2019年全国高校大数据与人工智能骨干师资研修班已截止报名
推荐参加：2024第二届人工智能产业应用大会

会议时间： 2019-09-23 08:00至 2019-09-28 18:00结束

会议地点：鞍山详细地址会前通知周边酒店预订

主办单位：中国高校大数据教育创新联盟

行业热销热门关注看了又看换一换

会议介绍
会议内容主办方介绍

2019年全国高校大数据与人工智能骨干师资研修班宣传图

2019年全国高校大数据与人工智能骨干师资研修班

一、培训目标及特点

1、为参训教师提供大数据教学领域全套工具、服务、平台、数据、案例及在线课程等资源，为在高校开展大数据教育工作、培养大数据人才的教师提供深入培训及交流机会。后续将为学校开展大数据相关课程设计与实践提供完整的解决方案和全方位授课支持。

2、本次培训采用线上线下结合的方式，基础课程放在线上可以随时随地不限次学习、巩固夯实专业基础；线下课程采用案例实战教学并提供全程课程录屏视频，既完善了全体系培训课程又最大程度的提升线下集中培训的课程品质，让参训学员一次学习最大限度的获取收益。

3、本次培训将系统讲授大数据人工智能课程知识体系、授课方法、实验环境搭建、基础编程、实训实验室建设、高校课程公共服务平台资源使用指南等方面的内容，使学员能够深入了解当下大数据与人工智能技术在世界范围内的最新发展水平，理解大数据与人工智能技术在当代各种相关产品中的应用，并掌握该领域最关键技术的原理，以及技术应用过程，旨在帮助参加培训的教师快速建立对相关课程的整体性认识，为高校备课和顺利开课、科研和项目开发工作打下坚实基础。

4、本次培训课程内容以“鱼骨教学法”进行编排设计，所有课程将围绕真实企业项目展开，强调培训的实战性和真实性。让教师亲身接触企业一线工作场景，充分提升教师的实践教学能力。本次学习为每位参训学员提供系统的院校大数据及人工智能专业建设方案，帮助各高校在专业课程体系建设提供全方位、强有力的教学资源支持。

5、本次课程通过讲授、研讨、动手实操，行业名企实地参观考察多种灵活有效的教学方式，加强大数据专业师资队伍的建设，提升教师教学创新思维。了解大数据及人工智能岗位目前的就业形势、前景及所需相关技能，了解企业实际需求，并参与一个实际项目的全过程，将培训转化成教学成果，运用到教师自己后续的教学当中去，全部提升教师实践教学能力。

6、了解高校大数据人工智能专业的教材、实验室、实训室建设内容、产品、科研和创新创业最新讯息，本次学习为每位参训学员提供大数据教学实训平台试用账号、课程建设与程序设计的相关资源，丰富已开设大数据专业院校课程体系。

注：所有学员自带笔记本电脑(Windows7或以上操作系统（64位）、4G+内存)、紧跟老师上课过程操作练习，完全学会经典案例开发技术，使用以上工具软件开发应用。

二、研修对象

各高等院校大数据、人工智能相关学科、计算机、网络通信、自动化、电子工程、数理统计等专业的科研、教学带头人、骨干教师、博士生、硕士生、本科生、大专生；

从事计算机、云计算、大数据、人工智能、互联网等相关领域项目的科研院所的项目负责人、科研人员、工程技术人员等。

三、时间地点

时间：2019年9月23-28日（9月23日全天报到）

地点：辽宁科技大学电子与信息工程学院（辽宁省鞍山市千山中路185号）

备注：培训地点距离沈阳80公里，培训班有专车负责从沈阳接送到培训地点，或者乘坐其它交通工具直达鞍山。

四、证书颁发

学员经培训考试合格后，可以获得由工业和信息化部教育与考试中心颁发“高级大数据分析师”专项技术证书，证书可登录国家工信部考试中心官网查询，全国通用，该证书可作为教师岗位聘任、定级的参考。

中国高校大数据教育创新联盟

中国高校大数据教育创新联盟是针对全国高校开展有关大数据技术、数据科学及智能科学相关的课程开发、共享等相关活动，促进联盟成员师生大数据相关教学活动，实现高校大数据产业“产”、“学”、“研”、“创”的全面发展，切实推进高校师生大数据领域科研创新、成果转化、技术应用的能力的一个公益性社会组织。

会议日程（最终日程以会议现场为准）

第一部分：线上实习（基础部分共计15个课时）		学习时间	报名后即可开始学习
学习地址（Python快速入门），备注：该部分内容是前导课，请一定提前学习。
模块	内容			课时
Python基础	1 准备工作 1.1 认识Python 1.2 搭建Python环境 1.3 安装PyCharm并创建一个应声虫程序 2 Python基础知识 2.1 掌握Python固定语法 2.2 创建字符串变量并提取里面的数值 2.3 计算圆形的各参数 3 Python数据结构 3.1 创建一个列表（list）并进行增删改查操作 3.2 转换一个元组（tuple）并进行取值操作 3.3 创建一个字典（dict）并进行增删改查操作 3.4 将两个列表转换为集合（set）并进行集合运算 4程序流程控制语句 4.1实现考试成绩划分 4.2实现一组数的连加与连乘 4.3使用冒泡排序法排序 4.4实训（猜数字游戏） 5 函数 5.1自定义函数实现输出方差 5.2使用匿名函数添加列表元素 5.3存储并导入函数模块 6 面向对象 6.1 认识面向对象编程 6.2 创建Car类 6.3 创建Car对象 6.4 迭代Car对象 6.5 产生Land_Rover对象（子类） 7 文件基础 7.1 认识文件 7.2 读取txt文件中的数据 7.3 保存数据为csv格式文件 7.4 认识os模块			15
第二部分：线下实战（实部分共计40个课时）		学习时间	9月23-28日
日期	内容			时间
第一天	报到			全天
第二天	大数据人才培养方案/课程设置分享			09:00-09:30
	实战任务说明及启动			09:30-09:45
	Python数据分析与应用 1 Python数据分析概述 1.1认识数据分析 1.2熟悉Python数据分析的工具 1.3安装Python3的Anaconda发行版 1.4掌握Jupyter Notebook常用功能 2 NumPy数值计算基础 2.1认识NumPy数组对象ndarray 2.2认识NumPy矩阵与通用函数 2.3利用NumPy进行统计分析 3 Matplotlib数据可视化基础 3.1了解绘图基础语法与常用参数 3.2分析特征间的关系 3.3分析特征内部数据分布与分散状况 4 Pandas统计分析基础 4.1读写不同数据源的数据 4.2掌握DataFrame的常用操作 4.3转换与处理时间序列数据 5 使用Pandas进行数据预处理 5.1合并数据 5.2清洗数据 5.3标准化数据 5.4转换数据 6使用scikit-learn构建模型 6.1使用sklearn转换器处理数据 6.2构建并评价聚类模型 6.3构建并评价分类模型 6.4构建并评价回归模型 7 航空公司客户价值分析 7.1了解航空公司现状与客户价值分析 7.2预处理航空客户数据 7.3使用K-Means算法进行客户分群			09:45-12:00 14:00-17:00
第三天	机器学习与人工智能 1 机器学习介绍 1.1有监督学习：分类、回归 1.2无监督学习：聚类 1.3半监督学习 1.4强化学习 2 机器学习案例：基于文本内容的垃圾短信识别 2.1目标分析 2.2数据准备 2.3特征工程 2.4模型训练与调优 2.5性能度量与模型评估 TensorFlow实战 1 TensorFlow安装与入门 1.1 TensorFlow环境搭建 1.2 TensorFlow计算模型性:计算图 1.3 TensorFlow数据模型:张量Tensor 1.4 TensorFlow运行模型:会话 2 TensorFlow数据类型 2.1 常量、变量及其构建 2.2 TensorFlow实现线性回归模型 2.3 操作：TensorFlow实现鸢尾花分类 3 TensorFlow实现多层神经网络 3.1 BP神经网络模型(Back Propagation) 3.2 操作：利用TensorFlow构建BP网络模型实现鸢尾花分类 4 手写数字识别 4.1 图片预处理 4.2 占位符:placeholder 4.3 操作：利用TensorFlow实现SoftMax网络对手写数字识别			09:00-12:00 14:00-17:00
第四天	深度学习经典算法案例实战 1 卷积神经网络CNN 1.1卷积神经网络(CNN)简介 1.2 CNN关键结构:卷积层与池化层 1.3 经典卷积网络模型: LeNet-5 1.4 图像数据处理 1.5 操作：利用CNN进行手写数字识别 2案例：基于深度神经网络CNN的人脸识别 1.1 案例背景及目标 1.2 数据准备（opencv-python） 1.3 人脸检测及数据转化 1.4 CNN网络模型训练与保存 1.5 模型加载与调用 1.6 人脸实时识别			09:00-12:00 14:00-17:00
第五天	企业案例：电商网站智能客服应用 1 案例背景介绍 1.1 案例背景 1.2 系统架构及流程 1.3 数据介绍及分析目标 2 词表征（Word Representation） 2.1 词表征的背景与应用 2.2 one-hot编码 2.3 word2vec原理及实现 2.4 练习：word2vec实现 3 数据预处理 3.1 分词、去除停用词、近义词处理 3.2 生成词向量（Word2Vec） 3.3 构造文本相似度基本特征 4 深度学习挖掘语义特征 4.1 词向量组合相似度 4.2 基于循环神经网络（RNN）编码的相似度计算 5 集成学习建模 6 模型评价与优化			09:00-12:00 14:00-17:00
第六天	大数据企业参观访学

会议嘉宾（最终出席嘉宾以会议现场为准）

师资介绍

张敏广州泰迪智能科技有限公司高级数据分析师、培训总监，从事用户数据分析和数据挖掘工作六年，具有丰富的大数据挖掘理论及实践培训经验，对数据具有较高的敏感度，根据数据对其进行全面的统计分析。精通Python、R语言、Matlab等多种数据挖掘工具。擅长市场发展情况监控、精确营销方面的数据挖掘工作。有为南方电网、珠江数码等大型企业长期提供实施服务的经验，主导了电子商务网站用户行为分析及网页智能推荐服务、中医证型关联规则挖掘、电信业务话单量预测、航空公司客户价值分析等多个项目。2017年“泰迪杯数据挖掘挑战赛教练员培训”主讲讲师，2018年广东省Python与深度学习技术师资培训班主讲讲师，先后负责过西安理工大学、广东工业大学、广西师范学院、广西科技大学、闽江学院、广东石油化工学院、上海健康医学院等高校实训课程及德生科技等企业内训和数据挖掘就业班的课程。组织、参与编写图书《Python编程基础》、《Python数据分析与应用》、《R语言编程基础》等。

张玉宏 副教授，电子科技大学博士学位，美国西北大学访问学者，中国计算机协会（CCF）会员，YOCSEF郑州2018~2020年度副主席，ACM/IEEE会员。《品味大数据》《深度学习之美》作者。主要研究方向为大数据、人工智能、技术哲学。发表学术论文30余篇，国内外学术专著7部。云栖社区专栏作家，博文累计阅读逾百万次。授课经验丰富，风趣幽默，深得师生欢迎。

杨惠广州泰迪智能科技有限公司高级数据分析师，具备丰富的培训经验，曾为多家企业、院校服务过专业培训工作。如PPV商业培训、泰迪大数据师资培训、珠海城职院数据分析培训等。从事数据挖掘工作五年，擅长文本挖掘及深度神经网络RNN，熟悉常用机器学习算法原理及应用，如神经网络、SVM、决策树、贝叶斯等算法；精通R、Python、MATLAB等常用数据挖掘处理工具。具有丰富的实践项目经验。如“京东电商产品评论情感分析”项目；“珠江数码大数据营销推荐应用”项目；“电子商务网站智能推荐服务”项目。

律波广州泰迪智能科技有限公司高级数据分析师，应用统计学硕士，有较强的统计学、数据挖掘理论功底；精通R、python、spss、Excel等数据挖掘分析工具，擅长pandas、matplotlip、numpy的模块进行数据处理；擅长从数据中发掘规律，对数据具有较高的敏感度，逻辑思维能力强，擅长数据可视化，机械学习算法原理的实现，如神经网络、SVM、决策树、贝叶斯等；负责“泰迪杯”数据挖掘大赛题目的构思和实现；负责“珠江数码大数据营销推荐应用”项目，完成标签库的构建及产品推荐模型；负责多个本科类院校数据分析软件培训和毕业生数据分析培训。