园区各相关企业:
为帮助园区青年适应当前大数据及人工智能发展趋势,助力园区青年技能提升和职业发展,共青团厦门火炬高新区工作委员会拟联合中国科学院计算技术研究所厦门数据智能研究院、Watson Build创新中心(东南分中心)开展第二期数据智能专题公益培训活动,相关事项通知如下:
一、培训对象
从事或意向从事企业数据分析师、算法工程师、运维工程师、机器学习工程师等相关岗位的青年技术人员。
二、培训时间
2021年6月22日-7月22日
三、培训安排
采用线上培训方式。课程结束后,对考核通过的学员,颁发数据科学家结课证书。
1.线上直播课程(不限人数):
6月22日:“课程概貌解析”,时长1小时;线上直播课程结束后,进行知识背景考核考试,筛选成绩前30名学员进入后续的D-Lab线上课程学习,并予以Watson Build创新中心(东南分中心)“AI学院”免费学习名额。
2.D-Lab线上课程(30名):
学员登录D-Lab平台进行线上学习,由在线老师负责课程指导和答疑。平台内提供一套基于Jupyter的在线编程服务,学员可自行安排时间进行实验编程。
3.Watson Build创新中心“AI学院”(30名)
学员登录Watson Build创新中心(东南分中心)“AI学院”,可在2021年8月1日前免费学习相关课程。
四、培训课程介绍
1.D-Lab线上课程:培训共开设5门课程,包括Python入门与高级编程课程、Python与数据分析课程、Python与机器学习、机器学习入门与实战、深度学习与图像识别入门篇课程。课程全部由中科院、顶尖AI专家、金融领域专家打造,以专业技能的“教、学、练、赛”闭环的人才培养思路为指导,提供在线学科相关课程及实验练习环境。通过深入浅出的知识构架、海量真实案例库、专业核心课程等内容教学,提高学员知识技能和核心竞争力。
2.Watson Build创新中心“AI学院”:目前有“数据工程师”“数据分析师”“数据科学家”3个学习路径,共50余门课程。
五、主承办单位
指导单位:厦门火炬高新区管委会
主办单位:共青团厦门火炬高新区工作委员会、中国科学院计算技术研究所厦门数据智能研究院
协办单位:厦门软件产业投资发展有限公司
Watson Build创新中心(东南分中心)
厦门火炬高新区科技服务联盟
六、培训咨询及联系部门
1.中科院计算所厦门数据智能研究院,联系方式:张小姐,0592-6372068 18698727679。
2.Watson Build创新中心(东南分中心),联系方式:张小姐,13696998666。
七、报名方式
请扫码填写报名表,并在填写后通过显示的二维码加入学习群,直播链接等信息将在学习群中发布。
附件:培训课程内容与时间安排
共青团厦门火炬高新区工作委员会
2021年6月9日
附件
培训课程内容与时间安排
时间 |
培训课程 |
培训内容 |
培训形式 |
2021年6月22日 |
课程概貌解析 |
课程体系介绍 |
直播 |
2021年6月22日-7月22日 |
Python入门与高级编程课程 |
1) 搭建Python环境 |
D-Lab平台学习 |
2) 万物皆对象 |
|||
3) 基本结构类型 |
|||
4) 流程控制 |
|||
5) 函数 |
|||
6) 类与面向对象的编程 |
|||
7) 异常 |
|||
8) 文件处理 |
|||
9) 正则表达式 |
|||
10) 模块和包 |
|||
11) 标准库 |
|||
12) 脚手架与集成开发环境 |
|||
Python与数据分析课程 |
1) 数据分析概述 |
||
2) Numpy基础使用 |
|||
3) Numpy数组操作 |
|||
4) Numpy进阶使用 |
|||
5) Scipy简介 |
|||
6) Pandas基础 |
|||
7) Pandas数据读取和导出 |
|||
8) Pandas数据操作 |
|||
9) Pandas数据规整化 |
|||
10) Pandas数据聚合与分组运算 |
|||
11) 时间序列数据分析 |
|||
12) 绘图和可视化Matplotlib |
|||
13) 绘图和可视化Seaborn |
|||
Python与机器学习 |
1) 前言 |
||
2) 什么是机器学习 |
|||
3) 机器学习开发环境 |
|||
4) 从数据处理开始 |
|||
5) 预测模型开发流程 |
|||
6) 十大经典预测算法(上) |
|||
7) 十大经典预测算法(下) |
|||
8) 预测模型评估 |
|||
9) 模型优化和调参 |
|||
10) 基础特征工程 |
|||
11) 高级特征工程 |
|||
12) 聚类分析 |
|||
13) 关联规则挖掘 |
|||
14) 推荐系统及算法 |
|||
15) 模型部署与上线 |
|||
16) 机器学习进阶 |
|||
机器学习入门与实战 |
1) 机器学习概论 |
||
2) 机器学习实战流程 |
|||
3) 探索性数据分析及特征工程 |
|||
4) 常见机器学习算法简介 |
|||
5) 机器学习算法超参数寻优 |
|||
6) 社交媒体评论分类实验 |
|||
7) 共享单车用量需求预测 |
|||
8) 信用卡客户忠诚度预测 |
|||
9) 手机套餐推荐 |
|||
10) 电站运维数据分析 |
|||
11) 驾驶行为风险预测 |
|||
12) 手机用户信用评估 |
|||
基于搜索日志的用户画像 |
|||
深度学习与图像识别入门篇课程(高级课程选学) |
1) 深度学习与计算机视觉 |
||
2) 配置深度学习开发环境 |
|||
3) 图像处理基础 |
|||
4) 图像分类概述 |
|||
5) 图像分类常用数据集 |
|||
6) 第一个简单的图像分类器 |
|||
7) 参数学习和最优化方法 |
|||
8) 神经网络基础与Keras |
|||
9) 为图像而生的卷积神经网络(CNN) |
|||
10) 训练你的第一个CNN模型 |
|||
11) 开箱即用的CNN图像分类模型 |
|||
12) 从0到1实践经典CNN网络 |
|||
13) 模型保存和加载 |
|||
14) 模型性能评估和监控 |
|||
15) 高级图像预处理方法 |
|||
16) 利用CNN提取图像特征 |
|||
17) 模型微调(Fine-turing) |
|||
18) 对新图片进行预测 |
|||
19) 图像分类案例总结 |
|||
20) 总结和展望 |
|||
2021年7月22日 |
结业测试(理论+实操) |