数据分析+人工智能

课程内容：

数据分析-基础内容

数据分析-模块学习

数据分析-数据清洗

数据分析-特征工程和结果可视化

人工智能—机器学习

人工智能—深度学习

人工智能—拓展课程

培养目标：

掌握数据分析涉及到的相关概念，了解如何获取数据以及特征工程，熟悉相关模块的使用； 能够认识数据、了解数据的合并、清洗、标准化与转换等常用操作；了解可视化过程；图形绘制 ；掌握Matplotlib模块、常用的机器学习算法，深入接触项目案例，在理解算法的基础上，掌握算法在实际项目中的应用 掌握 PaddlePaddle 基本概念，计算模型和原理；能够通过PaddlePaddle进行深度学习和模型构建与训练 ；掌握训练过程优化方法与问题优化，结合AI行业发展现状，拓展最为前沿的AI技术，开阔学员的视野。

许老师

优就业VR/AR游戏开发高级讲师、大前端高级讲师

原大型旅游类互联网企业开发工程师

某大型旅游类互联网企业HTML5开发工程师，项目实战经验丰富，负责过某旅游APP产品H5页面开发，H5小游戏开发。设计的多个H5旅游活动页面访问人数达上百万。后担任Web前端讲师，在教育行业积累了丰富的教学经验，曾主导研发某教育机构H5整套课程，累计授课学员达数千人，口碑极佳。

授课风格：授课有激情，善于引导学生思考，极具耐心，责任心。

教学体系

优就业的所有类别课程，均有针对0基础学员开设的“0基础培训班”和针对已有基础的学员开设的精英培训班。 学员在选课报班时可以根据自己的真实情况，自由选择班次。两种班次的课程体系均根据目标学员的真实能力研发构建，因材施教，让每个学员都能够找到真正适合自己的学习方式。

0基础班：针对无经验、无基础人群，帮助学员掌握一门技能，从而走上自己的职业道路

精英班：帮助学员争取变得更好，无论是在原公司发展，还是跳槽到更好的平台，争取获得更多的机遇。

将列表转换成字符串

teams = ["Packers", "49ers", "Ravens", "Patriots"]

print ", ".join(teams)

>>> 'Packers, 49ers, Ravens, Patriots'

函数：

Python的函数支持递归、默认参数值、可变参数，但不支持函数重载。为了增强代码的可读性，可以在函数后书写“文档字符串”(Documentation Strings，或者简称docstrings)，用于解释函数的作用、参数的类型与意义、返回值类型与取值范围等。可以使用内置函数help()打印出函数的使用帮助。比如：

>>> def randint(a, b):

... "Return random integer in range [a, b], including both end points."...

>>> help(randint)

Help on function randint in module __main__:

randint(a, b)

Return random integer inrange[a, b], including both end points.