鄭州人工智能架構(gòu)工程師課程

階段一、人工智能之訓(xùn)練成果報告可視化技術(shù)

課程一、數(shù)據(jù)可視化基礎(chǔ)

1）可視化技術(shù)骨骼技術(shù)之HTML技術(shù)：HTML結(jié)構(gòu)、HTML表單、HTML文檔

2）可視化技術(shù)皮膚之CSS技術(shù)：CSS樣式、樣式引入技術(shù)

3）可視化技術(shù)驅(qū)動之Javascript與Jquery:Javascript事件、Javascript Dom和BOM操作、網(wǎng)頁特效

課程二、圖表可視化技術(shù)

1）百度圖表可視化框架

2）百度圖表可視化十大經(jīng)典案例

課程三、Python核心編程

1）Python介紹、Anaconda+Pycharm安裝、Python語法格式簡介、編碼規(guī)范簡介、常用關(guān)鍵字介紹

2）變量與賦值、運算符和基本運算、位運算、字符串處理

3）列表元祖、字典、數(shù)組、切片、列表推導(dǎo)式、淺拷貝和深拷貝

4）條件判斷語句、循環(huán)控制語句

5）函數(shù)的定義、函數(shù)閉包、裝飾器、lambda表達式、遞歸函數(shù)及尾遞歸優(yōu)化、常用內(nèi)置函數(shù)/高階函數(shù)

6）項目案例：約瑟夫環(huán)問題

7）類和實例、訪問限制、繼承和多態(tài)及多重繼承、獲取對象信息、實例屬性和類屬性、模塊和包、類中的模式方法、異常和錯誤處理、debug調(diào)試

課程四、Python高級編程+數(shù)據(jù)可視化

1）時間庫，主要講解time、datetime，為之后時間序列分析做準備。

2）python鏈接數(shù)據(jù)庫，使用pymysql、pyhive操作數(shù)據(jù)倉庫，存儲數(shù)據(jù)源采集結(jié)果，以及存儲訓(xùn)練成果。

3）文件、目錄操作，通過os，file等模塊實現(xiàn)文件、目錄操作，方便數(shù)據(jù)文件提取。

4）機器學(xué)習(xí)模塊庫，掌握數(shù)值計算庫Numpy、數(shù)據(jù)分析庫Pandas，為之后機器學(xué)習(xí)算法實現(xiàn)奠定基礎(chǔ)。 5）數(shù)據(jù)可視化繪圖庫，使用matplotlib實現(xiàn)數(shù)據(jù)可視化

階段二、人工智能之數(shù)據(jù)源采集及訓(xùn)練成果存儲技術(shù)

課程五、非分布式存儲技術(shù)

1）利用關(guān)系型數(shù)據(jù)庫存儲數(shù)據(jù)源以及訓(xùn)練成果數(shù)據(jù)，掌握關(guān)系型數(shù)據(jù)庫原理和數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)庫環(huán)境搭建、數(shù)據(jù)倉庫創(chuàng)建、數(shù)據(jù)工作表創(chuàng)建、數(shù)據(jù)倉庫數(shù)據(jù)類型設(shè)定、數(shù)據(jù)倉庫CRUD

課程六、分布式存儲技術(shù)

1）利用分布式數(shù)據(jù)倉庫存儲大數(shù)據(jù)源以及訓(xùn)練成果數(shù)據(jù)，掌握分布式環(huán)境搭建、分布式數(shù)據(jù)倉庫Hive存儲結(jié)構(gòu)與原理、分布式數(shù)據(jù)倉庫Hive實戰(zhàn)應(yīng)用

課程七、Tableau人工智能訓(xùn)練成果展示

1）訓(xùn)練成果可視化展示利器，掌握了解數(shù)據(jù)可視化意義、Tableau十大經(jīng)典可視化圖形展示、Tableau訓(xùn)練成果可視化案例

課程八、數(shù)據(jù)采集技術(shù)

1）數(shù)據(jù)采集技術(shù)原理，熟練掌握網(wǎng)絡(luò)爬蟲含義、爬蟲原理以及反爬蟲機制

2）數(shù)據(jù)采集應(yīng)用，使用json、requests，lxml，beatuifulSoup模塊實現(xiàn)數(shù)據(jù)的采集與解析

3）數(shù)據(jù)采集實戰(zhàn)，實現(xiàn)百度圖片下載、博客園博文數(shù)據(jù)采集、Python100例數(shù)據(jù)采集、QQ音樂數(shù)據(jù)采集及音樂文件下載

階段三、人工智能之機器學(xué)習(xí)

課程九、數(shù)學(xué)基礎(chǔ)

1）數(shù)據(jù)分析：熟練掌握常數(shù)e、導(dǎo)數(shù)、梯度、Taylor、gini系數(shù)、信息熵與組合數(shù)、梯度下降、牛頓法等知識點；

2）概率論：微積分與逼近論、極限、微分、積分基本概念、利用逼近的思想理解微分，利用積分的方式理解概率、概率論基礎(chǔ)、古典模型、常見概率分布、大數(shù)定理和中心極限定理、協(xié)方差(矩陣)和相關(guān)系數(shù)、似然估計和大后驗估計等知識點；

3）線性代數(shù)及矩陣：線性空間及線性變換、矩陣的基本概念、狀態(tài)轉(zhuǎn)移矩陣、特征向量、矩陣的相關(guān)乘法、矩陣的QR分解、對稱矩陣、正交矩陣、正定矩陣、矩陣的SVD分解、矩陣的求導(dǎo)、矩陣映射/投影等知識點；

4）凸顯示：凸優(yōu)化基本概念、凸集、凸函數(shù)、凸優(yōu)化問題標準形式、凸優(yōu)化之Lagerange對偶處、凸優(yōu)化之牛頓法、梯度下降法求解

課程十、機器學(xué)習(xí)

1）機器學(xué)習(xí)概述

2）數(shù)據(jù)清洗和特征選擇：實現(xiàn)特征抽取、特征轉(zhuǎn)換、特征選擇、降維、特征工程

3）回歸算法：Linear Regression算法、Lasso Regression算法、Ridge Regression/Classifier算法、Elastic Net算法、Logistic算法、K-鄰近算法(KNN)

4）決策樹、隨機森林和提升算法：決策樹算法: ID3、C4.5、CART、決策樹優(yōu)化、Bagging和Boosting算法、隨機森林、Adaboost算法、GBDT算法、Xgboost、LightGBM

5）SVM：線性可分支持向量機、核函數(shù)理解、SMO算法、SVM回歸SVR和分類SVC

6）聚類算法：各種相似度度量介紹及相關(guān)關(guān)系、K-means算法、K-means算法優(yōu)缺點及變種算法、密度聚類、層、聚類、譜聚類

7）EM算法：大似然估計、EM算法原理講解、多元高斯分布的EM實現(xiàn)、主題模型pLSA及EM算法

8）貝葉斯算法：樸素貝葉斯、條件概率表達形式、貝葉斯網(wǎng)絡(luò)的表達形式

9）隱馬爾科夫模型：概率計算問題、前向/后向算法、HMM的參數(shù)學(xué)習(xí)、高斯混合模型HMM

10）LDA主題模型：LDA主題模型概述、共軛先驗分布、Dirichlet分布、Laplace平滑、Gibbs采樣詳解、LDA與word2Vec效果比較。

課程十一、Pyspark

1）Hadoop基礎(chǔ)

2）Spark基礎(chǔ)

3）Spark Mlib機器學(xué)習(xí)

階段四、人工智能之智能推薦技術(shù)

課程十二、Python開發(fā)高手推薦系統(tǒng)

1）推薦算法概述

2）推薦算法理論介紹(協(xié)同過濾、基于內(nèi)存的推薦、基于知識的推薦等)

3） 數(shù)據(jù)挖掘相關(guān)算法(關(guān)聯(lián)規(guī)則、Aprior算法)

4） 項目案例：音樂推薦、隱因子模型推薦

階段五、人工智能之深度學(xué)習(xí)

課程十三、深度學(xué)習(xí)

1）Tensorflow基本應(yīng)用：掌握Tensorflow環(huán)境配置、Tensorflow基本概念、Tensorflow函數(shù)式編程、Tensorflw執(zhí)行流程、Tensorflw之上的工具庫：Keras，以及基于Tensorflow實現(xiàn)回歸算法實現(xiàn)。

2）深度學(xué)習(xí)概述

3）感知器神經(jīng)網(wǎng)絡(luò)

4）BP神經(jīng)網(wǎng)絡(luò)

5）RBF徑向基神經(jīng)網(wǎng)絡(luò)

6）CNN卷積神經(jīng)網(wǎng)絡(luò)

7）RNN循環(huán)神經(jīng)網(wǎng)絡(luò)

8）生成對抗網(wǎng)絡(luò)（GAN，WGAN，EBGAN，DCGAN等）

階段六、人工智能之圖像處理技術(shù)

課程十四、圖像處理篇

1）圖像基礎(chǔ)：圖像讀，寫，保存，畫圖（線，圓，多邊形，添加文字）

2）圖像操作及算數(shù)運算：圖像像素讀取，算數(shù)運算，ROI區(qū)域提取

3）圖像顏色空間運算:圖像顏色空間相互轉(zhuǎn)化

4）圖像幾何變換:平移，旋轉(zhuǎn)，仿射變換，透視變換等

5）圖像形態(tài)學(xué):腐蝕，膨脹，開/閉運算等

6）圖像輪廓:長寬，面積，周長，外接圓，方向，平均顏色，層次輪廓等

7）圖像統(tǒng)計學(xué):圖像直方圖

8）圖像濾波:高斯濾波，均值濾波，雙邊濾波，拉普拉斯濾波等

階段七、人工智能之自然語言處理技術(shù)

課程十五、自然語言處理

1）詞（分詞，詞性標注）代碼實戰(zhàn)

2）詞（深度學(xué)習(xí)之詞向量，字向量）代碼實戰(zhàn)

3）詞（深度學(xué)習(xí)之實體識別和關(guān)系抽?。┐a實戰(zhàn)

4）詞（關(guān)鍵詞提取，無用詞過濾）代碼實戰(zhàn)

5）句（句法分析，語義分析）代碼實戰(zhàn)

6）句（自然語言理解,一階邏輯）代碼實戰(zhàn)

7）句（深度學(xué)習(xí)之文本相似度）代碼實戰(zhàn)

階段八、人工智能之企業(yè)項目實戰(zhàn)

實戰(zhàn)型項目一、基于FaceNet、云平臺的人臉識別及人臉檢索系統(tǒng)

使用深度學(xué)習(xí)框架從零開始完成人臉檢測的核心技術(shù)圖像類別識別的操作，從數(shù)據(jù)預(yù)處理開始一步步構(gòu)建網(wǎng)絡(luò)模型并展開分析與評估，方便大家快速動手進行項目實踐！識別上千種人臉，返回層次化結(jié)構(gòu)的每個人的標簽。

實戰(zhàn)型項目二、基于GBDT、Randomforest實現(xiàn)千萬級P2P金融系統(tǒng)反欺詐系統(tǒng)

目前比較火的互聯(lián)網(wǎng)金融領(lǐng)域，實質(zhì)是小額信貸，小額信貸風(fēng)險管理，本質(zhì)上是事前對風(fēng)險的主動把控，盡可能預(yù)測和防范可能出現(xiàn)的風(fēng)險。本項目應(yīng)用GBDT、Randomforest等機器學(xué)習(xí)算法做信貸反欺詐模型，通過數(shù)據(jù)挖掘技術(shù)，機器學(xué)習(xí)模型對用戶進行模型化綜合度量，確定一個合理的風(fēng)險范圍，使風(fēng)險和盈利達到一個平衡的狀態(tài)。

實戰(zhàn)型項目三、基于Seq2Seq的智能客服系統(tǒng)

聊天機器人/智能客服是一個用來模擬人類對話或者聊天的一個系統(tǒng)，利用深度學(xué)習(xí)和機器學(xué)習(xí)等相關(guān)算法構(gòu)建出問題和答案之間的匹配模型，然后可以將其應(yīng)用到客服等需要在線服務(wù)的行業(yè)領(lǐng)域中，聊天機器人可以降低公司客服成本，還能夠提高客戶的體驗友好性。 在一個完整的聊天機器人實現(xiàn)過程中，主要包含了一些核心技術(shù)，包括但不限于：爬蟲技術(shù)、機器學(xué)習(xí)算法、深度學(xué)習(xí)算法、領(lǐng)域相關(guān)算法。通過實現(xiàn)一個聊天機器人可以幫助我們隊AI整體知識的一個掌握。

實戰(zhàn)型項目四、基于實現(xiàn)詩歌機器人

機器人寫詩歌/小說是一種基于自然語言相關(guān)技術(shù)的一種應(yīng)用，在實現(xiàn)過程中可以基于機器學(xué)習(xí)相關(guān)算法或者深度學(xué)習(xí)相關(guān)算法來進行小說/詩歌構(gòu)建過程。人工智能的一個目標就是讓機器人能夠像人類一樣理解文字，并運用文字進行創(chuàng)作，而這個目標大致上主要分為兩個部分，也就是自然語言理解和自然語言生成，其中現(xiàn)階段的主要自然語言生成的運用，自然語言生成主要有兩種不同的方式，分別為基于規(guī)則和基于統(tǒng)計，基于規(guī)則是指首先了解詞性及語法等規(guī)則，再依據(jù)這樣的規(guī)則寫出文章；而基于統(tǒng)計的本質(zhì)是根據(jù)先前的字句和統(tǒng)計的結(jié)果，進而判斷下一個字的生成，例如馬爾科夫模型就是一種常用的基于統(tǒng)計的方法。

實戰(zhàn)型項目五、基于Adaboost的百度音樂系統(tǒng)文件分類系統(tǒng)

音樂推薦系統(tǒng)就是利用音樂網(wǎng)站上的音樂信息，向用戶提供音樂信息或者建議，幫助用戶決定應(yīng)該聽什么歌曲。而個人化推薦則是基于音樂信息及用戶的興趣特征、聽歌歷史行為，向用戶推薦用戶可能會感興趣的音樂或者歌手。推薦算法主要分為以下幾種：基于內(nèi)容的推薦、協(xié)同過濾推薦、基于關(guān)聯(lián)規(guī)則推薦、基于效用推薦、基于知識推薦等；推薦系統(tǒng)常用于各個互聯(lián)網(wǎng)行業(yè)中，比如音樂、電商、旅游、金融等。

實戰(zhàn)型項目六、基于貝葉斯、CNN的郵件情感分析過濾系統(tǒng)

郵件主要可以分為有效郵件和垃圾郵件兩大類，有效郵件指的郵件接收者有意義的郵件，而垃圾郵件轉(zhuǎn)指那些沒有任何意義的郵件，其內(nèi)容主要包含賺錢信息、成人廣告、商業(yè)或者個人網(wǎng)站廣告、電子雜志等，其中垃圾郵件又可以發(fā)為良性垃圾郵件和惡性垃圾郵件，良性垃圾郵件指的就是對收件人影響不大的信息郵件，而惡性垃圾郵件指具有破壞性的電子郵件，比如包含病毒、木馬等惡意程序的郵件。垃圾郵件過濾主要使用使用機器學(xué)習(xí)、深度學(xué)習(xí)等相關(guān)算法，比如貝葉斯算法、CNN等，識別出所接收到的郵件中那些是垃圾郵件。

實戰(zhàn)型項目七、基于生物學(xué)神經(jīng)網(wǎng)絡(luò)實現(xiàn)手工數(shù)字識別

人認知世界的開始就是從認識數(shù)字開始的，深度學(xué)習(xí)也一樣，數(shù)字識別是深度學(xué)習(xí)的一個很好的切入口，是一個非常經(jīng)典的原型問題，通過對手寫數(shù)字識別功能的實現(xiàn)，可以幫助我們后續(xù)對神經(jīng)網(wǎng)絡(luò)的理解和應(yīng)用。選取手寫數(shù)字識別的主要原因是手寫數(shù)字具有一定的挑戰(zhàn)性，要求對編程能力及神經(jīng)網(wǎng)絡(luò)思維能力有一定的要求，但同時手寫數(shù)字問題的復(fù)雜度不高，不需要大量的運算，而且手寫數(shù)字也可以作為其它技術(shù)的一個基礎(chǔ)，所以以手寫數(shù)字識別為基礎(chǔ)，貫穿始終，從而理解深度學(xué)習(xí)相關(guān)的應(yīng)用知識。

實戰(zhàn)型項目八、基于logistic回歸實現(xiàn)癌癥篩選檢測

技術(shù)可以改變癌癥患者的命運嗎，對于患有乳腺癌患者來說，復(fù)發(fā)還是痊愈影響這患者的生命，那么怎么來預(yù)測患者的患病結(jié)果呢，機器學(xué)習(xí)算法可以幫助我們解決這一難題，本項目應(yīng)用機器學(xué)習(xí)logistic回歸模型，來預(yù)測乳腺癌患者復(fù)發(fā)還是正常，有效的預(yù)測出醫(yī)學(xué)難題。

實戰(zhàn)型項目九、基于回歸分析實現(xiàn)葡萄酒質(zhì)量檢測系統(tǒng)

隨著信息科技的快速發(fā)展,計算機中的經(jīng)典算法在葡萄酒產(chǎn)業(yè)中得到了廣泛的研究與應(yīng)用。其中機器學(xué)習(xí)算法的特點是運用了人工智能技術(shù),在大量的樣本集訓(xùn)練和學(xué)習(xí)后可以自動地找出運算所需要的參數(shù)和模型。

實戰(zhàn)型項目十、基于協(xié)同推薦實現(xiàn)淘寶網(wǎng)購物籃分析推薦系統(tǒng)

購物籃分析(Market Basket Analysis)即非常有名的啤酒尿布故事的一個反應(yīng)，是通過對購物籃中的商品信息進行分析研究，得出顧客的購買行為，主要目的是找出什么樣的物品會經(jīng)常出現(xiàn)在一起，也就是那些商品之間是有很大的關(guān)聯(lián)性的。通過購物籃分析挖掘出來的信息可以用于指導(dǎo)交叉銷售、追加銷售、商品促銷、顧客忠誠度管理、庫存管理和折扣計劃等業(yè)務(wù)；購物籃分析的常用應(yīng)用場景是電商行業(yè)，但除此之外，該算法還被應(yīng)用于信用卡商城、電信與金融服務(wù)業(yè)、保險業(yè)以及醫(yī)療行業(yè)等。

實戰(zhàn)型項目十一、基于Python純源碼手工實現(xiàn)梯度下降回歸算法

梯度下降法（英語：Gradient descent）是一個一階優(yōu)化算法，通常也稱為速下降法。 要使用梯度下降法找到一個函數(shù)的局部極小值，必須向函數(shù)上當前點對應(yīng)梯度（或者是近似梯度）的反方向的規(guī)定步長距離點進行迭代搜索。如果相反地向梯度正方向迭代進行搜索，則會接近函數(shù)的局部極大值點；這個過程則被稱為梯度上升法。

實戰(zhàn)型項目十二、基于TensorFlow實現(xiàn)回歸算法

回歸算法是業(yè)界比較常用的一種機器學(xué)習(xí)算法，通過應(yīng)用于各種不同的業(yè)務(wù)場景，是一種成熟而穩(wěn)定的算法種類；TensorFlow是一種常用于深度學(xué)習(xí)相關(guān)領(lǐng)域的算法工具；隨著深度學(xué)習(xí)熱度的高漲，TensorFlow的使用也會越來越多，從而使用TensorFlow來實現(xiàn)一個不存在的算法，會加深對TensorFlow的理解和使用；基于TensorFlow的回歸算法的實現(xiàn)有助于后續(xù)的TensorFlow框架的理解和應(yīng)用，并可以促進深度學(xué)習(xí)相關(guān)知識的掌握。

實戰(zhàn)型項目十三、基于ssd和yolo實現(xiàn)行人檢測

行人檢測是利用圖像處理技術(shù)和深度學(xué)習(xí)技術(shù)對圖像或者視頻序列中是否存在行人并給予精確定位。學(xué)習(xí)完行人檢測技術(shù)后，對類似的工業(yè)缺陷檢測，外觀檢測和醫(yī)療影像檢測等目標檢測范疇類的項目可以一通百通。該技術(shù)可與行人跟蹤，行人重識別等技術(shù)結(jié)合，應(yīng)用于人工智能系統(tǒng)、車輛輔助駕駛系統(tǒng)、智能機器人、智能視頻監(jiān)控、人體行為分析、智能交通等領(lǐng)域。由于行人兼具剛性和柔性物體的特性 ，外觀易受穿著、尺度、遮擋、姿態(tài)和視角等影響，使得行人檢測成為計算機視覺領(lǐng)域中一個既具有研究價值同時又極具挑戰(zhàn)性的熱門課題。

實戰(zhàn)型項目十四、基于PySpark大數(shù)據(jù)機器學(xué)習(xí)框架

Spark由AMPLab實驗室開發(fā)，其本質(zhì)是基于內(nèi)存的快速迭代框架，“迭代”是機器學(xué)習(xí)大的特點，因此非常適合做機器學(xué)習(xí)。得益于在數(shù)據(jù)科學(xué)中強大的表現(xiàn)，Python是一種解釋型、面向?qū)ο蟆討B(tài)數(shù)據(jù)類型的高級程序設(shè)計語言，結(jié)合強大的分布式內(nèi)存計算框架Spark，兩個領(lǐng)域的強者走到一起，自然能碰出更加強大的火花（Spark可以翻譯為火花）。

Spark的Python API幾乎覆蓋了所有Scala API所能提供的功能，只有極少數(shù)的一些特性和個別的API方法，暫時還不支持。但通常不影響我們使用Spark Python進行編程。

實戰(zhàn)型項目十五、基于Python源碼實現(xiàn)LSTM神經(jīng)網(wǎng)絡(luò)

LSTM（Long Short-Term Memory）是長短期記憶網(wǎng)絡(luò)，是一種時間遞歸神經(jīng)網(wǎng)絡(luò)，適合于處理和預(yù)測時間序列中間隔和延遲相對較長的重要事件。 LSTM 已經(jīng)在科技領(lǐng)域有了多種應(yīng)用?；?LSTM 的系統(tǒng)可以學(xué)習(xí)翻譯語言、控制機器人、圖像分析、文檔摘要、語音識別圖像識別、手寫識別、控制聊天機器人、預(yù)測疾病、點擊率和股票、合成音樂等等任務(wù)。

階段九、人工智能篇之企業(yè)項目實戰(zhàn)（選修）

通過python數(shù)據(jù)科學(xué)庫numpy,pandas,matplot結(jié)合機器學(xué)習(xí)scikit-learn完成一些列的機器學(xué)習(xí)案例。算法課程注重于原理推導(dǎo)與流程解釋，結(jié)合實例通俗講解復(fù)雜的機器學(xué)習(xí)算法，并以實戰(zhàn)為主。

課程十六、基于Python數(shù)據(jù)分析與機器學(xué)習(xí)案例實戰(zhàn)教程

通過python數(shù)據(jù)科學(xué)庫numpy,pandas,matplot結(jié)合機器學(xué)習(xí)庫scikit-learn完成一些列的機器學(xué)習(xí)案例。算法課程注重于原理推導(dǎo)與流程解釋，結(jié)合實例通俗講解復(fù)雜的機器學(xué)習(xí)算法，并以實戰(zhàn)為主，所有課時都結(jié)合代碼演示。算法與項目相結(jié)合，選擇經(jīng)典kaggle項目，從數(shù)據(jù)預(yù)處理開始一步步代碼實戰(zhàn)帶大家快速入門機器學(xué)習(xí)。旨在幫助同學(xué)們快速上手如何使用python庫來完整機器學(xué)習(xí)案例。選擇經(jīng)典案例基于真實數(shù)據(jù)集，從數(shù)據(jù)預(yù)處理開始到建立機器學(xué)習(xí)模型以及效果評估，完整的講解如何使用python及其常用庫進行數(shù)據(jù)的分析和模型的建立。對于每一個面對的挑戰(zhàn)，分析解決問題思路以及如何構(gòu)造合適的模型并且給出合適評估方法。在每一個案例中，同學(xué)們可以快速掌握如何使用pandas進行數(shù)據(jù)的預(yù)處理和分析，使用matplotlib進行可視化的展示以及基于scikit-learn庫的機器學(xué)習(xí)模型的建立。

課程十七、AI法律咨詢大數(shù)據(jù)分析與服務(wù)智能推薦項目

本項目主要研究法律資訊網(wǎng)站，依據(jù)海量數(shù)據(jù)，研究用戶興趣偏好，分析用戶的需求和行為，發(fā)現(xiàn)用戶興趣點，從而引導(dǎo)用戶發(fā)現(xiàn)自己的信息需求，準確推薦給所需用戶。

項目的業(yè)務(wù)系統(tǒng)底層主要采用JAVA架構(gòu)，大數(shù)據(jù)分析主要采用Hadoop框架，其中包括Kettle實現(xiàn)ETL、SQOOP、Hive、Kibana、HBASE、Spark以及人工智能算法等框架技術(shù)。

課程十八、電商大數(shù)據(jù)情感分析與AI推薦實戰(zhàn)項目

本項目從開發(fā)的角度以大數(shù)據(jù)、PHP技術(shù)棧為基礎(chǔ)，使用真實商用表構(gòu)和脫敏數(shù)據(jù)，分三步構(gòu)建商用系統(tǒng)、真實大數(shù)據(jù)環(huán)境、進行推斷分析以及呈現(xiàn)結(jié)果。 項目課程的完整性、商業(yè)性，可以使學(xué)者盡可能完整地體會真實的商業(yè)需求和業(yè)務(wù)邏輯。

完整的項目過程，以大數(shù)據(jù)為導(dǎo)向，使PHP技術(shù)棧的同學(xué)得以窺見和學(xué)到一個完整商業(yè)大數(shù)據(jù)平臺項目的搭建方法。及數(shù)據(jù)挖掘和AI技術(shù)在數(shù)據(jù)工作中的實戰(zhàn)應(yīng)用。

課程十九、AI大數(shù)據(jù)互聯(lián)網(wǎng)電影智能推薦

本課程主要講解針對用戶進行智能推薦電影，依據(jù)海量數(shù)據(jù)，研究用戶興趣偏好，分析用戶的需求和行為，發(fā)現(xiàn)用戶興趣點，從而引導(dǎo)用戶發(fā)現(xiàn)自己的信息需求，準確推薦給所需用戶。

項目的業(yè)務(wù)系統(tǒng)底層主要采用Python架構(gòu)，大數(shù)據(jù)分析主要采用Hadoop框架，其中包括Kettle實現(xiàn)ElasticSearch、ETL、SQOOP、Hive、Flume、Kibana、HBASE、Spark以及人工智能算法等框架技術(shù)

課程二十、AI大數(shù)據(jù)基站定位智能推薦商圈分析項目實戰(zhàn)

隨著當今個人手機終端的普及、出行人群中手機擁有率和使用率已達到相當高的比例，根據(jù)手機信號在真實地理空間的覆蓋情況，將手機用戶時間序列的手機定位數(shù)據(jù)，映射至現(xiàn)實地理位置空間位置，即可完整、客觀地還原出手機用戶的現(xiàn)實活動軌跡，從而挖掘出人口空間分布與活動聯(lián)系特征信息。

商圈是現(xiàn)代市場中企業(yè)市場活動的空間，同時也是商品和服務(wù)享用者的區(qū)域。商圈劃分為目的之一是研究潛在顧客分布，以制定適宜的商業(yè)對策。 本項目以實戰(zhàn)為基礎(chǔ)結(jié)合大數(shù)據(jù)技術(shù)Hadoop、.Net技術(shù)全棧為基礎(chǔ)，采用真實商業(yè)數(shù)據(jù)，分不同環(huán)節(jié)構(gòu)建商用系統(tǒng)、真實大數(shù)據(jù)環(huán)境、進行推斷分析及呈現(xiàn)數(shù)據(jù)。

階段十、架構(gòu)實戰(zhàn)篇（選修）

網(wǎng)的提供項目全部來自一線開發(fā)中，項目代碼量大，為了讓學(xué)員盡快適應(yīng)到企業(yè)中的開發(fā)項目，網(wǎng)提供大量的精品項目案例，其中包括電商項目，教育管理系統(tǒng)，仿百度搜索引擎等。學(xué)員可以根據(jù)自己的學(xué)習(xí)情況和工作背景來選擇項目。

實戰(zhàn)型項目一、大數(shù)Python金融應(yīng)用編程

本教程介紹使用Python進行數(shù)據(jù)分析和金融應(yīng)用開發(fā)的基礎(chǔ)知識。課程從介紹簡單的金融應(yīng)用開始，帶領(lǐng)學(xué)員回顧Python的基礎(chǔ)知識，并逐步學(xué)習(xí)如何將Python應(yīng)用到金融分析編程。使學(xué)員在實戰(zhàn)的環(huán)境下理解Python在金融應(yīng)用開發(fā)中的具體應(yīng)用方式，訓(xùn)練學(xué)員獨立開發(fā)Python模塊的能力。

實戰(zhàn)型項目二、Python實戰(zhàn)開發(fā)之Flask Web框架在商城項目中的應(yīng)用

本課程采用講解與實例相結(jié)合的方式，不僅介紹了Flask安裝、使用等基礎(chǔ)知識，還講解了模板引擎Jinja、Sqlalchemy 存儲引擎、WTF 表單等，即使從未接觸Flask，你也能會構(gòu)建完整的Web應(yīng)用。

實戰(zhàn)型項目三、基于Python機器學(xué)習(xí)、項目案例實戰(zhàn)

本課程主要通過python庫numpy,pandas,matplot結(jié)合機器學(xué)習(xí)庫完成一些機器學(xué)習(xí)案例。旨在幫助同學(xué)們快速上手如何使用python庫來完整機器學(xué)習(xí)。選擇經(jīng)典案例基于真實數(shù)據(jù)集，從數(shù)據(jù)預(yù)處理開始到建立機器學(xué)習(xí)模型以及效果評估，完整的講解機器學(xué)習(xí)案例。

實戰(zhàn)型項目四、零基礎(chǔ)實戰(zhàn)機器學(xué)習(xí)

本教程系統(tǒng)的介紹了機器學(xué)習(xí)的目的和方法。并且針對每一種常用的方法進行了詳細的解析，用實例來說明具體的實現(xiàn)，學(xué)生可以跟著一步步完成。在面對現(xiàn)實的問題的時候，可以找到非?？煽康膮⒄?。本課程在最開始講解了Python語言的基礎(chǔ)知識，以保證后面的課程中可以順利進行。更多的Python語言的知識，需要學(xué)員自己去找更多的資料進行學(xué)習(xí)。

本課程主要講述了兩大類機器學(xué)習(xí)的方法：有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)，其中有監(jiān)督學(xué)習(xí)里面，又分為分類和預(yù)測數(shù)值型數(shù)據(jù)。這些算法都是基礎(chǔ)的算法。這樣可以降低學(xué)習(xí)的難度，容易理解機器學(xué)習(xí)思路和實現(xiàn)的過程。

實戰(zhàn)型項目五、Bootstrap、Angular Js修煉之道

教程由淺入深，一步一步學(xué)習(xí)Spring Boot，最后學(xué)到的不單單是基礎(chǔ)！ 使用Spring Boot 進行Web 開發(fā)、數(shù)據(jù)訪問、安全控制、批處理、異步消息、系統(tǒng)集成、開發(fā)與部署、應(yīng)用監(jiān)控、分布式系統(tǒng)開發(fā)等，該課程讓你能夠快速搭建企業(yè)級應(yīng)用的框架，該課程將會以spring mvc開始學(xué)習(xí)，從而引入spring boot，創(chuàng)建獨立的Spring項目，內(nèi)置Tomcat和Jetty容器提供一個starter POMs來簡化Maven配置，同時提供了一系列大型項目中常見的非功能性特性，如安全、指標，健康檢測、外部配置等完全沒有代碼生成和xml配置文件。

實戰(zhàn)型項目七、Python實戰(zhàn)開發(fā)之Pyramid Web框架在商城項目中的應(yīng)用

本課程為Pyramid Web開發(fā)入門課程，主要講解了Python語言基礎(chǔ)，Pyramid框架入門和常見的項目開發(fā)方法。本課程以項目為導(dǎo)向，結(jié)合基礎(chǔ)知識的講解，允許沒有相關(guān)基礎(chǔ)的學(xué)員迅速入門。同時，有鑒于本課程以項目開發(fā)為導(dǎo)向，故可以讓學(xué)員融入實際開發(fā)過程中，盡快積累經(jīng)驗。

實戰(zhàn)型項目八、深入MongoDB高級開發(fā)管理+信息數(shù)據(jù)監(jiān)控Snmp服務(wù)器、數(shù)據(jù)庫數(shù)據(jù)采集

本課程由淺入深，全面、系統(tǒng)地介紹了MongoDB基礎(chǔ)、應(yīng)用、管理、性能優(yōu)化、數(shù)據(jù)庫的架構(gòu)，環(huán)境搭建實例，編程實例等內(nèi)容。課程中的每一章都提供了大量的 實例代碼，以方便學(xué)者進行練習(xí)和學(xué)習(xí)。每個例程都經(jīng)過精挑細選，具有很強的針對性，適合各個階段的讀者的學(xué)習(xí)。

實戰(zhàn)型項目九、NoSQL之Redis高性能的key-value數(shù)據(jù)庫深入淺出

1）redis介紹和基本使用，安裝redis，安裝php-redis

2）redis數(shù)據(jù)類型string，Web Session緩存

3）使用redis進行數(shù)據(jù)庫緩存，redis數(shù)據(jù)類型list

4）redis的數(shù)據(jù)持久機制及訂閱/發(fā)布模型

5）redis數(shù)據(jù)類型set/sorted set，使用redis實現(xiàn)auto complete

6）基于訪問頻率的auto complete，redis的內(nèi)存分配方法

7）redis數(shù)據(jù)類型hash，redis數(shù)據(jù)類型的內(nèi)存模型（1）

8）redis數(shù)據(jù)類型的內(nèi)存模型（2），與key相關(guān)的操作方法

9）如何分布式的使用redis，transaction和server相關(guān)的操作，redis接口協(xié)議

10）使用redis實現(xiàn)一個簡單的微博系統(tǒng)

實戰(zhàn)型項目十、實戰(zhàn)Mysql數(shù)據(jù)庫應(yīng)用開發(fā)(安全、存儲過程、觸發(fā)器、集群配置配項目實戰(zhàn))

通過本課程的學(xué)習(xí)，用戶可在*短的時間內(nèi)掌握MySQL的安裝配置與使用、MySQL DML特性的高級用法、MySQL常見內(nèi)置函數(shù)的高級用法、MySQL中存儲過程寫法、視圖、用戶自定義函數(shù)、觸發(fā)器等高級用法、MySQL中的事務(wù)功能。并了解圖形化管理工具的使用、字符集及亂碼處理、MySQL的數(shù)據(jù)備份與還原技術(shù)、MySQL的安全技術(shù)、MySQL的系統(tǒng)管理、MySQL集群的配置。

階段十一、區(qū)塊鏈（選修）

區(qū)塊鏈(Blockchain)是分布式數(shù)據(jù)存儲、點對點傳輸、共識機制、加密算法等計算機技術(shù)的新型應(yīng)用模式。所謂共識機制是區(qū)塊鏈系統(tǒng)中實現(xiàn)不同節(jié)點間建立信任、學(xué)算法

區(qū)塊鏈是比特幣的底層技術(shù)，像一個數(shù)據(jù)庫賬本，記載所有的交易記錄。這項技術(shù)也因其安全、便捷的特性逐漸得到了銀行與金融業(yè)的關(guān)注。

一、課程介紹

1）區(qū)塊鏈的發(fā)展

2）課程安排

3）學(xué)習(xí)目標

二、區(qū)塊鏈的技術(shù)架構(gòu)

1）數(shù)據(jù)層 創(chuàng)世區(qū)塊 交易記錄 私鑰，公鑰和錢包地址

2）數(shù)據(jù)層 & 通訊層 記賬原理 Merkle 樹和簡單支付驗證（SPV） P2P通訊 數(shù)據(jù)通信和驗證

3）共識層

4）激勵層 拜占庭將軍問題與POW Pos DPos PBFT 挖礦 交易費 圖靈完備和非完備

5）合約層 比特幣腳本 以太坊智能合約 fabic智能合約 RPC遠程調(diào)用

6）應(yīng)用層

7）總結(jié) 接口調(diào)用 DAPP的使用 應(yīng)用場景的部署 重要概念和原理

三、環(huán)境搭建

1）以太坊 以太坊介紹 以太坊開發(fā)過程 圖形界面客戶端使用 供應(yīng)鏈的應(yīng)用 保險領(lǐng)域的應(yīng)用 DAO的介紹和應(yīng)用

2）以太坊 以太坊本地開發(fā)環(huán)境的搭建 以太坊分布式集群環(huán)境的搭建

3）hyperledger項目fabric介 fabric介紹 fabric本地開發(fā)環(huán)境搭建 fabric分布式集群環(huán)境搭建

四、案例和DEMO

1）案例講解 支付和清結(jié)算 公益行業(yè)的應(yīng)用 供應(yīng)鏈的應(yīng)用 保險領(lǐng)域的應(yīng)用 DAO的介紹和應(yīng)用

2）Demo介紹 發(fā)幣和交易Demo3）Demo介紹 數(shù)據(jù)資產(chǎn)的確權(quán)和追溯

階段十二、用人工智能預(yù)測金融量化交易投資系列課程

程序化交易：又稱程式交易,發(fā)源于上世紀80年代的美國,其初的定義是指在紐約股票交易所(NYSE)市場上同時買賣超過15只以上的股票組合；像高盛、摩根士丹利及德意志銀行都是在各大交易市場程序化交易的活躍參與會員。

本課程主要面向意愿從事金融量化交易人員、金融行業(yè)從業(yè)人員、金融策略開發(fā)人員及投資經(jīng)驗豐富而想實現(xiàn)計算機自動下單人員；主要講解了證券期貨程序化實現(xiàn)原理及過程，通過本課程的學(xué)習(xí)，您可以根據(jù)自己的意愿打造屬于自己的量化投資交易系統(tǒng)； 本課程主要用到的技術(shù)手段有：Python、Pandas、數(shù)據(jù)分析、數(shù)據(jù)挖掘機器學(xué)習(xí)等。

一、程序化交易數(shù)據(jù)獲取與清洗講解

1）數(shù)據(jù)的清洗與合成

2）K線圖繪制

3）技術(shù)指標開發(fā)講解

4）數(shù)據(jù)的獲取

二、回測框架搭建講解

1）回測框架搭建背景及基本流程講解

2）回測框架實現(xiàn)及收益指標講解

三、程序化交易部分實現(xiàn)講解

1）CTP技術(shù)講解

2）程序化API講解

3）程序化交易具體實現(xiàn)講解

階段十三、阿里云認證

課程二十一、云計算 - 網(wǎng)站建設(shè)：部署與發(fā)布

阿里云網(wǎng)站建設(shè)認證課程教你如何掌握將一個本地已經(jīng)設(shè)計好的靜態(tài)網(wǎng)站發(fā)布到Internet公共互聯(lián)網(wǎng)，綁定域名，完成工信部的ICP備案。

課程二十二、云計算 - 網(wǎng)站建設(shè)：簡單動態(tài)網(wǎng)站搭建

阿里云簡單動態(tài)網(wǎng)站搭建課程教你掌握如何快速搭建一個WordPress動態(tài)網(wǎng)站，并會對網(wǎng)站進行個性化定制，以滿足不同的場景需求。

課程二十三、云計算 - 云服務(wù)器管理維護

阿里云服務(wù)器運維管理課程教你掌握快速開通一臺云服務(wù)器，并通過管理控制臺方便地進行服務(wù)器的管理、服務(wù)器配置的變更和升級、數(shù)據(jù)的備份，并保證其可以正常運轉(zhuǎn)并按業(yè)務(wù)需求隨時進行配置的變更。

課程二十四、云計算 - 云數(shù)據(jù)庫管理與數(shù)據(jù)遷移

阿里云云數(shù)據(jù)庫管理與數(shù)據(jù)遷移認證課程掌握云數(shù)據(jù)庫的概念，如何在云端創(chuàng)建數(shù)據(jù)庫、將自建數(shù)據(jù)庫遷移至云數(shù)據(jù)庫MySQL版、數(shù)據(jù)導(dǎo)入導(dǎo)出，以及云數(shù)據(jù)庫運維的常用操作。

課程二十五、云計算 - 云存儲：對象存儲管理與安全

阿里云云儲存認證課程教你掌握安全、高可靠的云存儲的使用，以及在云端存儲下載文件，處理圖片，以及如何保護數(shù)據(jù)的安全。

課程二十六、云計算 - 超大流量網(wǎng)站的負載均衡

掌握如何為網(wǎng)站實現(xiàn)負載均衡，以輕松應(yīng)對超大流量和高負載。

課程二十七、大數(shù)據(jù) - MOOC網(wǎng)站日志分析

本課程可以幫助學(xué)員掌握如何收集用戶訪問日志，如何對訪問日志進行分析，如何利用大數(shù)據(jù)計算服務(wù)對數(shù)據(jù)進行處理，如何以圖表化的形式展示分析后的數(shù)據(jù)。

課程二十八、大數(shù)據(jù) - 搭建企業(yè)級數(shù)據(jù)分析平臺

模擬電商場景，搭建企業(yè)級的數(shù)據(jù)分析平臺，用來分析商品數(shù)據(jù)、銷售數(shù)據(jù)以及用戶行為等。

課程二十九、大數(shù)據(jù) - 基于LBS的熱點店鋪搜索

本課程可以幫助學(xué)員掌握如何在分布式計算框架下開發(fā)一個類似于手機地圖查找周邊熱點（POI）的功能，掌握GeoHash編碼原理，以及在地理位置中的應(yīng)用，并能將其應(yīng)用在其他基于LBS的定位場景中。

課程中完整的演示了整個開發(fā)步驟，學(xué)員在學(xué)完此課程之后，掌握其原理，可以在各種分布式計算框架下完成此功能的開發(fā)，比如MapReduce、Spark。

課程三十、大數(shù)據(jù) - 基于機器學(xué)習(xí)PAI實現(xiàn)精細化營銷

本課程通過一個簡單案例了解、掌握企業(yè)營銷中常見的、也是必需的精準營銷數(shù)據(jù)處理過程，了解機器學(xué)習(xí)PAI的具體應(yīng)用，指導(dǎo)學(xué)員掌握大數(shù)據(jù)時代營銷的利器---通過機器學(xué)習(xí)實現(xiàn)營銷。

課程三十一、大數(shù)據(jù) - 基于機器學(xué)習(xí)的客戶流失預(yù)警分析

本課程講解了客戶流失的分析方法、流程，同時詳細介紹了機器學(xué)習(xí)中常用的分類算法、集成學(xué)習(xí)模型等通用技能，并使用阿里云機器學(xué)習(xí)PAI實現(xiàn)流失預(yù)警分析。可以幫助企業(yè)快速、準確識別流失客戶，輔助制定策略進行客戶關(guān)懷，達到挽留客戶的目的。

課程三十二、大數(shù)據(jù) - 使用DataV制作實時銷售數(shù)據(jù)可視化大屏

幫助非專業(yè)工程師通過圖形化的界面輕松搭建專業(yè)水準的實時可視化數(shù)據(jù)大屏，以滿足業(yè)務(wù)展示、業(yè)務(wù)監(jiān)控、風(fēng)險預(yù)警等多種業(yè)務(wù)的展示需求。

課程三十三、大數(shù)據(jù) - 使用MaxCompute進行數(shù)據(jù)質(zhì)量核查

通過本案例，學(xué)員可了解影響數(shù)據(jù)質(zhì)量的因素，出現(xiàn)數(shù)據(jù)質(zhì)量問題的類型，掌握通過MaxCompute（DateIDE）設(shè)計數(shù)據(jù)質(zhì)量監(jiān)控的方法，最終獨立解決常見的數(shù)據(jù)質(zhì)量監(jiān)控需求。

課程三十四、大數(shù)據(jù) - 使用Quick BI制作圖形化報表

阿里云Quick BI制作圖形化報表認證課程教你掌握將電商運營過程中的數(shù)據(jù)進行圖表化展現(xiàn)，掌握通過Quick BI將數(shù)據(jù)制作成各種圖形化報表的方法，同時還將掌握搭建企業(yè)級報表門戶的方法。

課程三十五、大數(shù)據(jù) - 使用時間序列分解模型預(yù)測商品銷量

使用時間序列分解模型預(yù)測商品銷量教你掌握商品銷量預(yù)測方法、時間序列分解以及熟悉相關(guān)產(chǎn)品的操作演示和項目介紹。

課程三十六、云安全 - 云平臺使用安全

阿里云云平臺使用安全認證課程教你了解由傳統(tǒng)IT到云計算架構(gòu)的變遷過程、當前信息安全的現(xiàn)狀和形勢，以及在云計算時代不同系統(tǒng)架構(gòu)中應(yīng)該從哪些方面利用云平臺的優(yōu)勢使用安全風(fēng)險快速降低90%。

課程三十七、云安全 - 云上服務(wù)器安全

阿里云云上服務(wù)器安全認證課程教你了解在互聯(lián)網(wǎng)上提供計算功能的服務(wù)器主要面臨哪些安全風(fēng)險，并針對這些風(fēng)險提供了切實可行的、免費的防護方案。

課程三十八、云安全 - 云上網(wǎng)絡(luò)安全

了解網(wǎng)絡(luò)安全的原理和解決辦法，以及應(yīng)對DDoS攻擊的方法和防護措施，確保云上網(wǎng)絡(luò)的安全。

課程三十九、云安全 - 云上數(shù)據(jù)安全

了解云上數(shù)據(jù)的安全隱患，掌握數(shù)據(jù)備份、數(shù)據(jù)加密、數(shù)據(jù)傳輸安全的解決方法。

課程四十、云安全 - 云上應(yīng)用安全 了解云上的安全監(jiān)控方法，學(xué)會使用監(jiān)控大屏來監(jiān)控安全風(fēng)險，并能夠自定義報警規(guī)則，確保隨時掌握云上應(yīng)用的安全情況。 階段十四、IT高級開發(fā)者職場生命規(guī)則 — 職業(yè)素養(yǎng)

了解常見的應(yīng)用安全風(fēng)險，SQL注入原理及防護，網(wǎng)站防篡改的解決方案等，確保云上應(yīng)用的安全。

課程四十一、云安全 - 云上安全管理

了解云上的安全監(jiān)控方法，學(xué)會使用監(jiān)控大屏來監(jiān)控安全風(fēng)險，并能夠自定義報警規(guī)則，確保隨時掌握云上應(yīng)用的安全情況。

階段十四、IT高級開發(fā)者職場生命規(guī)則 — 職業(yè)素養(yǎng)

本課程主要為廣大畢業(yè)生或者工作經(jīng)驗較少的學(xué)員而設(shè)立，主要是為了在職業(yè)素養(yǎng)方面給大家提供輔導(dǎo)，為更加順利走向職場而提供幫助。

為什么有些同學(xué)在技能方面過關(guān)，卻還是給予別人一種書生氣的感覺？

為什么簡歷已經(jīng)通過了，卻還是沒有通過HR的面試？

為什么入職后，與同事的溝通總是存在問題?

為什么每天的時間都不夠用，無法兼顧生活學(xué)習(xí)和工作?

為什么學(xué)習(xí)一段時間后，對工作對職場沒有方向感?

為什么遇到事情，別人總是能夠保持良好心態(tài)游刃有余，而我總是問題百出？ COT課程正是引領(lǐng)大家一起來探索其中的奧秘和方法，讓大家一起在學(xué)習(xí)過程中不斷深思和進步，讓大家的職場路越走越順暢。

1）團隊協(xié)作

2）心態(tài)管理

3）目標管理

4）時間管理

5）學(xué)習(xí)管理

6）溝通能力

7）項目管理