简言之，数据科学是一个领域，本质上是利用数据来解决问题，并为公司和组织带来影响、价值和洞察力。数据科学已被应用于广泛的学科和行业，涵盖教育、金融、医疗、地质、零售、旅游和电子竞技。数据科学的技术涉及数据收集、数据预处理、探索性数据分析、数据可视化、统计分析、机器学习、编程和软件工程的使用。除了技术方面，还有各种软技能是数据科学家所需要的。以下信息图提供了数据科学家基本技能的高层次概述。
大培训特色
专注于基础
数据处理（Python —Pandas，R — dplyr）。
阅读统计学方面的知识，这样你就可以在你的模型中应用它们。例如，应用适当的统计学来比较模型（参数与非参数）。
探索性数据分析和描述性统计，以获得数据的概况从建立简单的、可解释的机器学习模型（线性回归、基于树的方法）开始。
从构建简单且可解释的机器学习模型（线性回归，基于树的方法）开始。
使用你有信心使用的机器学习方法（知道其背后的数学）。立即预约课程
课程简介
让数据分析师、工程师，成长为数据科学家
弥补缺陷，掌握数据科学家应具备的全方位综合技能
学习到先进、前沿的算法模型及高性能技术，大大提升工作效率
掌握大数据治理、架构设计，提升宏观视角，决策企业战略
掌握项目管理能力，学会搭建数据团队，部门沟通协调，化利用资源
数据相关岗位的专业人士，如数据分析师，数据咨询顾问，大数据、机器学习、算法工程师等
数据相关部门的管理人士，如数据部主管、总监，首席数据官（CDO），CTO，CIO等
数据领域的研究或教育人士，如科研人员、研究员，高校数据相关专业教师等
需要具备CDA LEVEL 1+2的知识技能，包括数据分析、数据挖掘、大数据等技术
掌握java基础编程，python、R等相关数据分析编程软件，实现数据挖掘全流程
有一定的工作经验，具备良好的沟通交流能力
案例介绍
Cifar-10是由深度学习大师 Geoffrey Hinton 教授与其在加拿大多伦多大学的学生 Alex Krixhevsky 与
Vinoid Nair 所整理之影像数据集, 包含 6 万笔 32*32 低分辨率之彩色图片, 其中 5 万笔为训练集; 1 万笔为测试集,
是机器学习中常用的图片辨识数据集。Cifar-10 的所有图片被分为 10 个类别(飞机、汽车、鸟、猫、鹿、狗、青蛙、船、卡车)。
技能涉及
Keras、TensorFlow、MLP（多层感知器）、DNN（普通深度网络）模型、CNN（卷积神经网络）模型。
课程大纲
01大数据治理概述、大数据建模（线下）
02元数据管理、数据体系建设（线上）
03大数据隐私、安全、立法（线上）
04大数据质量、热度（线下）
05大数据生命周期模型（线下）
01大数据架构设计的方法论概述（线上）
02互联网场景的大数据解决方案设计（线下）
03大数据存储与计算的方案选型（线下）
04大数据指标系统与数据安全（线下）
05集群资源管理、调优（线下）
计算机科学技术
01衡量性能的方法（线上）
02多线程编程（线上）
03提高性能性能的各种编程方法（线上）
04机器学习框架Tensorflow的原理（线上）
05Keras、Scikit-Learn、TFLearn等算法库的使用（线上）
06实作基于Tensorflow、Keras、Scikit-Learn、TFLearn的机器学习算法（线上）
01特征选择与稀疏学习（线下）
02类别不平衡问题（线下）
03决策规则（线下）
04半监督学习（线上）
05强化学习（线上）
06文本挖掘（线下）
07社会网络分析（线下）
08区块链分析（线上）
01感知机与神经网络（线上）
02深度学习基础概念（线上）
03深度学习模型训练与优化（线下）
04社会网络分析（线下）
05深度学习神经网络-DNN/CNN/RNN/LSTM神经网络（线下）
06生成式对抗网络（线上）
07深度学习在物体检测与定位上的应用（线下）
08深度学习在人脸识别上的应用（线下）
09深度学习在语音识别上的应用（线下）
10深度学习的未来发展趋势（线上）
01软件项目管理基础（线上）
02敏捷开发（线上）
03代码管理（线上）
04构建大数据团队（线下）
05项目管理相关知识及常用工具（线下）
06常用项目管理工具介绍（线下）
01案例名称：大数据指标模型治理与实践
02案例名称：画像在O2O互联网场景的实践
03案例名称：深度学习在影像物体辨识上的应用
04案例名称：深度学习在手写数字辨识上的应用
05案例名称：社会网络分析实战
06案例名称：文本挖掘实战
