2018年5月23-25日，CDA數(shù)據(jù)分析研究院在中國(guó)電信股份有限公司北京研究院進(jìn)行了一場(chǎng)以“人工智能之Python應(yīng)用”為主題的內(nèi)訓(xùn)。中心各部門員工報(bào)名積極，共有70名員工參加了集中培訓(xùn)。老師和數(shù)據(jù)分析部門的相關(guān)同事進(jìn)行積極地交流，本次內(nèi)訓(xùn)取得圓滿成功。

內(nèi)訓(xùn)內(nèi)容簡(jiǎn)介

第一天： Python 編程基礎(chǔ)（均通過實(shí)際案例講解）
1. 語(yǔ)法初步
2. 數(shù)據(jù)結(jié)構(gòu)（列表、字符串、元組、集合、字典和字符串）
3. 條件選擇結(jié)構(gòu)和循環(huán)結(jié)構(gòu)（隨機(jī)模擬）
4. 若干重要內(nèi)置函數(shù)應(yīng)用
5. 函數(shù)、模塊及其應(yīng)用
6. 數(shù)組的使用
7. 文件的操作
8. 排序和查找、遞歸算法
9. 正則表達(dá)式簡(jiǎn)介
10. 面向?qū)ο缶幊毯?jiǎn)介

第二天：使用numpy、pandas等進(jìn)行數(shù)據(jù)清洗和整理，統(tǒng)計(jì)分析
1. 整理數(shù)據(jù)（切片、產(chǎn)生隨機(jī)數(shù)、復(fù)制、廣播、排序等）
2. 數(shù)據(jù)索引和選擇的各種方法
3. 數(shù)據(jù)的分組、分割、合并、變形
4. 文本數(shù)據(jù)的處理技巧
5. 抽樣分布和假設(shè)檢驗(yàn)（含非參數(shù)假設(shè)檢驗(yàn)）
6. 線性模型的構(gòu)建和預(yù)測(cè)（含回歸分析、離散因變量模型）
7. 主成份分析和因子分析
8. 列聯(lián)表和對(duì)應(yīng)分析
9. 時(shí)間序列數(shù)據(jù)處理、建模和預(yù)測(cè)（ARIMA）



第三天：Python機(jī)器學(xué)習(xí)算法和數(shù)據(jù)挖掘案例實(shí)戰(zhàn)
1. 概率、逼近和EM算法原理和實(shí)例
2. 最近鄰k-NN算法及應(yīng)用實(shí)例（客戶細(xì)分、數(shù)碼圖像識(shí)別）
3. 樸素貝葉斯（Naive Bayes）算法
4. 使用scikit-learn模塊進(jìn)行機(jī)器學(xué)習(xí)的若干案例（含回歸、決策樹、支持向量機(jī)、梯度下降、集成學(xué)習(xí)、隨機(jī)森林等多種算法模型）
5. k-means聚類（無(wú)監(jiān)督學(xué)習(xí)、如何確定最佳聚類數(shù)）
6. 特征工程及變量的選擇
7. 使用XGBoost 進(jìn)行預(yù)測(cè)的經(jīng)典案例（交叉驗(yàn)證、格點(diǎn)搜索、參數(shù)尋優(yōu)）
8. 再談Logistic回歸和案例分析
9. 文本挖掘原理和案例（分詞、TF-IDF準(zhǔn)則、文本分類、非結(jié)構(gòu)化數(shù)據(jù)分析）
10. 深度學(xué)習(xí)原理及其若干應(yīng)用案例

參訓(xùn)員工心得與評(píng)價(jià)

本次培訓(xùn)內(nèi)容豐富，基本涵蓋機(jī)器學(xué)習(xí)常用算法和技能，正是項(xiàng)目應(yīng)用需要的。知識(shí)點(diǎn)比較多，拓展了自己的數(shù)據(jù)思維，對(duì)數(shù)據(jù)方法更深入了解，并且提升了動(dòng)手實(shí)踐能力。先消化一段時(shí)間，希望后期與CDA數(shù)據(jù)分析研究院在專題類課程有更多交流和學(xué)習(xí)。