2017年3月5日“人工智能”正式写入2017政府工作报告,崭新的时代来了!Python凭借超高的开发效率与丰富的类库,加码无人驾驶、个人助理、金融、电商、医疗、教育等各大领域。预计2030年人工智能将造就七万亿美元规模的大市场,而Python就是人工智能七万亿市场的未来。





6
大实战
项目一:
手把手教你搭建大数据集群
说明:本地搭建大数据小集群,集群虽小,五脏俱全,学习之本,应用之源
项目二:
构建企业级大数据数据仓库(大数据平台)
说明:每一个大数据企业的心脏,离它越近,薪水越高
项目三:
奥运会CNTV网站流量分析(PB级别数据量)
说明:基于数据仓库之上的洞察网站用户访问行为的系统,互联网公司的决策之源实时分析
项目四:
亿级用户访问日志实时分析系统
说明:在大数据的项目另一个非常重要的方向就是实时分析项目,实时把握用户的行为在。掌握推荐系统就是掌握公司的核心技术。
项目五:
互联网多媒体智能推荐系统(大数据 + AI项目)
说明:在每一个对外提供服务的互联网企业,推荐系统都是其核心所在。 问行为的系统,互联网公司的决策之源实时分析
项目六:
用户画像系统
说明:帮您掌握用户的每一个细节,实现数据驱动利润

人工智能主要致力于计算机视觉,自然语言处理与语音识别三大领域!其基础与核心都是机器学习,当下AI时代各大行业巨头公司都在争相追逐这些热门领域,创业公司更是层出不穷,人工智能工程师的需求量与日俱增,新兴行业伴随着挑战也必然带来更多的回报!

数据挖掘工程师已经成为现阶段绝大多数公司必备职位,数据的重要与潜在的价值使得数据分析与挖掘这个方向成为当下十分热门的行业,越来越多的同学投身其中,然而相应的任职要求也是有门槛的,要求同学们从机器学习开始一步步踏踏实实的步入机器学习的殿堂!

点击了解详情

第一阶段:Linux
学习安排:2周5次作业 此阶段可熟练掌握Linux操作统的安装、配置、相关命令、VIM编辑器、系统管理、服务用和配置,并具有一定的实战能力。对大数据后期课程打下良好基础!
第二阶段:JAVA
学习安排:3周3次作业 此课程主要提高学员的开发能力、对从事大数据开发工作打下坚实的基础,需要掌握java语言的语言特性,及面像对象等 。
第三阶段:Oracle
学习安排:3周3次作业 此阶段完成后能达到大数据平台前端数据库的DBA所需技术,如监控,AWR报告,备份,迁移,热备等技术。同时能具备数据库开发工程师岗位,如复杂sql的编写,存储过程,游标,触发器,分析函数等技术的使用。
第四阶段:Hadoop
1.掌握分布式文件系统,分布式计算框架map reduce的计算与应用,掌握资源管理器yarn. 2.掌握hadoop生态圈产品的 Flume、Sqoop、zookeeper、Hbases分布式数据库等产品Spark 3.掌握实时计算系统Spark,掌握scala编程语言,公司中主流应用。
第五阶段:数据挖掘实战
学习安排:3周1次作业 本进阶是整个系列课程中最为核心也是最重要的模块,建议同学们对于每个算法逐个破,对于难理解的算法部分需要反复观看与研究,争取把机器学习中每个算法都掌握牢固,对于案例部分,需要勤加练习,建议大家边学边做好笔记便于以后复习。
第六阶段:HDFS 分布式文件系统 
学习安排:2周1次作业1. 了解HDFS设计目标、基本概念; 2. 掌握HDFS文件系统的命令操作;  3. 掌握Java对HDFS的程序开发操作,包含目录管理、文件列表、读取、导入导出、文件压缩等开发。
第七阶段:MapReduce 分布式编程
学习安排:5周1次作业 1.了解MapReduce的设计思想、基本概念;2. 了解MapReduce的系统架构、作业运行机制和关键技术;掌握MapReduce的数据类型的自定义以及数据类型的使用;掌握MapReduce开发,定制输入输出的数据格式
第八阶段:HBase 分布式数据库
学习安排:2周1次作业1.了解HBase分布式数据库的设计目标、基本概念; 2. 了解HBase逻辑架构;3.掌握HBase分布式数据库shell命令操作;4.掌握HBase的java开发,包含创建表,删除表,查询表等所以操作。
第九阶段:Scala编程开发
学习安排:5周1次作业 Scala是一种函数式面向对象语言,类似于RUBY和GROOVY语言,它无缝结合了许多前所未有的特性形成一门多范式语言,其中高层并发模型适用于大数据开发。而同时又运行于JAVA虚拟机之上。
选修1:Python数据与统计分析
学习安排:2周1次作业 基于Pyhthon通俗讲解统计分析中核心概念与操作,以真实数据集为例进行数据分析任务实战!
选修2:Python Web框架Flask实战系列
学习安排:2周 Flask实战系列主要包括Flask基础课程,缓存课程以及项目实战,从基础原理到项目实战缺一不可!

  • 1、机器学习案例实战 所有的机器学习算法都配以相应的案例实战内容,结合Notebook更好的进行案例可视化展示,理解机器学习算法的应用与建模流程。
  • 2、经典数据挖掘任务实战 基于真实数据集,对目标任务进行数据分析与机器学习建模,从数据预处理开始到建模评估分析,一步步完成整个数据挖掘任务。
  • 3、深度学习项目实战 结合当下热门AI框架进行计算机视觉与自然语言处理项目实战,从零开始构建数据源与网络模型完成实际任务。
  • 4、爬虫与Python Web框架实战 使用Python网络爬虫,抓取知名网站的各类需求数据,全程实战讲解。使用Flask框架进行实战企业大型网站开发而设计。
点击了解详情

  • 冗长的Python与计算机基础课程

    Python语言本身浅显易懂,我们核心是利用其便捷性来做任务,边用边学是最佳方案! 快速入门,活学活用,第一时间加入机器学习的。

  • 数学不重要嘛?会用就可以啦?

    对于机器学习,其核心在于原理的推导与实际应用。原理的推导是非常重要的,因为我们要面对的并不是日复一日的工作,创新与改革才是我们的核心竞争力。

  • 浅显的课程内容,没有实操案例

    我们的课程设计理念是一个算法一个案例,一定让大家边学边用,这才是理解的最好方式!课程同样会追随热点持续更新,一次学习,终身受益!

机器学习工程师 薪资:15K-30K
必备技能:
  • 1. 掌握经典机器学习算法原理与应用
  • 2. 熟练使用Python
  • 3. 熟练建立机器学习模型,调参与评估
数据挖掘工程师 薪资:15K-30K
必备技能:
  • 1. 熟练掌握数据分析方法与机器学习建模算法
  • 2. 熟练掌握一门分析语言Python或者R
  • 3. 熟悉常用对数据清洗,预处理,特征提取方法
  • 4. 良好的阅读paper能力,快速寻找方案
图像识别工程师 薪资:20K-40K
必备技能:
  • 1. 熟悉神经网络原理
  • 2. 掌握CNN及其变形 体网络
  • 3. 熟练使用一种深度 学习框架Caffe/Tensorflow
  • 4. 有人脸/物体识别方面的项目经验
自然语言处理工程师 薪资:20K-40K
必备技能:
  • 1. 熟悉神经网络原理与NLP相关算法
  • 2. 掌握RNN及其变形体网络
  • 3. 熟练使用Tensorflow或者其他深度学习框架
  • 4. 有搜索、推荐、机器学习等相关背景优先
数据科学家 薪资:30K-60K
必备技能:
  • 1. 有丰富的数据挖掘经验与机器学习建模工作心得
  • 2. 对特征工程与数据清洗分析有丰富的经验
  • 3. 对数据业务整体架构与建模流程提出解决方案
  • 4. 丰富的数据挖掘项目经验,指导团队完成建模任务