AI时代开启,新的科技革命到来
AI时代开启,新的科技革命到来
AI时代开启,新的科技革命到来
到2018年,75%的开发商将会在更多的商业应用或服务中加入人工智能功能 ( 来自IDC ) 到2019年,IDC100%的物联网项目将得到人工智能的支持 ( 来自IDC ) 30%的公司将在2020年前使用人工智能技术来增加至少一个主要销售流程 ( 来自Gartner ) AI算法将会在2018年改变全球数十亿人的行为 ( 来自Gartner ) 人工智能市场价值将在2020年超过400亿美元 ( 来自Constellation Research ) 国务院七月份正式发布《新一代人工智能发展规划》,人工智能正式纳入国家发展战略

掌握人工智能技术,年薪30+万不是梦
AI领域新资分布(腾讯研究院)
AI领域新资分布(腾讯研究院)
AI领域高薪职位(腾讯研究院)
AI领域高薪职位(腾讯研究院)

AI职位数量增长巨大,前景广阔
AI职位数量增长
从2015年到2016年,人工智能招聘岗位的数量翻了一番,投递量增加了近两倍,平均薪酬也有温和增长。 从2016年到2017年,职位数增长了27%,投递量则翻了一倍不止,平均薪酬基本保持不变。

专注于打造全面专业的人工智能工程师
掌握Python基本知识,能熟练运用到项目 Python基础
数据库 掌握数据库的用法,能熟练运用到项目
掌握网络爬虫相关知识点及开发技术,灵活在项目中运用 爬虫开发
进军人工智能 掌握人工智能学习相关的Python包,知道如何开发AI项目
通过项目实战串联所学知识点,深化理解,熟练掌握。 机器学习项目实战
深度学习 掌握神经网络知识,深度学习框架、知道如何在项目中运用
通过项目实战串联所学知识点,深化理解,熟练掌握 深度学习项目实战

理论+代码+实战+实操的独有课程体系
加米谷大数据开发课程体系包括5个板块、10个阶段、200+模块以及4个真实项目实战。

第一阶段 Python基础 学习内容:Python基础 学习目标:基本语法、数据结构、算法及函数、文件系统 ... 等 学习效果:掌握Python基本知识,能熟练运用到项目 Python基础
第二阶段 关系型数据库MySQL 学习内容:关系型数据库MySQL 学习目标:数据库设计、数据库范式及ACID特性、视图及索引 学习效果:掌握关系型数据库MySQL的用法,能熟练运用到项目 关系型数据库MySQL
第三阶段 文档数据库MongoDB 学习内容:文档数据库MongoDB 学习目标:Mongodb初识与部署、基本与高级操作、运维、编程 学习效果:掌握文档数据库MongoDB的用法,能熟练运用到项目 文档数据库MongoDB
第四阶段 内存数据库Redis 学习内容:内存数据库Redis 学习目标:Redis基础、Redis操作、Redis编程 学习效果:掌握内存数据库Redis的用法,能熟练运用到项目 内存数据库Redis
第五阶段 网络爬虫 学习内容:网络爬虫 学习目标:urllib.lib库、requests库、css选择器与Xpath 学习效果:掌握网络爬虫相关知识点及开发技术 网络爬虫
第六阶段 人工智能相关python包 学习内容:人工智能相关python包 学习目标:数据处理包Pandas、Pandas与数据库、绘图与可视化 学习效果:掌握人工智能相关Python包开发AI项目 人工智能相关python包
第七阶段 机器学习算法 学习内容:机器学习算法 学习目标:聚类/回归算法、贝叶斯/最近邻分类、sklearn 学习效果:能根据AI场景选择合适算法进行开发 机器学习算法
第八阶段 机器学习项目实战 学习内容:机器学习项目实战 学习目标:2个机器学习的项目实战 学习效果:通过项目实战串联所学知识点,深化理解,熟练掌握 机器学习项目实战
第九阶段 深度学习 学习内容:深度学习 学习目标:神经网络模型、卷积神经网络、tensorflow、keras 学习效果:掌握相关神经网络知识及深度学习框架 深度学习
第十阶段 深度学习项目实战 学习内容:深度学习项目实战 学习目标:2个深度学习项目实战 学习效果:通过项目实战串联所学知识点,深化理解,熟练掌握 深度学习项目实战

人工智能Python课程明细
从理论到实训代码到云端实操环境到项目实战,手把手教您从0基础掌握人工智能技术,带您走进人工智能时代

第一阶段(python基础)

python入门 1、Python版本特性介绍 2、Python应用场景及趋势发展 3、Python开发环境搭建 4、Python开发工具及运行环境 5、标识符与关键字,注释 6、Python在各系统中的安装 7、应用场景及数据存储设计 8、Python程序开发基础指南 9、如何运行python代码

python基本语法 1、Python选择与循环 2、Python字符串处理 3、可视化python编程 4、数据及类型操作 5、Python对象、数字、序列 6、Python映射和集合类型 7、Python条件和循环 8、Python文件和输入输出 9、python错误和异常

python高级语法 1、函数和函数式编程 2、Python面向对象编程 3、Python正则表达式 4、Python函数编程 5、Python多线程编程 6、Python图形界面编程 7、Python数据库编程创建 8、Python扩展

Python编程开发 1、PYQT实现GUI工具 2、如何运行python代码 3、Python在Linux中的开发 4、GitHub的使用 5、python程序开发 6、Python api使用及二次开发

第二阶段(关系型数据库MySQL)

数据库设计 1、数据库设计及运行管理 2、数据库设计过程讲解 3、概念结构设计与ER图 4、逻辑结构设计与ER转换规则 5、数据流图与数据字典 6、数据库设计物理模型 7、数据库事务与隔离级别

数据库范式及ACID特性 1、数据库的范式的实例 2、数据库设计三大范式应用 3、数据库管理系统事务 4、数据库ACID的四大特性 5、数据库四大特性应用 6、分库分表大数据解决方案 7、分库分表实施与分析

数据库基础 1、数据库概念介绍 2、MySQL安装与登录 3、数据库创建与删除 4、表结构创建/查看 5、字段类型与数据类型 6、字段增加,重命名,删除

视图及索引 1、记录的增加,修改,删除 2、表查询 3、条件查询 4、模糊查询 5、视图创建与操作 6、索引创建与操作

第三阶段(文档数据库MongoDB)

Mongodb初识与部署 1、Mongodb介绍 2、Mongodb应用场景 3、Mongodb快速部署 4、Mongodb配置指南

Mongodb基本操作 1、Mongodb数据库操作 2、Mongodb collection操作 3、Mongodb文档操作

Mongodb高级操作 1、Mongodb存储过程 2、Mongodb聚合管道 3、Mongodb批量写 4、Mongodb MapReduce

Mongodb运维与编程 1、Mongodb数据导入/导出/备份/恢复 2、Mongodb安全 3、Mongodb权限控制 4、Mongodb包引入 5、Mongodb Python API

第四阶段(内存数据库Redis)

Redis精讲 1、REDIS分布式缓存介绍 2、REDIS网络模型与内存管理 3、REDIS的数据一致性问题 4、REDIS支持的KEY类型 5、REDIS水平动态扩展 6、REDIS数据淘汰策略

Redis操作 1、REDIS访问工具 2、REDIS shell api

Redis编程 1、REDIS包引入 2、REDIS Python API

第五阶段(网络爬虫)

urllib.lib库 1、Python urllib认识 2、urllib库的基本操作 3、urllib基本get请求 4、urllib基本post请求 5、代理与API 6、超时配置与会话对象

requests库 1、通过pip安装requests 2、发送请求与传递参数 3、Response对象与文件上传 4、身份验证 5、Cookies与会话对象 6、超时与异常 7、CSS选择器与bs4 8、BeautifulSoup基本介绍,安装与基本语法 9、BeautifulSoup的基本运算符与语法定位

css选择器与Xpath 1、CSS选择器基本使用 2、Xpath基本介绍 3、Xpath基本语法 4、XPath 轴与表达式 5、Xpath的基本运算符 6、Xpath语法定位 7、常用的反爬虫技术

爬虫高级技术 1、多线程与多进程爬虫 2、代理设置与Cookie操作 3、动态网页内容的抓取 4、Selenium与PhantomJS 5、模拟表单登录

第六阶段(人工智能相关python包)

数值计算包学习 1、数值计算包工具介绍 2、Numpy多维数组 3、数组的属性与操作 4、基本的数组运算 5、Scipy工作原理介绍 6、SciPy交互工作

数据处理包Pandas 1、本地环境安装 2、加载工具库 3、Pandas创建对象 4、操作行和块 5、窥视数据 6、缺失值处理、合并于分组

数据加载与存储 1、Pandas导入导出数据 2、与SQL/Excel 对比 3、数据体量与工具选择 4、范式中的切片与分组 5、Pandas索引与排序 6、文本转化为虚拟变量 7、Pandas数据回归 8、读取文本文件

Pandas与数据库 1、函数解析 2、利用DataFrame 3、关系型数据库驱动 4、非关系型数据库驱动 5、Web API操作网络资源

第七阶段(机器学习算法)

聚类算法 1、有监督与无监督问题 2、k-means聚类算法原理 3、层次聚类算法 4、SOM聚类算法 5、FCM聚类算法 6、python实现k-means算法 7、聚类算法应用场景与特征工程

回归算法 1、线性回归算法原理推导 2、多元线性回归问题推导 3、非线性回归问题求解 4、实现简易回归算法 5、逻辑回归算法原题 6、实战梯度下降算法

贝叶斯分类与最近邻分类 1、贝叶斯算法原理推导 2、基于贝叶斯理论的垃圾邮件拦截 3、基于贝叶斯理论的舆情系统设计 4、最近邻(KNN)算法原理详解 5、最近邻算法在手写体数字识别中的应用

支持向量机 1、SVM要解决的问题 2、线性SVM原理推导 3、SVM对偶问题与核变换 4、soft支持向量机问题 5、多类别分类问题解决方案

第八阶段(机器项目学习实战)

泰坦尼克船员获救案例 1、泰坦尼克船员获救预测 2、使用pandas库进行数据读取与缺失值预处理 3、使用scikit-learn库对比回归模型与随机森林模型 4、GBDT构造原理 5、特征的选择与重要性衡量指标 6、机器学习中的级联模型 7、使用级联模型再战泰坦尼克

个人信用模型 1、个人信用模型分析 2、个人信用模型构建 3、数据收集与样本设计 4、选择构建模型工具 5、模型验证与检验 6、选择临界值分值及修正 7、个人信用模型检测

第九阶段(深度学习)

神经网络模型 1、神经网络结构 2、前向传播与反向传播结构 3、激活函数、损失函数 4、正则化方法 5、梯度下降 6、深入神经网络细节 7、神经网络表现效果

卷积神经网络 1、卷积神经网络详解-卷积层 2、卷积神经网络详解-池化层 3、激活层 4、全连接层 5、Softmax分类器

框架:tensorflow 1、Tensorflow安装与简介 2、Tensorflow简单使用 3、tensorflow实战技巧

框架:keras 1、1.keras安装与环境配置 2、keras简单使用 3、keras实战技巧

第十阶段(深度学习项目实战)

Mnist手写体识别 1、mnist手写体数字简介 2、mnist加载数据 3、keras数据预处理 4、预处理类标签 5、定义模型架构与编译模型 6、N数据模型拟合与数据评估 7、神经网络表现效果

Cifar10 项目目标分类 1、cifar10数据集简介 2、cifar10数据导入 3、cifar10网络模型设计 4、cifar10分类模型调优

真实项目贯穿整个学习流程
  • Mnist手写体识别
  • 泰坦尼克船员获救案例
  • Cifar10 项目目标分类
Mnist手写体识别
项目名称: Mnist手写体识别

项目简述:项目包括mnist手写体数字简介、mnist加载数据、keras数据预处理、预处理类标签、定义模型架构与编译模型、N数据模型拟合与数据评估,通过本项目可以掌握kersas框架和一些AI模型算法。

泰坦尼克船员获救案例
项目名称:泰坦尼克船员获救案例

项目简述:项目包括泰坦尼克船员获救预测、使用pandas库进行数据读取与缺失值预处理、使用scikit-learn库对比回归模型与随机森林模型、GBDT构造原理、特征的选择与重要性衡量指标、机器学习中的级联模型、使用级联模型再战泰坦尼克,通过本项目实战可以掌握机器学习的算法和模型,提高产品应用能力。

Cifar10 项目目标分类
项目名称:Cifar10 项目目标分类

项目简述:本项目包括cifar10数据集简介、cifar10数据导入、cifar10网络模型设计、cifar10分类模型调优等知识点,通过本项目的练习可以掌握cifar10的模型及算法设计。

现在预报名
顶部