Python编程基础

学习Python在数据科学领域的基础编程知识

Python与数据分析

学习使用Numpy、Scipy、Pandas等Python库进行数据分析

数据可视化探索

学习使用matplotlib、Seaborn等Python库进行数据可视化

SQL编程基础

学习SQL数据库的基本使用

概率统计

学习数据科学中基础的概率与统计知识，如抽样、分布、方差、变差等

API与数据抓取

学习使用API或爬虫从互联网获取数据

机器学习基础

学习机器学习基础理论知识、回归、分类、聚类、关联规则等算法学习，以及Python机器学习库Scikit-learn的使用

机器学习项目实战

学习机器学习项目的工程实践流程，从数据预处理、特征工程到模型训练评估的全流程理论及实战练习

深度学习与图像识别入门

通过图像识别任务，了解深度学习的基础知识及卷积神经网络的原理，并通过编程练习实现不同的图像识别任务

深度学习进阶

系统性掌握神经网络领域各类技术的基本原理、 不同深度神经网络技术的演进过程及优缺点，并通过实战项目进行编程练习

自然语言处理

学习自然语言处理领域的基础知识及机器学习、深度学习应用，并通过实战项目进行编程练习

大数据处理分析

学习使用Spark与MapReduce技术进行大规模数据清洗和分析

全面的数据类型覆盖

基础结构化数据、时间序列数据、文本数据、图像数据、视频数据等

多元的工业场景

金融、通信、海洋、气象、工业生产、交通、医疗等

丰富的数据处理练习任务

文本特征提取、时间序列数据清洗、特征工程、T-SNE降维及可视化、LDA降维、词云可视化分析等

工业界流行的算法实战应用

逻辑回归、KNN、随机森林、GBM、XGBoost、LightGBM、模型融合等