Python数据分析课程培训方案

一、课程介绍

课程名称:Python人工智能深度学习应用

课程周期:48课时

课程收获:

1.掌握PyTorch框架的基本使用以及张量数据类型的基本操作方法

2.掌握神经网络的重要概念,熟悉如何设计全连接神经网络模型

3.掌握卷积神经网络处理图像应用场景,熟悉如何设计卷积神经网络实现图像分类流程

4.掌握循环神经网络处理自然语言任务,熟悉如何设计循环神经网络实现生成歌词流程

课程概述:

随着IT行业的成熟发展,越来越多的互联网公司发现数据的重要性,逐步提升公司的数据分析环节。而数据分析很重要也很关键的一部分就是通过历史数据预测未来,从而一定程度上左右公司的以后发展方向。那么就需要通过人工智能的方法实现预测未来的效果,而深度学习就是实现预测未来的一种方式。深度学习(Deep Learning)是一种特殊的机器学习,是借鉴了人脑由很多神经元组成的特性而形成的一个框架。相对于普通的机器学习,深度学习在海量数据情况下的效果要比机器学习更为出色。

我们的课程以多个实用案例为驱动,以培养“懂业务,会工具,精算法的全能型人工智能人才”为目标,覆盖人工智能领域的多种技术栈,包括pytorch框架、数据张量类型基本操作、人工神经网络、卷积神经网络以及循环神经网络等领域所需要的多种前沿技术。

项目成果:

构建线性回归模型

图像分类案例

课程亮点:

1.完善的课程体系,丰富的课程内容,全面的分析工具或算法

2.理论&多案例的结合,让老师懂业务、精技术、知识体系高度整合,轻松上手人工智能。

3.快速根据业务场景和需求进行算法建模过程,训练出预测准确度很高的算法模型。

4.课程会探讨如何利用深度学习技术解决实际问题, 帮助广大老师申报教学成果。

二、课程适合人群

1. 计算机、数据科学与人工智能等相关专业老师。

2.正在从事或未来想从事人工智能相关方向的老师。

3.在工作中会用到机器学习以及数据挖掘相关技能的老师。

三、参考预习资料

获取方式:请扫描下方二维码,回复【Python数据分析】即可获取 完整预习资料。

四、准备环境介绍

硬件:笔记本或者台式机。

操作系统:Windows7 及 Windows7 以上系统

处理器:i5 双核以上

内存:8GB 以上

软件:

1.PyCharm工具

2.Python解析器3.8及以上版本

3.深度学习相关模块

  a)pip install matplotlib==3.3.2

  b)pip install numpy==1.23.3

  c)pip install scikit-learn==0.23.2

  d)pip install torch==1.10.2

  e)pip install torchsummary==1.5.1

  f)pip install torchvision==0.11.3

五、项目进度安排

1月6日

Pytorch使用

1.张量的创建
2.张量数值计算
3.张量和numpy转换
4.张量索引操作
5.张量形状操作
6.张量运算函数

1月7日

Pytorch使用和深度学习介绍

1.自动微分模块使用
2.手动构建线性回归模型案例
3. Pytorch构建线性回归模型案例
4. 深度学习概念介绍

1月8日

神经网络前向传播

1.神经网络概念
2.激活函数
3.参数初始化
4.神经网络模型搭建

1月10日

神经网络反向传播

1.1.损失函数
2.反向传播算法
3.梯度下降优化算法
4.正则化

1月11日

人工神经网络案例和卷积神经网络

1.手机价格分类案例
2.图像基础知识
3.卷积层
4.池化层

1月12日

卷积神经网络案例

图像分类案例