上海10月Python大数据技术核心编程
汉语
一、培训简介课程学习目标1.每个算法模块按照“原理讲解→分析数据→自己动手实现→特征与调参”的顺序。2.“Python数据清洗和特征提取”，提升学习深度、降低学习坡度。3.增加网络爬虫的原理和编写，从获取数据开始，重视将实践问题转换成实际模型的能力，分享工作中的实际案例或Kaggle案例：广告销量分析、环境数据异常检测和分析、数字图像手写体识别、Titanic乘客存活率预测、用户-电影推荐、真实新闻组数据主题分析、中文分词、股票数据特征分析等。4.强化矩阵运算、概率论、数理统计的知识运用，掌握机器学习根本。5.阐述机器学习原理，提供配套源码和数据。6.以直观解释，增强感性理解。7.对比不同的特征选择带来的预测效果差异。8.重视项目实践，重视落地。思考不同算法之间的区别和联系，提高在实际工作中选择算法的能力。9.涉及和讲解的部分Python库有：Numpy、Scipy、matplotlib、Pandas、scikit-learn、XGBoost、libSVM、LDA、Gensim、NLTK、HMMLearn。课程目标本课程特点是从数学层面推导最经典的机器学习算法，以及每种算法的示例和代码实现（Python）、如何做算法的参数调试、以实际应用案例分析各种算法的选择等。二、时间地点
上海10/24-10/2723日报到
有疑问可咨询：13643136553或邮件13932327338@163.com中科图云小助手微信：TuyunAssistant更多资讯可关注：服务号：中科图云AICloud订阅号：中科图云三、培训对象大数据分析应用开发工程师、大数据分析项目的规划咨询管理人员、大数据分析项目的IT项目高管人员、大数据分析与挖掘处理算法应用工程师、大数据分析集群运维工程师、大数据分析项目的售前和售后技术支持服务人员四、培训内容课程模块课程主题主要内容及案例和演示模块一机器学习的数学基础1-数学分析1.机器学习的一般方法和横向比较2.数学是有用的：以SVD为例3.机器学习的角度看数学4.复习数学分析5.直观解释常数e6.导数/梯度7.随机梯度下降8.Taylor展式的落地应用9.gini系数10.凸函数11.Jensen不等式12.组合数与信息熵的关系模块二机器学习的数学基础2-概率论与贝叶斯先验1.概率论基础2.古典概型3.贝叶斯公式4.先验分布/后验分布/共轭分布5.常见概率分布6.泊松分布和指数分布的物理意义7.协方差(矩阵)和相关系数8.独立和不相关9.大数定律和中心极限定理的实践意义10.深刻理解最大似然估计MLE和最大后验估计MAP11.过拟合的数学原理与解决方案模块三机器学习的数学基础3-矩阵和线性代数1.线性代数在数学科学中的地位2.马尔科夫模型3.矩阵乘法的直观表达4.状态转移矩阵5.矩阵和向量组6.特征向量的思考和实践计算7.QR分解8.对称阵、正交阵、正定阵9.数据白化及其应用10.向量对向量求导11.标量对向量求导12.标量对矩阵求导工作机制模块四 
