人工智能+場(chǎng)景賦能，精準(zhǔn)定位崗位需求，緊密結(jié)合企業(yè)級(jí)需求，含金量極高的項(xiàng)目體系和精準(zhǔn)的課程體系。真項(xiàng)目真AI！
北京人工智能開發(fā)培訓(xùn)
【所屬機(jī)構(gòu)：北京北大青鳥航天橋?qū)W校】
北京python輔導(dǎo)班的課程內(nèi)容有：數(shù)據(jù)可視化、數(shù)據(jù)可視化、數(shù)據(jù)可視化、使用Python處理工作場(chǎng)景中的簡(jiǎn)單數(shù)據(jù)分析、人工智能技術(shù)和應(yīng)用場(chǎng)景的多方面解析，系統(tǒng)化介紹人工智能技術(shù)鏈條、學(xué)習(xí)人工智能中的識(shí)別技術(shù)、高級(jí)的模型優(yōu)化算法；北京北大青鳥航天橋?qū)W校始終以崗位需求為本，立足于行業(yè)崗位技能，以永不妥協(xié)的教育品質(zhì)，為學(xué)員提供品質(zhì)哈、多方面的教學(xué)資源，為企業(yè)輸送符合崗位要求的亟需人才，讓學(xué)員學(xué)有所成、企業(yè)用有所用。
該課程適合的人群
大學(xué)生
就業(yè)需求迫在眉睫，對(duì)未來充滿期待和不確定，該入哪一行、選擇什么職業(yè)？
職場(chǎng)人士
已經(jīng)擁有了工作經(jīng)驗(yàn)的白領(lǐng)，技能發(fā)展遇到瓶頸，如何突破職業(yè)天花板？
IT從業(yè)者
具備了豐富的項(xiàng)目開發(fā)經(jīng)驗(yàn)，職業(yè)發(fā)展進(jìn)入平臺(tái)期，如何邁進(jìn)科技前沿行業(yè)？
精心研磨的課程體系
Python - 數(shù)據(jù)分析
- 人工智能
- Python初級(jí)：數(shù)據(jù)可視化
在大量數(shù)據(jù)的情況下，如何讓數(shù)據(jù)能夠更直觀，更高效的輸出有用的信息就需要借助于數(shù)據(jù)可視化技術(shù)。通過項(xiàng)目實(shí)戰(zhàn)完全掌握Matplotlib實(shí)現(xiàn)簡(jiǎn)單直觀的數(shù)據(jù)可視化、Echarts實(shí)現(xiàn)更豐富的交互需求，在此基礎(chǔ)上認(rèn)識(shí)更多的數(shù)據(jù)可視化庫并靈活運(yùn)用。
Python中級(jí)：數(shù)據(jù)抓取與采集
互聯(lián)網(wǎng)上存在著海量的數(shù)據(jù)信息，通過爬蟲可以快速高效的獲取這些數(shù)據(jù)。Scrapy爬蟲框架是當(dāng)前非常流行的一款爬蟲框架。Scrapy使用Python作為開發(fā)語言，并且提供了非常豐富擴(kuò)展功能，數(shù)量掌握Scrapy爬蟲框架的使用能夠?qū)崿F(xiàn)高效獲取互聯(lián)網(wǎng)數(shù)據(jù)的目標(biāo)。
Python高級(jí)：數(shù)據(jù)清洗與挖掘
本階段主要完成數(shù)據(jù)處理方面的學(xué)習(xí)，利用Python實(shí)現(xiàn)數(shù)據(jù)清洗與存儲(chǔ)相關(guān)技能。數(shù)據(jù)被正式應(yīng)用于AI核心算法前，需要經(jīng)過遷移、清洗、分片等多種轉(zhuǎn)換處理，利用Python的numpy、pandas模塊有效處理源數(shù)據(jù)中的空缺值、噪聲數(shù)據(jù)、不一致數(shù)據(jù)、重復(fù)數(shù)據(jù)等。數(shù)據(jù)來源、存儲(chǔ)環(huán)境是多樣的，分別來自于JSON、CSV文件，MySQL、Redis、MongoDB數(shù)據(jù)庫，HDFS文件系統(tǒng)等等。利用Python的json、csv、pymysql、redis、pymongo、pyhdfs模塊很好地解決了數(shù)據(jù)存儲(chǔ)問題。 - 數(shù)據(jù)分析初級(jí)：使用Python處理工作場(chǎng)景中的簡(jiǎn)單數(shù)據(jù)分析
基于CDBD（中國(guó)歷代人物傳記資料庫）數(shù)據(jù)集開發(fā)課程案例，介紹數(shù)據(jù)分析的基本流程和方法，涉及的數(shù)據(jù)建模方法主要是聚類和決策樹，學(xué)完之后能夠使用Python處理工作場(chǎng)景中的簡(jiǎn)單數(shù)據(jù)分析。
數(shù)據(jù)分析中級(jí)：成為具有一定分析思維的數(shù)據(jù)分析師
基于真實(shí)企業(yè)數(shù)據(jù)庫開發(fā)案例，重點(diǎn)介紹K-近鄰、凝聚與分裂（層次聚類算法）、線性回歸、樸素貝葉斯等數(shù)據(jù)建模方法，最終成為具有一定分析思維的數(shù)據(jù)分析師，滿足就業(yè)需求。
數(shù)據(jù)分析高級(jí)：成長(zhǎng)為一名高級(jí)數(shù)據(jù)分析師，并獲得算法工程師的相關(guān)技能
基于前兩個(gè)階段學(xué)員學(xué)習(xí)數(shù)據(jù)開發(fā)的在線學(xué)習(xí)數(shù)據(jù)分析案例，通過完全貼近真實(shí)情境的數(shù)據(jù)分析工作，學(xué)會(huì)處理各種數(shù)據(jù)分析中的復(fù)雜問題，所使用的建模方法有支持向量機(jī)、DBSCAN、邏輯回歸和反向傳播神經(jīng)網(wǎng)絡(luò)，最終成長(zhǎng)為一名高級(jí)數(shù)據(jù)分析師，并獲得算法工程師的相關(guān)技能，能做出直接跟系統(tǒng)交互的儀表盤。 - 人工智能初級(jí)：人工智能技術(shù)和應(yīng)用場(chǎng)景的全面解析，系統(tǒng)化介紹人工智能技術(shù)鏈條 通過實(shí)例對(duì)人工智能的開發(fā)語言載體Python進(jìn)行深入理解并掌握Python語法規(guī)則，變量和數(shù)據(jù)類型，程序結(jié)構(gòu)控制，Python的數(shù)據(jù)結(jié)構(gòu)，Python中的OOP，了解-神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法和流程，學(xué)習(xí)主流機(jī)器學(xué)習(xí)、深度學(xué)習(xí)框架環(huán)境的搭建，TensorFlow、Keras、Caffe等。
人工智能中級(jí)：本模塊重點(diǎn)在于算法的開發(fā)實(shí)現(xiàn)方面，學(xué)習(xí)人工智能中的識(shí)別技術(shù)
通過數(shù)字識(shí)別和人臉識(shí)別、自然語言處理等這些應(yīng)用極為廣泛的項(xiàng)目開發(fā)，深入介紹深度學(xué)習(xí)的概念，激活函數(shù)以及神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，對(duì)CNN、RNN進(jìn)行原理方法和原理學(xué)習(xí)，卷積層和池化層，圖像特征提取與識(shí)別，經(jīng)典LeNet模型，LSTM，Encoder-Decoder Model等，同時(shí)引入自然語言處理方面的內(nèi)容，包括分詞、題干提取建模等，為不同方向的技術(shù)學(xué)習(xí)構(gòu)建完整的技能知識(shí)圖譜。
人工智能高級(jí)：從本階段開始，我們的學(xué)習(xí)重點(diǎn)轉(zhuǎn)向高級(jí)的模型優(yōu)化算法
在項(xiàng)目開發(fā)實(shí)現(xiàn)的基礎(chǔ)上進(jìn)行調(diào)優(yōu)處理，通過學(xué)習(xí)過程的優(yōu)化、數(shù)據(jù)預(yù)處理方法、超參數(shù)、學(xué)習(xí)率優(yōu)化、Batch-Normalization等方法，實(shí)現(xiàn)開發(fā)算法的優(yōu)化，完善提升神經(jīng)網(wǎng)絡(luò)的效率和質(zhì)量，進(jìn)一步理解算法實(shí)現(xiàn)與設(shè)計(jì)，實(shí)現(xiàn)開發(fā)工程師提升到算法專家之路。
應(yīng)用項(xiàng)目實(shí)戰(zhàn)
車牌號(hào)碼識(shí)別 icon車牌識(shí)別技術(shù)要求能夠?qū)⑦\(yùn)動(dòng)中的汽車牌照從復(fù)雜背景中提取并識(shí)別出來，該項(xiàng)技術(shù)在車輛管理、電子收費(fèi)等系統(tǒng)中廣泛應(yīng)用，圖像識(shí)別是AI廣泛的應(yīng)用之一。
身份證識(shí)別 icon身份證識(shí)別應(yīng)用于線上線下銀行、交通出行檢驗(yàn)等行業(yè)，是指使用圖像識(shí)別技術(shù)對(duì)身份證信息自動(dòng)提取，并對(duì)身份證信息按要素格式化輸出信息。
人臉識(shí)別驗(yàn)證 icon人臉識(shí)別技術(shù)的發(fā)展讓“刷臉”變成現(xiàn)實(shí)，例如門禁刷臉系統(tǒng)、IPhoneX刷臉解鎖、手機(jī)銀行支付等等。人臉驗(yàn)證主要通過人臉識(shí)別定位、人臉屬性識(shí)別、特征提取等等技術(shù)。
客服機(jī)器人 icon采用自然語言處理技術(shù)，智能客服機(jī)器人的應(yīng)用有著明顯的優(yōu)勢(shì)。特別是為企業(yè)大大提升了服務(wù)效率，收集用戶訴求和行為數(shù)據(jù)，為企業(yè)改進(jìn)產(chǎn)品提供了有力支撐。
職業(yè)范圍廣泛，選擇多
AI算法工程師
深度學(xué)習(xí)算法研究、實(shí)現(xiàn)和優(yōu)化，負(fù)責(zé)特定需求的深度學(xué)習(xí)算法解決方案。跟進(jìn)業(yè)界人工智能的研究成果，開發(fā)并提升相應(yīng)的算法任務(wù)
數(shù)據(jù)分析工程師
負(fù)責(zé)數(shù)據(jù)分析工作，挖掘數(shù)據(jù)分析需求，制定并實(shí)施分析方案，進(jìn)行項(xiàng)目數(shù)據(jù)分析、模型建構(gòu)和數(shù)據(jù)處理，結(jié)合分析結(jié)果
自然語言處理工程師
根據(jù)產(chǎn)品和業(yè)務(wù)需求，進(jìn)行相關(guān)NLP算法的研究和開發(fā)。負(fù)責(zé)NLP問題的研究，完成知識(shí)抽取、實(shí)體匹配、語義消歧、關(guān)系抽取等應(yīng)用的研發(fā)
語音識(shí)別工程師
參與公司核心語音識(shí)別算法的設(shè)計(jì)和研究及其工程實(shí)現(xiàn)。負(fù)責(zé)跟進(jìn)行業(yè)前沿技術(shù)發(fā)展趨勢(shì)，不斷優(yōu)化當(dāng)前神經(jīng)網(wǎng)絡(luò)模型
數(shù)據(jù)挖掘工程師
對(duì)產(chǎn)品與用戶數(shù)據(jù)進(jìn)行爬取和分析，發(fā)現(xiàn)數(shù)據(jù)背后的特征規(guī)律；完成產(chǎn)品、市場(chǎng)等部門提出的數(shù)據(jù)挖掘需求、完成機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘項(xiàng)目
圖像識(shí)別工程師
圖像識(shí)別工程師是根據(jù)公司產(chǎn)品和業(yè)務(wù)需求，進(jìn)行相關(guān)圖像算法的研究和開發(fā)。負(fù)責(zé)相關(guān)算法的核心代碼實(shí)現(xiàn)或移植
為什么選擇北京北大青鳥航天橋?qū)W校
+ 真才實(shí)學(xué)+真材實(shí)料=真AI
+ 精心調(diào)研+專心規(guī)劃=真就業(yè)崗位分析+學(xué)習(xí)行為挖掘，自適應(yīng)引導(dǎo)學(xué)習(xí)，項(xiàng)目訓(xùn)練選擇通過百家企業(yè)審核，符合企業(yè)能力需求，就業(yè)目標(biāo)明確。
+ 誠(chéng)信設(shè)計(jì)+用心實(shí)施=真服務(wù)與北京大學(xué)聯(lián)手，重磅打造自適應(yīng)學(xué)習(xí)平臺(tái)；北京大學(xué)教授指導(dǎo)課程設(shè)計(jì)；線上行業(yè)大咖授課+線下教練服務(wù)。
