页爬取更多数据 6 PDF文件规律及问题 7 PDF翻页刷新的网址规律 8 获取当前页所有图片网址 9 翻页刷新爬取所有图片 10 图片拼接成PDF文件 特别内容： ① ChatGPT教学应用 ② 金牌助手ChatGPT，让应用开发更高效 ③ 大模型(ChatGLM2-6B)产业应用漫步与畅想 |
案例实战课程安排 | ||
时间：11.24（9:00-18:00） 泰迪内推平台招聘信息采集与分析 1 背景与目标 2 数据采集 2.1 网页结构探索 2.2 定位一级页面数据地址 2.3 爬取及解析一级页面数据 2.4 提取一级页面字段 2.5 定位二级页面数据地址 2.6 爬取及解析二级页面数据 2.7 翻页爬取及数据保存 3 数据处理 3.1 读取已爬取完成的数据 3.2 数据预处理操作 4 分析与可视化 4.1 招聘岗位对学历要求分析 4.2 各行业大数据招聘需求分析 4.3 不同类型公司薪资待遇分析 4.4 小结 | 时间：11.25（9:00-18:00） 农产品信息采集与分析 1.1 背景与分析目标 2.1 网页分析和爬虫思路 2.2 省份链接获取 2.3 获取省份名称 2.4 确定翻页数目 2.5 获取单页表格 2.6 获取所有省份和页面的数据 2.7 分布式爬取 3.1 数据预处理 3.2 数据指标提取 3.3 省级以上部门审定数量分析 3.4 水稻品种类型数量分析 3.5 主要水稻类型被审定的数量分析 3.6 水稻母本分析 3.7 主要审定公司分析 4 总结 | 时间：11.26（9:00-18:00） 微博疫情评论数据采集 1 背景与目标 2.1 评论结构分析 2.2 数据接口分析 3.1微博页面接口分析 3.2 评论数据接口分析 3.3 评论回复数据爬取 3.4 单页微博及评论数据爬取 3.5 多线程爬虫 4 小结 时间：11.27（16:00-18:00） 职业技术考试 |
技能学习课程安排 | ||
时间：报名成功后即可开始学习 Python编程基础 1 认识Python 2 编写Python程序 3 认识Python数据结构 4 条件判断及分支语句 5 使用def定义函数 6 认识面向对象 7 读取文件数据 8 模块和第三方库 Python数据分析与应用 1 Python数据分析概述 2 NumPy数值计算基础 3 Matplotlib数据可视化基础 时间：11.18（9:00-18:00） 专题讲座 计算机视觉技术及其应用 Pandas数据分析基础 1 Pandas统计分析基础 1.1 Pandas简介 1.2 读写不同数据源的数据 1.3 数据框与数据框元素 1.4 转换与处理时间序列数据 1.5 使用分组聚合进行组内计算 1.6 创建透视表与交叉表 时间：11.19（9:00-18:00） 2 使用Pandas进行数据预处理 2.1 合并数据 2.2 清洗数据 2.3 标准化数据 2.4 转换数据
| 时间：11.20（9:00-18:00） Python机器学习实战 1机器学习绪论 1.1引言 1.2基本术语 1.3假设空间&归纳偏好 2模型评估与选择 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回归分析 3.1线性回归基本形式 3.2线性回归模型实现 4决策树 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
时间：11.21（9:00-18:00） 5人工神经网络 5.1单个神经元介绍 5.2经典网络结构介绍 5.3神经网络工作流程演示 5.4修正网络参数-梯度下降法 5.5网络工作原理推导 5.6网络搭建准备 5.7样本从输入层到隐层传输的Python实现 5.8网络输出的Python实现 5.9单样本网络训练实现 5.10全样本网络训练实现 5.11网络性能评价 5.12调用sklearn实现神经网络 | 时间：11.22（9:00-18:00） 6支持向量机 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 7聚类算法 7.1聚类分析概述 7.2相似性度量 7.3K-Means聚类分析算法介绍 7.4利用K-Means算法对鸢尾花进行聚类 7.5聚类结果的性能度量 7.6调用sklearn实现聚类分析 拓展 8 集成学习 8.1 集成学习基本概念 8.2 并行集成算法-Bagging&RandomForest 8.3 串行集成算法-Boosting算法流程 8.4 串行集成算法-Boosting代码实现 8.5 Stacking算法流程 8.6 Stacking代码实现
拓展内容： 特征工程 1 特征工程介绍 2 数据预处理 3 特征构建 4 特征选择 5 降噪与特征转换 6 特征学习
特别内容： ① ChatGPT教学应用 ② 金牌助手ChatGPT，让应用开发更高效 ③ 大模型(ChatGLM2-6B)产业应用漫步与畅想 |
案例实战课程安排 | ||
时间：11.23（9:00-18:00） 运营商用户流失预测 1.1背景与目标 1.2案例思路分析 2.1数据探索 2.2数据去重及删除无关属性 2.3用户分组及标签构建 2.4提取用户基本信息和在网时长 2.5处理合约是否有效 2.6处理合约计划到期时间 2.7其余变量处理 2.8特征拼接及缺失值处理 2.9数据保存 3.1特征选择介绍 3.2皮尔逊特征选择 3.3处理样本类别不均衡问题 4.1模型性能评估介绍 4.2模型构建及性能评估 时间：11.24（9:00-18:00） 网络入侵用户自动识别 1 背景与目标 2 数据处理 2.1 读取数据 2.2 了解数据基本情况 2.3 哑变量处理 2.4 拼接特征并删除无关列 2.5 标签转化及预处理函数封装 3 模型训练与验证 3.1 认识集成学习算法 3.2 模型训练与性能验证 3.3 保存模型集训练数据结构 4 模型应用与评估 4.1 加载并处理待预测样本 4.2 模型应用及性能评估 | 时间：11.25（9:00-18:00） 天猫用户重复购买预测 1.1 背景与挖掘目标 2.1 工程环境准备 2.2 缺失值处理和数据去重 2.3 数据分布探索 3.1 特征工程介绍 3.2 原始特征 3.3.1 用户相关特征：用户在平台的总交互次数 3.3.2 用户相关特征：用户最近一次购买距离第一次的时长 3.4.1 商家相关特征：商家被交互的数量 3.4.2 商家相关特征：商家的复购次数 3.5.1 用户和商家相关特征：用户在商家的交互次数 3.5.2 用户和商家相关特征：不同用户在不同商家购买率 3.6 离散型特征处理 4.1 建模前的数据处理 4.2 模型构建 4.3 模型训练和评估 4.4 模型应用 5 小结 | 时间：11.26（9:00-18:00） 泰迪内推平台信息精准推荐应用 1 背景与目标 2 目标分析 2.1 推荐思路分析 2.2 基于物品的协同过滤推荐介绍 3 工程实现 3.1 EB工具登录及简介 3.2 创建空白工程 3.3 导入数据 3.4 筛选正文数据 3.5 字符替换及记录去重 3.6 划分训练集用户和测试集用户 3.7 构造训练集和测试集数据 3.8 构建模型 3.9 推荐及性能评估 4 小结 时间：11.27（16:00-18:00） 职业技术考试 |
技能学习课程安排 | ||
时间：报名成功后即可开始学习 Linux操作系统基础 1. Linux概述 2. Linux系统安装 3. Linux基本命令 4. Linux Vi编辑器 5. Linux Shell编程 Java编程基础 1. 基础知识 2. 面向对象 3. 线程及异常处理 Scala编程基础 1. Scala简介 2. Scala安装配置 3. Scala基础语法 4. 函数 5. 面向对象编程 6. 文件读写 时间：11.18（9:00-18:00） 专题讲座 计算机视觉技术及其应用 Hadoop大数据基础 1. Hadoop简介 1.1 大数据介绍 1.2 Hadoop核心组件 1.3 Hadoop生态环境 1.4 Hadoop应用场景 2. Hadoop集群安装与部署 2.1 安装虚拟机 2.2 安装Java 2.3 Hadoop集群部署模式 2.4 配置固定IP 2.5 SSH无密码登录 2.6 配置Hadoop集群 2.7 Hadoop集群配置参数 2.8 Hadoop集群启动与监控 时间：11.19（9:00-18:00） 3. Hadoop基础操作 3.1 Hadoop安全模式 3.2 Hadoop集群基本信息介绍 3.3 HDFS常用Shell操作 3.4 MapReduce常用Shell操作 3.5 MapReduce任务管理 3.6 Yarn资源管理与任务调度 4. MapReduce开发入门 4.1 MapReduce框架与设计构思 4.2 MapReduce开发环境搭建 4.3 MapReduce WordCount源码分析 4.4 MapReduce API分析 4.5 MapReduce统计每天访问次数 4.6 MapReduce按用户访问次数排序 拓展 5. MapReduce编程进阶 | 时间：11.20（9:00-18:00） Hive大数据仓库 1. Hive简介 1.1 Hive简介 2. Hive安装配置 2.1.1 Hive安装配置之MySQL数据库安装 2.1.2 Hive安装配置之Hive安装 2.2 Hive实现单词计数 3. Hive应用 3.1.1 Hive表定义 3.1.2 创建内部表与外部表 3.1.3 创建静态分区表和动态分区表 3.1.4 创建带数据的表和桶表 3.2 Hive导入及导出 时间：11.21（9:00-18:00） 3.3.1 Select查询基本用法1 3.3.2 Select查询基本用法2 3.3.3 内置函数应用 3.3.4 关联查询 拓展 4. Hive开发 5. Hive自定义函数 6. Hive查询优化 时间：11.22（9:00-18:00） Spark大数据技术应用 1. Spark入门 1.1 Spark入门 2. Spark集群的安装配置 2.1 Spark安装部署 2.2 Spark安装部署实战 3. Spark架构及原理 3.1 Spark架构 3.2 Spark RDD及DAG相关概念 4. Spark编程基础 4.1 创建RDD 4.2 RDD常用算子之transformation算子（1） 4.3 RDD常用算子之transformation算子（2） 4.4 RDD常用算子之键值对RDD算子 4.5 RDD常用算子之action算子 4.6 文件读取与存储 4.7 统计用户停留时间最长的基站
| 时间：11.23（9:00-18:00） 5. 配置Spark IDEA开发环境 5.1 搭建Spark开发环境 6. Spark SQL应用 6.1 Spark SQL简介 6.2 Spark SQL配置 6.3 从结构化数据文件创建DataFrame 6.4 从外部数据库创建DataFrame 6.5 从RDD创建DataFrame 6.6 读取Hive表数据创建DataFrame 6.7 读取学生成绩创建DataFrame 6.8 常见DataFrame API操作1 6.9 常见的DataFrame操作2 6.10 常见的DataFrame操作3 6.11 通过DataFrame API计算学生总分和平均分 6.12 保存DataFrame数据 6.13 保存学生成绩分析结果到Hive 6.14 DataSet基础操作 6.15 统计商品销量
拓展内容： 1 HBase非关系型数据库 2 Zookeeper大数据分布式消息 3 Flume数据采集 4 Kafka消息系统 5 Flink大数据实时处理 6 商品实时推荐系统
特别内容： ① ChatGPT教学应用 ② 金牌助手ChatGPT，让应用开发更高效 ③ 大模型(ChatGLM2-6B)产业应用漫步与畅想 |
案例实战课程安排 | ||
时间：11.24（9:00-18:00） 美国房价数据统计分析 1 案例背景&数据介绍 2 数据存储 3.1 数据探索分析 3.2 环境搭建 3.3 字段值分布和缺失值统计 3.4 季度性房屋销量和销售额统计 3.5 房屋评分分布 3.6 房屋评分与单位售价关系 3.7 房屋房龄分布 | 时间：11.25（9:00-18:00） 广电大数据用户画像 1. 项目背景与目标分析 1.1 背景介绍 1.2 目标分析 1.3 系统架构介绍 2. 数据存储 2.1 数据介绍 2.2 数据存储 2.3 开发环境搭建 3. 数据探索与清洗
| 时间：11.26（9:00-18:00） 4. 用户画像标签计算 4.1 用户画像简介 4.2 消费内容 4.3 消费等级 4.4 产品名称 4.5 入网程度&业务名称 4.6 地区&语言偏好 5. SVM预测用户是否挽留 5.1 SVM介绍 5.2 特征构建 5.3 标签构建 5.4 模型构建与评估 时间：11.27（16:00-18:00） 职业技术考试 |
技能学习课程安排 | ||
时间：11.18（9:00-18:00） 专题讲座 计算机视觉技术及其应用 Excel数据分析基础与实战 1.1认识数据分析 1.2认识Excel 2016 2.1获取文本数据 2.2从数据库获取数据 3.1排序 3.2筛选 3.3分类汇总 4.1认识公式和函数 4.2数组公式 4.3日期和时间函数 4.4数学函数 4.5统计函数 4.6文本函数 4.7逻辑函数 5.1透视表的创建和修改 5.2透视表的操作 5.3透视图的操作 | 时间：11.19（9:00-18:00） 6.1对比分析 6.2趋势分析 6.3饼图 6.4散点图 6.5雷达图 7.1案例背景 7.2数据预处理 8商品销售分析 9库存分析 10用户分析 11分析报告 时间：11.20（9:00-18:00） 1.1 认识数据分析 1.2 了解可视化工具 1.3 认识power bi 2.1 数据来源 2.2 获取数据 3.1 认识编辑器和M语言 3.2 数据集成 3.3 数据清洗 3.4 转换数据 3.5 数据泛化 | 时间：11.21（9:00-18:00） 4.1 认识DAX语言 4.2 构建日历表 4.3 构建表间关系 4.4 度量值 5.1 认识可视化 5.2条形图和柱状图 5.3 雷达图和漏斗图 时间：11.22（9:00-18:00） 5.4 饼图和环形图 5.5 瀑布图和树状图 5.6 折线图和散点图 5.7 描述性分析 5.8 KPI分析 6.1 认识分析报表 6.2 制作分析报表 7 部署 特别内容： ① ChatGPT教学应用 ② 金牌助手ChatGPT，让应用开发更高效 ③ 大模型(ChatGLM2-6B)产业应用漫步与畅想 |
案例实战课程安排 | ||
时间：11.23（9:00-18:00） 新零售智能销售数据分析（Power BI） 1 案例背景 2 数据清洗 3 数据规约 4 数据建模 5 销售分析 6 库存分析 7 用户分析 8 部署和发布 时间：11.24（9:00-18:00） 餐饮企业综合分析（Power BI） 1 案例背景 2数据预处理 2.1 数据预处理1 2.2 数据预处理2 3数据可视化 3.1 数据分析与可视化1 3.2 数据分析与可视化2 | 时间：11.25（9:00-18:00） 财务分析在纳税评估中的应用（Excel） 1 案例背景和分析流程 2 数据预处理 3发现疑点 4 共同比分析 5 增长趋势分析 6财务比率分析 7 重点评估区域 8 重点评估区域审计 9 问题发现和财务报表的调整 10 小结
| 时间：11.26（9:00-18:00） 学生校园卡消费行为分析（Excel） 1.1 案例背景与目标 2.1 预处理: 读取数据和异常值 2.2 预处理:缺失值 2.3预处理: 重复值与合并数据 3.1 食堂消费数据分析 3.2 学生消费行为分析 时间：11.27（16:00-18:00） 职业技术考试 |
技能学习课程安排 | ||
时间：报名成功后即可开始学习 Python编程基础 1 认识Python 2 编写Python程序 3 认识Python数据结构 4 条件判断及分支语句 5 使用def定义函数 6 认识面向对象 7 读取文件数据 8 模块和第三方库 Python数据分析与应用 1 Python数据分析概述 2 NumPy数值计算基础 3 Matplotlib数据可视化基础 4 Pandas统计分析基础 5 使用Pandas进行数据预处理 时间：11.18（9:00-18:00） 专题讲座 计算机视觉技术及其应用 Python机器学习实战 1机器学习绪论 1.1引言 1.2基本术语 1.3假设空间&归纳偏好 2模型评估与选择 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回归分析 3.1线性回归基本形式 3.2线性回归模型的Python实现 4决策树 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 | 时间：11.19（9:00-18:00） 5人工神经网络 5.1单个神经元介绍 5.2经典网络结构介绍 5.3神经网络工作流程演示 5.4如何修正网络参数-梯度下降法 5.5网络工作原理推导 5.6网络搭建准备 5.7样本从输入层到隐层传输的Python实现 5.8网络输出的Python实现 5.9单样本网络训练的Python实现 5.10全样本网络训练的Python实现 5.11网络性能评价 5.12调用sklearn实现神经网络 时间：11.20（9:00-18:00） TensorFlow2框架基础实战 1任务1：构建一个线性模型 1.1tensorflow介绍 1.2tensorflow2常用数据类型和操作 1.3初始化模型 1.4构建损失函数 1.5模型训练及可视化 1.6使用高阶API-keras 2任务2：mnist手写数字识别 2.1数据读取及探索 2.2交叉熵 2.3模型构建及训练 2.4调用保存好的模型对新样本进行预测 | 时间：11.21（9:00-18:00） TensorFlow2深度学习原理与实现 1.1深度神经网络-引言 2卷积神经网络CNN 2.1浅层神经网络的局限 2.2卷积操作 2.3卷积操作的优势 2.4池化及全连接 2.5高维输入及多filter卷积 2.6实现卷积操作 2.7实现池化操作 时间：11.22（9:00-18:00） 3循环神经网络RNN 3.1循环神经网络简介 3.2循环神经网络的常见结构 4长短时记忆网络LSTM 4.1LSTM的三个门 4.2LSTM三个门的计算示例 4.3利用RNN&LSTM实现mnist手写数字识别
特别内容： ① ChatGPT教学应用 ② 金牌助手ChatGPT，让应用开发更高效 ③ 大模型(ChatGLM2-6B)产业应用漫步与畅想 |
案例实战课程安排 | ||
时间：11.23（9:00-18:00） 脑PET图像分析与疾病预测 1 背景与目标 2 数据处理 2.1 图像读取及尺寸调整 2.2 图像增强之翻转操作 2.3 图像增强之旋转缩放 2.4 获取所有照片路径 2.5 批量获取照片数据 2.6 将数据处理过程封装成函数 3 模型构建（AlexNet） 3.1 AlexNet介绍 3.2 搭建第一次卷积结构 3.3 完成AlexNet搭建 3.4 模型训练 4 模型性能评估 4.1 模型性能评估及预测 4.2 小结 | 时间：11.24（9:00-18:00） 基于textCNN的公众健康问句分类 1 背景与挖掘目标 2.1 数据探索 2.2 分词和去停用词 2.3 词序列化和长度对齐 3.1 预训练词向量 3.2 词向量矩阵 4.1 textCNN模型搭建 4.2 模型训练 4.3 模型评估和总结
| 时间：11.25（9:00-18:00） 1 背景与目标 1.1 背景与目标 1.2 目标分析 1.3 准备工程文件 2 人脸检测 2.1 MTCNN介绍及脚本准备 2.2 人脸检测 2.3 标记人脸框 2.4 标记脸部关键点 3 人脸对齐 3.1 裁剪人脸图像 3.2 人脸对齐 3.3 处理多人脸区域并做函数封装 时间：11.26（16:00-18:00） 4 人脸特征提取 4.1 FaceNet基本流程 4.2 FaceNet模型详解 4.3 获取人脸特征向量 5 人脸识别 5.1 加载后台人脸数据库数据 5.2 人脸识别 6 小结 时间：11.27（16:00-18:00） 职业技术考试 |
技能学习课程安排 | ||
时间：报名成功后即可开始学习 Python编程基础 1 认识Python 2 编写Python程序 3 认识Python数据结构 4 条件判断及分支语句 5 使用def定义函数 6 认识面向对象 7 读取文件数据 8 模块和第三方库 Python数据分析与应用 1 Python数据分析概述 2 NumPy数值计算基础 3 Matplotlib数据可视化基础 4 Pandas统计分析基础 5 使用Pandas进行数据预处理 时间：11.18（9:00-18:00） 专题讲座 计算机视觉技术及其应用 Python机器学习实战 1机器学习绪论 1.1引言 1.2基本术语 1.3假设空间&归纳偏好 2模型评估与选择 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回归分析 3.1线性回归基本形式 3.2线性回归模型的Python实现 4决策树 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
| 时间：11.19（9:00-18:00） 5人工神经网络 5.1单个神经元介绍 5.2经典网络结构介绍 5.3神经网络工作流程演示 5.4如何修正网络参数-梯度下降法 5.5网络工作原理推导 5.6网络搭建准备 5.7样本从输入层到隐层传输的Python实现 5.8网络输出的Python实现 5.9单样本网络训练的Python实现 5.10全样本网络训练的Python实现 5.11网络性能评价 5.12调用sklearn实现神经网络 时间：11.20（9:00-18:00） PyTorch框架基础实践 1 PyTorch简介 2 张量操作 2.1 创建张量 2.2 张量与数组相互转化 3 构建一个线性模型 3.1 任务描述：构建线性模型 3.2 读取数据 3.3 构建初始模型及损失函数 3.4 test-构建优化器 3.4 构建优化器 3.5 最小化方差（训练） 3.6 执行多轮训练 3.7 训练过程可视化 4 识别手写数字 4.1 案例目标与流程 4.2 加载数据 4.3 加工数据 4.4 模型结构介绍 4.5 构建模型 4.6 模型配置 4.7 模型训练 4.8 执行多轮训练 4.9 模型性能评估 4.10 保存模型 4.11 加载模型 4.12 模型应用 | 时间：11.21（9:00-18:00） PyTorch深度学习原理与实现 1 引言 2 卷积神经网络CNN 2.1 浅层神经网络的局限 2.2 卷积操作 2.3 卷积操作的优势 2.4 池化及全连接 2.5 高维输入及多filter卷积 2.6 实现卷积操作 2.7 将卷积结果可视化 2.8 实现池化操作 时间：11.22（9:00-18:00） 3 循环神经网络RNN 3.1 循环神经网络简介 3.2 循环神经网络的常见结构 4 长短时记忆网络LSTM 4.1 LSTM的三个门 4.2 LSTM三个门的计算示例 4.3 实现LSTM操作 4.4 LSTM返回值解读 5 利用LSTM实现手写数字识别 5.1 加载数据 5.2 数据加工 5.3 搭建循环神经网络 5.4 模型配置 5.5 模型训练 5.6 模型性能验证 时间：11.23（9:00-18:00） 计算机视觉实战 1 概述 2.1 图像基础 2.2 读写图像 3.1 几何变换-图像平移和旋转 3.2 几何变换-最近邻插值 3.3 几何变换-其他插值方法介绍 4.1 灰度处理-线性变换 4.2 灰度处理-非线性变换 4.3 灰度处理-直方图均衡化 4.4 图像二值化 5.1 图像平滑 5.2 图像锐化-Sobel算子 5.3 图像锐化-其他算法 6. 练习
特别内容： ① ChatGPT教学应用 ② 金牌助手ChatGPT，让应用开发更高效 ③ 大模型(ChatGLM2-6B)产业应用漫步与畅想 |
案例实战课程安排 | ||
时间：11.24（9:00-18:00） 脑PET图像分析与疾病预测 1 背景与目标 2 数据处理 2.1 图像读取及尺寸调整 2.2 图像增强之翻转操作 2.3 图像增强之旋转缩放 2.4 获取所有照片路径 2.5 批量获取照片数据 2.6 将数据处理过程封装成函数 3 模型构建 3.1 定义卷积&池化层 3.2 定义全连接层 3.3 定义网络计算过程 3.4 数据集维度顺序调整及类型转化 3.5 数据集分批及打乱操作 3.6 模型构建及配置 3.7 模型训练 4 模型性能评估及应用 4.1 模型性能评估及保存 4.2 模型应用 | 时间：11.25（9:00-18:00） 基于FaceNet的人脸智能识别 1 背景与目标 1.1 背景与目标 1.2 目标分析 1.3 开发环境和工程结构介绍 2 人脸检测 2.1 MTCNN人脸检测介绍 2.2 执行人脸检测操作 3 人脸对齐 3.1 执行人脸对齐操作 3.2 人脸检测及对齐代码整理 4 人脸特征提取 4.1 FaceNet溯源-计算机视觉领域的部分大事件 4.2 FaceNet介绍 4.3 执行人脸特征提取操作 5 人脸识别 5.1 获取后台数据库中的人脸数据 5.2 获取后台数据库人脸数据脚本解读 5.3 完成人脸识别操作 5.4 代码整理与结果可视化 6 小结 | 时间：11.26（9:00-18:00） 基于YOLOX的农田害虫图像检测与识别 1 背景与目标 2 目标分析 2.1 目标检测任务的难点与挑战 2.2 目标检测方法发展历程 2.3 经典二阶段&一阶段算法 3 YOLO目标检测 3.1 将目标检测转化为回归任务 3.2 YOLOv1中训练样本标签设计 3.3 YOLOv1网络结构及输出解读 3.4 YOLOv1损失函数介绍 3.5 YOLOv1的缺点 3.6 YOLOv3及YOLOX介绍 3.7 目标检测常用数据集与性能评价指标介绍 3.8 项目目标完成步骤介绍 4 数据探索与处理 4.1 配套资源说明 4.2 数据探索 4.3 CopyAndPast数据增强介绍 4.4 CopyAndPast数据增强实现 4.5 汇总照片数据 时间：11.27（9:00-18:00） 5 数据加工 5.1 数据加工介绍 5.2 数据加工实现 6 环境搭建与模型训练 6.1 创建虚拟开发环境 6.2 启动虚拟环境并为其安装依赖库 6.3 安装YOLOX 6.4 模型训练 7 模型应用 7.1 模型应用 7.2 小结 8 拓展延伸 时间：11.28（16:00-18:00） 职业技术考试 |
附件三 师资介绍
 | 冯国灿博士，中山大学数学学院教授，博士生导师。泰迪杯数据挖掘挑战赛组委会委员，中国工业与应用数学会常务理事，广东省工业与应用数学学会理事长，2000-2002英国格莱莫根大学数字图像实验室和布拉德福大学数字媒体实验室做博士后研究员。主要从事模式识别、计算机视觉研究，参加主持包括国家自然科学基金等科学基金20多项，发表学术论文100余篇，入选2014-2019爱思唯尔计算机科学中国高被引学者排行榜。 |
 | 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，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 |
| 华为资深工程师(特邀嘉宾)，华为作为全球领先的ICT(信息与通信)基础设施和智能终端提供商，积极参与人工智能变革，提成华为的全栈全场景AI解决方法。本次主要分享华为昇腾AI的全栈全场景解决方案及其应用。 | |
 | 张敏，广东泰迪智能科技股份有限公司培训总监，高级信息系统项目管理师。具有丰富的大数据挖掘、人工智能教学和开发经验，曾为南方电网、国家电网、格力电器、珠江数码等多个大型企业提供i项目研发与维护服务。参编数据挖掘与人工智能类教材10余本，作为主讲老师参与国内高校和企业关于数据挖掘、人工智能相关培训班百余场。 |
 | 周东平，广东泰迪智能科技股份有限公司产品总监，高级数据分析师。项目经理。从事数据行业多年，熟悉大数据、人工智能相关项目开发流程；具有丰富的大数据、人工智能产品与应用设计经验，对于大数据、人工智能教学具有深入研究。精通Python语言，策划主持编写Python方向大数据与人工智能图书10余本，包括《Python数据分析与应用》、《Python3智能数据分析快速入门》、《大数据数学基础（Python语言描述）》等。在职期间参与项目涵盖电力、税务、金融、新闻、建筑等方向，具有丰富的行业经历。 |
 | 律波，广东泰迪智能科技股份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。 |
 | 陈四德，广东泰迪智能科技股份有限公司高级数据分析师，统计学专业，对数据统计分析和数据挖掘领域均有较强的理解和理论基础；有造价行业、游戏行业背景和丰富的项目经验，精通行业内的各种指标分析，擅于从多维度分析数据，逻辑性强；擅长Python、R语言、MySQL数据库等工具，能熟练对数据进行数据处理和分析，掌握常用的数据挖掘算法如分类、聚类等，以及深度学习TensorFlow的使用。负责“网站会员流失预测”项目，完成数据处理，模型构建；负责“平台BI埋点数据入库及数据分析”项目，完成数据盘点、数据指标整理和把控；负责“游戏数据分析”项目，完成产出游戏生态日报、客户价值分群结果、用户流失的预警、用户画像指标的完善和维护，项目经验丰富。负责过西安交大城市学院、福建农林大学、国培师资培训、韩山师范学院数据分析就业班、湖南科技职业技术学院、武汉科技大学、广东机电职业技术学院国培、柳州城市职业技术学院第一届大数据职业技能竞赛指导、吉林大学珠海学院等培训项目，授课经验丰富。负责过“泰迪杯”数据挖掘挑战赛出题及赛题指导。 |
 | 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”系统获得第七届金玲奖-公共服务类“智能决策奖”。 |
 | 叶丽凡，广东泰迪智能科技股份有限公司高级大数据开发工程师，对Hadoop大数据技术有深入理解，熟悉HDFS分布式文件系统存储结构，熟练掌握Hadoop环境部署和MapReduce计算框架编程。对HBase、Hive数据库有深刻了解。掌握Spark原理及编程，熟悉Spark底层运行机制，并熟练使用Spark SQL即时查询框架和Spark MLlib算法库。深度参与过华南某广电公司大数据营销推荐系统开发，利用Hadoop + Spark + Hive为其中的400多万用户生成用户画像。参与编写《Hadoop与大数据挖掘》、《Spark大数据技术与应用》等图书。跟进负责全国高校大数据与人工智能双师骨干师资研修班、韩山师范学院等高校的大数据培训课程。 |