科學實用的課程體系

成體系培養，符合行業發展趨勢

人工智能

人工智能初級：人工智能技術和應用場景的全面解析，系統化介紹人工智能技術鏈條

通過實例對人工智能的開發語言載體Python進行深入理解并掌握Python語法規則，變量和數據類型，程序結構控制，Python的數據結構，Python中的OOP，了解-神經網絡的訓練方法和流程，學習主流機器學習、深度學習框架環境的搭建，TensorFlow、Keras、Caffe等。

人工智能中級：本模塊重點在于算法的開發實現方面，學習人工智能中的識別技術

通過數字識別和人臉識別、自然語言處理等這些應用極為廣泛的項目開發，深入介紹深度學習的概念，激活函數以及神經網絡基礎，對CNN、RNN進行原理方法和原理學習，卷積層和池化層，圖像特征提取與識別，經典LeNet模型，LSTM，Encoder-Decoder Model等，同時引入自然語言處理方面的內容，包括分詞、題干提取建模等，為不同方向的技術學習構建完整的技能知識圖譜。

人工智能高級：從本階段開始，我們的學習重點轉向高級的模型優化算法上

在項目開發實現的基礎上進行調優處理，通過學習過程的優化、數據預處理方法、超參數、學習率優化、Batch-Normalization等方法，實現開發算法的優化，完善提升神經網絡的效率和質量，進一步理解算法實現與設計，實現開發工程師提升到算法專家之

數據分析初級：使用Python處理工作場景中的簡單數據分析

基于CDBD（*歷代人物傳記資料庫）數據集開發課程案例，介紹數據分析的基本流程和方法，涉及的數據建模方法主要是聚類和決策樹，學完之后能夠使用Python處理工作場景中的簡單數據分析。

數據分析中級：成為具有一定分析思維的數據分析師

基于真實企業數據庫開發案例，重點介紹K-近鄰、凝聚與分裂（層次聚類算法）、線性回歸、樸素貝葉斯等數據建模方法，最終成為具有一定分析思維的數據分析師，滿足就業需求。

數據分析高級：成長為一名高級數據分析師，并獲得算法工程師的相關技能

基于前兩個階段學員學習數據開發的在線學習數據分析案例，通過完全貼近真實情境的數據分析工作，學會處理各種數據分析中的復雜問題，所使用的建模方法有支持向量機、DBSCAN、邏輯回歸和反向傳播神經網絡，最終成長為一名高級數據分析師，并獲得算法工程師的相關技能，能做出直接跟系統交互的儀表盤。

Python初級：數據可視化

在大量數據的情況下，如何讓數據能夠更直觀，更高效的輸出有用的信息就需要借助于數據可視化技術。通過項目實戰完全掌握Matplotlib實現簡單直觀的數據可視化、Echarts實現更豐富的交互需求，在此基礎上認識更多的數據可視化庫并靈活運用。

Python中級：數據抓取與采集

互聯網上存在著海量的數據信息，通過爬蟲可以快速高效的獲取這些數據。Scrapy爬蟲框架是當前非常流行的一款爬蟲框架。Scrapy使用Python作為開發語言，并且提供了非常豐富擴展功能，數量掌握Scrapy爬蟲框架的使用能夠實現高效獲取互聯網數據的目標。

Python高級：數據清洗與挖掘

本階段主要完成數據處理方面的學習，利用Python實現數據清洗與存儲相關技能。數據被正式應用于AI核心算法前，需要經過遷移、清洗、分片等多種轉換處理，利用Python的numpy、pandas模塊有效處理源數據中的空缺值、噪聲數據、不一致數據、重復數據等。數據來源、存儲環境是多樣的，分別來自于JSON、CSV文件，MySQL、Redis、MongoDB數據庫，HDFS文件系統等等。利用Python的json、csv、pymysql、redis、pymongo、pyhdfs模塊很好地解決了數據存儲問題。