Python机器学习班
CDA 机器学习与深度学习集训营【Level Ⅲ】 ：CDA Python机器学习周末集训营【Level Ⅲ】，为想希望从事数据挖掘、机器学习工程师相关岗位的人员或者希望通过CDA三级认证考试人员开设。课程设计循序渐进，从基础工具与理论知识入门，进阶机器学习模型、文本挖掘模型，以实战项目案例贯穿课程讲解。其中包括：Python编程基础、数据清洗、数据处理与特征工程、Python机器学习、自然语言处理等课程模块。课程理论知识涵盖CDA LEVEL III等级考试的所有考点，有利于对应等级考试的学员备考。
课程简介
学习目标
熟练掌握数据科学领域的编程语言-Python
掌握使用Python和pandas库进行数据清洗和预处理
学会使用matplotlib、seaborn进行初级可视化
学会使用Pyecharts进行高级数据可视化
学会构建机器学习算法进行分类、预测和聚类模型
善用机器学习解决用户画像、精准营销、风险管理等商业问题
学习对象
机器学习基础薄弱学员
高校在校生
待业、期待转行从事数据挖掘相关岗位的在职人员
CDA数据分析师level Ⅲ 考生。
希望借助数据挖掘算法来提升解决企业运营、产品运营中涉及的预测问题者
对数据挖掘技术感兴趣的各界人士
产品、运营、营销、管理、咨询相关岗位从业者，希望增加数据挖掘技能与思维
课程大纲
预习课（录播）——数据库SQL
1数据库基本概念
2DDL数据定义语言
3DML数据操作语言
4单表查询
5多表查询
6Python连接SQL
1数据库基本概念
2DDL数据定义语言
3DML数据操作语言
4单表查询
5多表查询
6Python连接SQL
预习课（录播）——Python编程基础
1Python标准数据类型
2控制流语句
3自定义函数
4异常和错误
5类与面向对象编程
6Numpy数组操作
1Python标准数据类型
2控制流语句
3自定义函数
4异常和错误
5类与面向对象编程
6Numpy数组操作
预习课（录播）——数学与统计学基础
1线性代数
2微积分
3描述性统计
4参数估计
5假设检验
6相关分析
7卡方分析
8一元线性回归理论推导
9多元线性回归理论推导
1线性代数
2微积分
3描述性统计
4参数估计
5假设检验
6相关分析
7卡方分析
8一元线性回归理论推导
9多元线性回归理论推导
机器学习进阶(Level 3)第1周-数据接入与大数据平台
1分布式存储与计算
2Spark与Flink工作原理
3使用PySpark实现分布式计算
4数据接入策略与调度工具
1分布式存储与计算
2Spark与Flink工作原理
3使用PySpark实现分布式计算
4数据接入策略与调度工具
机器学习进阶(Level 3)第1周-数据挖掘导论
1数据挖掘导论
2KNN
3贝叶斯
4SVM
1数据挖掘导论
2KNN
3贝叶斯
4SVM
机器学习进阶(Level 3)第2周-决策树
1决策树（ID3, C4.5, CART）
2决策树的模型调优
3病马死亡归类与识别案例
4用户分类-保险行业用户分类分析
1决策树（ID3, C4.5, CART）
2决策树的模型调优
3病马死亡归类与识别案例
4用户分类-保险行业用户分类分析
机器学习进阶(Level 3)第2周-带正则项的回归分析与SVM
1带正则项的回归分析
2大数据环境下的回归分析实现（Spark实现）
1带正则项的回归分析
2大数据环境下的回归分析实现（Spark实现）
机器学习进阶(Level 3)第3周-集成与提升方法
1集成学习的理论基础
2AdaBoost
3随机森林及其Spark实现
4GBDT, XGBoost, LightGBM及Python实现
1集成学习的理论基础
2AdaBoost
3随机森林及其Spark实现
4GBDT, XGBoost, LightGBM及Python实现
机器学习进阶(Level 3)第3周-关联规则与协同过滤
1关联规则（关联规则的概念，评估指标，Apriori算法）
2协同过滤
3大数据环境下的协同过滤实现
4产品组合策略-电信公司产品捆绑销售策略分析案例
1关联规则（关联规则的概念，评估指标，Apriori算法）
2协同过滤
3大数据环境下的协同过滤实现
4产品组合策略-电信公司产品捆绑销售策略分析案例
机器学习进阶(Level 3)第4周-高级数据处理与特征工程，神经网络
1数据处理的前沿方法：特征工程概要
2数据不平衡问题
3特征工程（特征的建构、选择、转换、学习）
4感知器及多层感知器
1数据处理的前沿方法：特征工程概要
2数据不平衡问题
3特征工程（特征的建构、选择、转换、学习）
4感知器及多层感知器
机器学习进阶(Level 3)第4周-深度学习基础
11深度神经网络基础
12BP神经网络架构
13反向传播算法
14梯度与学习率专题
15图像分析-手写数字自动识别
11深度神经网络基础
12BP神经网络架构
13反向传播算法
14梯度与学习率专题
15图像分析-手写数字自动识别
机器学习进阶(Level 3)第5周-爬虫，文本分析
11数据的爬取（http原理、requests应用）
12文本数据清洗（正则表达式、HTML结构及xpath应用）
11数据的爬取（http原理、requests应用）
12文本数据清洗（正则表达式、HTML结构及xpath应用）
机器学习进阶(Level 3)第5周-NLP之文本挖掘
11分词与词性标注
12文本信息提取
13词嵌入（CBOW与Skip-gram）
14构建文本信息库
15文本聚类算法
11分词与词性标注
12文本信息提取
13词嵌入（CBOW与Skip-gram）
14构建文本信息库
15文本聚类算法
机器学习进阶(Level 3)第6周-聚类分析进阶与异常识别
11聚类分析进阶（密度聚类，高斯混合聚类，谱聚类）
12异常识别（孤立森林，局部异常因子）
13交易反欺诈-异常交易识别案例
11聚类分析进阶（密度聚类，高斯混合聚类，谱聚类）
12异常识别（孤立森林，局部异常因子）
13交易反欺诈-异常交易识别案例
机器学习进阶(Level 3)第6周-大型项目案例
11实战项目-金融行业反欺诈
机器学习进阶(Level 3)第7周-深度学习与NLP前沿技术
11卷积神经网络CNN
12循环神经网络RNN与LSTM
13残差网络ResNet
14注意力机制Attention
15预训练框架Transformer与迁移学习
16Bert专题
17Pytorch框架与代码实践（NLP案例）
18大型项目案例-实战项目-信用评分卡
11卷积神经网络CNN
12循环神经网络RNN与LSTM
13残差网络ResNet
14注意力机制Attention
15预训练框架Transformer与迁移学习
16Bert专题
17Pytorch框架与代码实践（NLP案例）
18大型项目案例-实战项目-信用评分卡
CDA 认证考试辅导（报名考试的学生）
11数据挖掘概论
12高级数据处理与特征工程
13自然语言处理与文本分析
14机器学习算法
15机器学习进阶（自动机器学习，样本不平衡问题，半监督学习，模型优化）
11数据挖掘概论
12高级数据处理与特征工程
13自然语言处理与文本分析
14机器学习算法
15机器学习进阶（自动机器学习，样本不平衡问题，半监督学习，模型优化）
拓展选修课
11互联网数字化运营
12何为数据产品经理
13Python 爬虫
14人工智能(深度学习)实战之图像识别
15Tableau 多维可视化分析
16SPSS 统计分析
11互联网数字化运营
12何为数据产品经理
13Python 爬虫
14人工智能(深度学习)实战之图像识别
15Tableau 多维可视化分析
16SPSS 统计分析
