課程名稱：Python基礎及案例應用集訓_高級班

課程類目：Python

課程類型：正式課

授課形式：現場+遠程

免費試聽：是

適合基礎：有Python基礎

上課人數：60

班級名稱：高級班

上課時間：周末8-17點

開班時間：每月開課

課時數量：32

課程亮點

朝九晚九全程跟班答疑、一對一督學、定期直播串講、五分鐘內有問必答、出勤率和進度監督、作業與測試

學習目標

1, 通過4天學習掌握Python案例應用的實操；

2, 課程涉及到了Python在不同案例中的應用，無分店；

3, 涉及文本分析，深度學習，半監督學習，深度學習等Python的前沿應用；

4, 通過案例的講解，真正實現學校授課與實戰的目標。

課程內容

01章利用文本分析進行網絡輿情分析和命名實體識別

01-01文本分析簡介及文本分析流程

01-02中文分詞方法

01-03中文詞性標注方法

01-04關鍵詞提取方法

01-05命名實體識別

01-06文本分析模型實作與比較: 以網絡輿情分析模型及命名實體識別為例

02章利用文本分析進行新聞文件分類及新聞文件摘要，利用深度學習模型建置人臉識別及物體偵測模型

02-01新聞文件分類方法

02-02中文文本摘要方法

02-03人臉識別及應用

02-04OpenCV及Dlib簡介

02-05人臉偵測及人臉68個特征擷取

02-06人臉識別(利用ResNet)

02-07物體檢測與定位及應用

02-08目標檢測技術概述

02-09YOLOv3簡介及COCO 數據集(80類people (人)，bicycle(自行車)，car(汽車)...等數據)

02-10物體定位

02-11物體檢測

02-12文本分析及深度學習模型實作與比較: 以新聞文件分類與摘要及人臉識別及物體偵測模型為例

03章利用半監督學習技術進行電信業客戶流失模型的建置，利用深度學習技術進行信用卡盜刷預測模型建置

03-01傳統監督學習方法與非監督學習方法

03-02半監督學習方法概述

03-03半監督學習模型實作與比較: 以電信業客戶流失模型為例

03-04智能反欺詐概述

03-05反欺詐手法

03-06機器學習方法

03-07深度學習方法

03-08深度學習模型實作與比較: 以信用卡盜刷預測模型為例

04章以利潤Z大化為目標之產品營銷模型的建置，利用集成學習建置小額信貸及信用風險預測模型

04-01傳統模型評估方法與利潤Z大化評估方法

04-02增益圖與利潤圖

04-03利潤Z大化模型實作與比較: 以產品營銷模型為例

04-04傳統學習與集成學習

04-05集成學習的分類：模型融合與機器學習元算法

04-06模型融合模型建置(多數法(Max Voting)、平均法(Averaging)、加權平均法(Weighted Averaging)、堆疊法(Stacking)、混合法(Blending))

04-07機器學習元算法模型建置(袋裝法(Bagging)、袋裝通用法(Bagging meta-estimator)、隨機森林(Random Forest)、提升法(Boosting)、Adaboosting算法、Gradient Boosting算法、XGBoosting算法)

04-08集成學習方法實作與比較: 以小額信貸及信用風險預測模型為例