新一代信息技术正深刻改变着人们的生产、生活、学习乃至思维方式，其朝气蓬勃的产业发展态势和大力度的国家政策鼓励支持，无不揭示了数据智能技术的重要性。人才的培养是新一轮科技较量的基础，高等院校承担着大数据与人工智能人才培养的重任，因此，各高等院校非常重视大数据课程，尽快形成成熟完善的培养方案、课程体系、系列教材、课程师资和实训平台等，是各大高校共同关注的重要事宜。
为推动各院校完善专业建设，解决专业教学中行业案例缺失和实战能力不足等相关痛点问题，泰迪科技基于十余年深耕数据智能产业实践经验，特推出全国高校大数据与人工智能师资研修班。每年在全国范围内滚动开展，截止目前已在全国巡回举办70余场，参训教师近10000人次。2024年第三期全国高校大数据与人工智能师资研修班将开设八个线上专题，一个线下专题(杭州)，现将有关安排通知如下：
一、 课程特色
1、大模型应用：畅想数据智能新未来
紧贴产业前沿，特邀三位专家畅谈大模型应用，分享”ChatGPT教学应用“，”金牌助手ChatGPT，让应用开发更高效“，”大模型（ChatGLM2-6B）.产业应用漫步与畅想“等专题，一起畅想数据智能新未来。
2、企业案例实战+落地实操授课
课程全程强调动手实操，内容以代码落地为主，通过讲解企业级案例，真正让学员把所学内容和工作实际有效结合，从而更好地完成自身后续教育教学工作。
3、全方位答疑辅导学习
课程设有答疑交流讨论群，培训期间助教全程辅助教学。线上学习部分每天提供10小时的实时在线答疑辅导，线下学习部分则有主讲老师和助教面对面的帮助。
4、内容从浅及深更易入门
本课程配套有基础知识内容，即使零基础学员也能找到适合自己的学习内容和节奏，快速掌握课程知识和技能。
5、提供课程资源和回看功能
所有课程相关源代码、数据、PPT、案例素材全部提供下载，即学即用，教学更轻松！线上课程内容支持六个月内免费回看，以便复习和参考。
6、满足教学和科研需求
通过技能学习和案例实战，学员将在具体应用场景中全面掌握相关技能，提升实训教学工作德实际动手能力并为后续科研打下坚实基础。
二、课程安排
本次培训共分为线下和线上两种班型，详细课程内容见文末附件课程大纲。
1、线下班(杭州)
混合模式，技能学习课程放置在线上云课堂以便学员系统学习，核心案例实战采用线下形式由讲师亲授同步操作演练。
地点：杭州(详细地点开课前一周发送报到通知)
学时：共计80学时
证书：高级机器学习工程师职业技术证书
费用：3980元/人
学习环境要求：Windows10或以上操作系统(64位)，8G+内存
3、Python网络爬虫实战
4、Python机器学习实战
5、Python特征工程实战(拓展)
6、新浪财经数据采集(拓展)
7、特别内容：
(1) ChatGPT教学应用
(2) 金牌助手ChatGPT，让应用开发更高校
(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想
1、核心技能串讲与巩固
2、泰迪内推平台招聘信息采集与分析
3、某外卖平台优惠券使用预测
4、实战演练：天猫用户重复购买预测(从理论到实践)
2、线上班(八大专题)
教学视频六个月有效期可反复观看学习，同步提供配套资源，线上学习无需脱产，可灵活安排时间。
学时：共计88学时
证书：高级人工智能应用工程师职业技术证书
费用：2480元/人
学习环境要求：Windows10或以上操作系统（64位），8G+内存
3、Python机器学习实战
4、大模型提示工程
5、大模型教学应用
6、PyTorch框架基础实战
7、大模型原理与实现
8、特别内容：
(1) ChatGPT教学应用
(2) 金牌助手ChatGPT，让应用开发更高校
(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想
2 基于大模型微调的命名实体识别
3 基于大模型的而金融问句语义相似度计算
4 基于Transformer的疫情问诊系统自动翻译实现(拓展)
学时：共计88学时
证书：高级Python应用工程师职业技术证书
费用：1980元/人
学习环境要求：Windows10或以上操作系统（64位），8G+内存
3、Pandas数据分析基础
4、Python网络爬虫实战
5、特别内容：
(1) ChatGPT教学应用
(2) 金牌助手ChatGPT，让应用开发更高校
(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想
1 泰迪内推平台招聘信息采集与分析(Python)
2 新浪财经数据采集(八爪鱼工具)
3 汽车质量投诉平台数据采集(八爪鱼工具)
5 网站图像素材采集实战(拓展)
学时：共计80学时
证书：高级机器学习工程师职业技术证书
费用：1980元/人
学习环境要求：Windows10或以上操作系统（64位），8G+内存
3 Pandas数据分析基础
4 Python机器学习实战
5 Python特征工程实战（拓展）
6 特别内容：
(1) ChatGPT教学应用
(2) 金牌助手ChatGPT，让应用开发更高校
(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想
1 网络入侵用户自动识别
2 百货商场用户画像描绘与价值分析
3 天猫用户重复购买预测
4 泰迪内推平台信息精准推荐应用
学时：共计88学时
费用：1980元/人
学习环境要求：Windows10或以上操作系统（64位），8G+内存
3 Python数据分析实训
4 商务数据分析概述
5 特别内容：
(1) ChatGPT教学应用
(2) 金牌助手ChatGPT，让应用开发更高校
(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想
1 牛刀小试-T公司运营数据分析与业务决策
2 回归分析-某市财政收入预测
3 聚类分析-对某航空公司客户分群
4 分类分析-运营商用户流失判别
5 关联规则-购物篮商品推荐
6 协同过滤-新闻网站用户个性化推荐应用
学时：共计88学时
证书：高级人工智能应用工程师职业技术证书
费用：2480元/人
学习环境要求：Windows10或以上操作系统（64位），8G+内存
3 Python机器学习实战
4 PyTorch框架基础实战
5 PyTorch深度学习原理与实现
6 特别内容：
(1) ChatGPT教学应用
(2) 金牌助手ChatGPT，让应用开发更高校
(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想
1 脑PET图像分析和疾病预测
2 基于FaceNet的人脸智能识别
3 基于YOLOX的农田害虫图像检测与识别
4 基于YOLOv8的岩石样本图像分割
学时：共计80学时
证书：高级人工智能应用工程师职业技术证书
费用：1980元/人
学习环境要求：Windows10或以上操作系统(64位)，8G+内存
3 Python机器学习实战
4 PyTorch框架基础实践
5 PyTorch深度学习原理与实现
6 特别内容：
(1) ChatGPT教学应用
(2) 金牌助手ChatGPT，让应用开发更高校
(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想
1 基于textCNN的公众健康问句分类
2 新冠疫情期间网民情绪识别
3 基于FaceNet的人脸智能识别
学时：共计88学时
费用：1980元/人
学习环境要求：Windows10或以上操作系统（64位），8G+内存
3 网络舆情与情感分析概述
4 Python机器学习实战
5 Python网络爬虫实战
6 Python文本挖掘实战
7 特别内容：
(1) ChatGPT教学应用
(2) 金牌助手ChatGPT，让应用开发更高校
(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想
2 基于情感分析的疫情期间网民情绪识别
3 网络问政平台数据爬虫
4 智慧政务下的问政舆情分析
学时：共计80学时
费用：1980元/人
学习环境要求：Windows10或以上操作系统（64位），8G+内存
3 Python数据分析基础
4 Python数据分析实训
5 Python机器学习实战
6 特别内容：
(1) ChatGPT教学应用
(2) 金牌助手ChatGPT，让应用开发更高校
(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想
1 上市公司综合评价
2 信用卡高风险客户分析
3 金融客户产品购买预测
三、证书颁发
学员经培训并考试合格后，可以获得由工业和信息化部教育与考试中心颁发的相应职业技术证书，证书可登录工业和信息化部教育与考试中心官网查询。
五、报名须知与联系方式
1、报名材料：报名申请表、身份证复印件、两寸近期正面免冠彩色半身证件照电子版(要求：白色背景底，14-20K大小的.JPG格式)。
2、本次由广东泰迪智能科技股份有限公司收取费用并开具发票。
3、报名联系方式
联系人：曾老师 电 话：13246821827
全国高校大数据与人工智能师资研修班报名申请表
专题选择
(线上/线下)
是否住宿
(单间/标间)
费用
支付方式
附件一 线下班课表
<线下杭州班>数据采集与机器学习实战(Python)课程大纲
时间：报名成功后即可开始学习
1 认识Python
2 编写Python程序
3 认识Python数据结构
4 条件判断及分支语句
5 使用def定义函数
6 认识面向对象
7 读取文件数据
8 模块和第三方库
1 Python数据分析概述
2 NumPy数值计算基础
3 Matplotlib数据可视化
4 Pandas统计分析基础
5 使用Pandas进行数据预处理
时间：4月21日 (09:00 - 18:00)
Python网络爬虫实战
1 Python爬虫环境与爬虫简介
1.1 认识爬虫
1.2 认识反爬虫
1.3 配置Python爬虫环境
2 网页前端基础
2.1 认识网络信息传输过程
2.2 认识HTTP
3 简单静态网页爬取
3.1 认识静态网页
3.2 实现HTTP请求
3.3 解析网页
3.4 存储数据
4 认识动态网页
4.1 认识动态网页
4.2 逆向分析爬取动态网页
4.3 使用Selenium库爬取动态网页
拓展
时间：4月22日 (09:00 - 18:00)
Python机器学习实战
1 机器学习绪论
1.1 引言
1.2 基本术语
1.3 假设空间&归纳偏好
2 模型评估与选择
2.1 经验误差与过拟合
2.2 评估方法
2.3 性能度量
2.4 性能度量Python实现
3 回归分析
3.1 线性回归基本形式
3.2 线性回归模型的Python实现
3.3 波士顿房价预测的Python实现
3.4 逻辑回归介绍
3.5 研究生入学录取预测的Python实现
4 决策树
4.1 从女士相亲到决策树
4.2 明天适合打球吗
4.3 决策树拆分属性选择
4.4 决策树算法家族
4.5 泰坦尼克号生还者预测-数据预处理
4.6 泰坦尼克号生还者预测-模型构建与预测
时间：4月23日 (09:00 - 18:00)
5 人工神经网络
5.1 单个神经元介绍
5.2 经典网络结构介绍
5.3 神经网络工作流程演示
5.4 如何修正网络参数-梯度下降法
5.5 网络工作原理推导
5.6 网络搭建准备
5.7 样本从输入层到隐层传输的Python实现
5.8 网络输出的Python实现
5.9 单样本网络训练的Python实现
5.10 全样本网络训练的Python实现
5.11 网络性能评价
5.12 调用sklearn实现神经网络算法
拓展
6 支持向量机
7 聚类
8 集成学习
拓展内容：
特征工程
1 特征工程介绍
2 数据预处理
3 特征构建
4 特征选择
5 降噪与特征转换
6 特征学习
新浪财经数据采集(八爪鱼工具)
1 背景与目标
2 目标分析
3.1 八爪鱼采集器介绍与安装
3.2 菜单栏和模板任务
4.2 自定义任务主界面介绍
4.2 新建自定义任务
4.3 自动识别爬虫字段
4.4 手动配置爬虫字段
4.5 翻译设置
4.6 二级页面爬取
4.7 进入二级页面的注意事项
4.8 数据预览操作
4.9 流程图操作
4.10 自定义任务保存
5.1 数据采集与导出
5.2 任务设置和保存
6 小结
特别内容
(1) ChatGPT教学应用
(2) 金牌助手ChatGPT，让应用开发更高校
(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想
核心技能串讲与巩固
1 Python爬虫环境与爬虫简介
2 网页前端基础
3 简单静态网页爬取
泰迪内推平台招聘信息采集与分析
1 背景与目标
2 数据采集
2.1 网页结构探索
2.2 定位一级页面数据地址
2.3 爬取及解析一级页面数据
2.4 提取一级页面字段
2.5 定位二级页面数据地址
2.6 爬取及解析二级页面数据
2.7 翻页爬取及数据保存
3 数据处理
3.1 读取已爬取完成的数据
3.2 数据预处理操作
核心技能串讲与巩固
1 机器学习绪论
2 机器学习模型构建
3 模型评估与选择
4 集成学习
某外卖平台优惠券使用预测
1.1 背景与挖掘目标
2.1 工程环境准备
2.2 缺失值处理和数据去重
2.3 数据分布探索
3.1 特征工程介绍
3.2 原始特征
3.6 离散型特征处理
4.1 建模前的数据处理
4.2 模型构建技巧
4.3 模型构建
4.4 网格搜索
4.5 模型训练和评估
4.6 模型优化
4.7 模型应用
5 小结
天猫用户重复购买预测：从理论到实践
1 背景与目标
2 数据探索
3 构建样本标签
4 特征构建
5 模型构建
6 模型性能评估
7 模型预测
8 结果提交
1 职业技术考试
2 企业参观
跳转至线下班课程安排
附件二 线上班课表
专题一 大模型技术与应用实战课程大纲
1 认识Python
2 编写Python程序
3 认识Python数据结构
4 条件判断及分支语句
5 使用def定义函数
6 认识面向对象
7 读取文件数据
8 模块和第三方库
1 Python数据分析概述
2 NumPy数值计算基础
3 Matplotlib数据可视化
4 Pandas统计分析基础
5 使用Pandas进行数据预处理
专题讲座
计算机视觉技术及其应用
Python机器学习实战
1 机器学习绪论
1.1 引言
1.2 基本术语
1.3 假设空间&归纳偏好
2 模型评估与选择
2.1 经验误差与过拟合
2.2 评估方法
2.3 性能度量
2.4 性能度量Python实现
3 回归分析
3.1 线性回归基本形式
3.2 线性回归模型的Python实现
4 人工神经网络
4.1 单个神经元介绍
4.2 经典网络结构介绍
4.3 神经网络工作流程演示
4.4 如何修正网络参数-梯度下降
4.5 网络工作原理推导
4.6 网络搭建准备
4.7 样本从输入层到隐层传输的Python实现
4.8 网络输出的Python实现
4.9 单样本网络训练实现
4.10 全样本网络训练实现
4.11 网络性能评价
4.12 实现神经网络算法
大模型提示工程
1 大模型与AIGC介绍
1.1 大模型的定义
1.2 大模型的前世今生
1.3 大模型爆火的原因
1.4 大模型原理介绍
1.5 AIGC与PGC、UGC
2 国内外主流大模型工具介绍与使用(文心一言、通义千问、讯飞星火、豆包、智普清言、WPS AI 、GPT系列)
3 提示词工程
3.1 提示词介绍
3.2 技巧1：扮演专家角色
3.3 技巧2：告诉大模型你的身份
3.4 技巧3：提供充分的背景信息
3.5 技巧4：指定大模型的输出范式
3.6 技巧5：让大模型一步步思考
3.8 技巧7：用结构化方式生成提示词
3.9 练习：让大模型帮你生成课程方案
4 拓展内容(线上学习)
4.1 AI绘画场景实操
4.2 图像连续创作实操
时间：4月20日(09:00 - 18:00)
大模型教学应用
1 课程教案撰写
2 题库提目生成
3 文献阅读助手
4 辅助编程
5 数据分析应用
时间：4月21日(09:00 - 18:00)
PyTorch框架基础实践
1 PyTorch简介
2 张量操作
2.1 创建张量
2.2 张量与数组相互转化
3 构建一个线性模型
3.1 任务描述：构建线性模型
3.2 读取数据
3.3 构建初始模型及损失函数
3.4 test-构建优化器
3.5 构建优化器
3.6 最小化方差(训练)
3.7 执行多轮训练
3.8 训练过程可视化
4 识别手写数字
4.1 案例目标与流程
4.2 加载数据
4.3 加工数据
4.4 模型结构介绍
4.5 构建模型
4.6 模型配置
4.7 模型训练
4.8 执行多轮训练
4.9 模型性能评估
4.10 保存模型
4.11 加载模型
4.12 模型应用
大模型原理与实现
1 基础模型(大模型)简介
2 万模基座Transformer
3 生成式预训练模型GPT
4 双向编码模型BERT
5 Transformer应用
拓展内容
PyTorch深度学习原理与实现
1 引言
2 循环神经网络RNN
3 长短时记忆网络LSTM
特别内容
(1) ChatGPT教学应用
(2) 金牌助手ChatGPT，让应用开发更高校
(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想
1 背景与目标
2 目标分析
3 模型部署与测试
3.1 模型下载
3.2 权重下载
3.3 环境准备
3.4 预训练模型测试
4 数据准备
4.1 数据格式说明
4.2 数据格式转化
5 模型微调训练
5.1 模型训练参数说明
5.2 模型微调
6 模型保存与测试
基于大模型微调的命名实体识别
1 背景与目标
2 目标分析
3 模型准备
3.1 环境准备
3.2 权重下载
4 数据准备
4.1 数据格式说明
4.2 数据格式转化
4.3 构建Dataset
5 模型微调训练
5.1 构建模型训练函数
5.2 构建模型测试函数
5.3 模型训练
5.4 模型测试
6 小结
基于大模型的金融问句语义相似度计算
1 案例背景及挖掘目标
2 语义文本相似度
3.1 预处理：文件加载
3.2 预处理：错别字纠正
3.3 预处理：数据类型转化与长度统计
3.4 预处理：数据准备
3.5 加载预训练模型
3.6 定义损失函数
3.7 模型训练
3.8 模型预测
3.9 模型评估
4 小结
拓展内容：
基于Transformer的疫情问诊系统自动翻译实现
1.1 机器翻译发展历程
1.2 任务目标及实现流程
2.1 数据加载
2.2 数据拆分
2.3 预训练模型介绍
2.4 Tokenizer介绍
2.5 Tokennizer调用实现
3 预训练模型加载
4.1 定义模型训练参数
4.2 定义数据收集器
4.3.1 BLEU值概念与计算
4.3.2 定义BLEU值
4.4 模型训练
5.1 模型推理
5.2 小结
职业技术考试
跳转至课程安排
专题二 数据采集与处理实战（Python&八爪鱼）课程大纲
1 认识Python
2 编写Python程序
3 认识Python数据结构
4 条件判断及分支语句
5 使用def定义函数
6 认识面向对象
7 读取文件数据
8 模块和第三方库
1 Python数据分析概述
2 NumPy数值计算基础
专题讲座
计算机视觉技术及其应用
Pandas数据分析基础
1.1 掌握绘图基础语法与常用参数
1.2 分析特征间关系
1.3 分析特征内部数据分布与分散情况
2 Pandas统计分析基础
2.1 Pandas简介
2.2 读写不同数据源的数据
2.3 数据框与数据框元素
2.5 使用分组聚合进行组内计算
2.6 创建透视表与交叉表
3 使用Pandas进行数据与预处理
3.1 合并数据
3.2 清洗数据
3.3 标准化数据
3.4 转换数据
Python网络爬虫实战
1 Python爬虫环境与爬虫简介
1.1 认识爬虫
1.2 认识反爬虫
1.3 配置Python爬虫环境
2 网页前端基础
2.1 认识网络信息传输过程
2.2 认识HTTP
3 简单静态网页爬取
3.1 认识静态网页
3.2 实现HTTP请求
3.3 解析网页
3.4 存储数据
4 认识动态网页
4.1 认识动态网页
4.2 逆向分析爬取动态网页
4.3 使用Selenium库爬取动态网页
拓展
6 Scrapy爬虫
6.1 认识Scrapy
6.2 通过Scrapy爬取基本页面信息
6.3 通过Scrapy抓取跳转页面数据
7 拓展：终端协议及爬取工具介绍
拓展内容
网站图像素材采集实战
1 思路介绍
2 单个图片文件爬取
3 获取一个页面所有图片网址
4 保存所有图片
5 翻页爬取更多数据
6 PDF文件规律及问题
7 PDF翻页刷新的网址规律
8 获取当前页所有图片网址
9 翻页刷新爬取所有图片
10 图片拼接成PDF文件
特别内容
(1) ChatGPT教学应用
(2) 金牌助手ChatGPT，让应用开发更高校
(3) 大模型（ChatGLM2-6B）产业应用漫步与畅想
泰迪内推平台招聘信息采集与分析
1 背景与目标
2 数据采集
2.1 网页结构探索
2.2 定位一级页面数据地址
2.3 爬取及解析一级页面数据
2.4 提取一级页面字段
2.5 定位二级页面数据地址
2.6 爬取及解析二级页面数据
2.7 翻页爬取及数据保存
3 数据处理
3.1 读取已爬取完成的数据
3.2 数据预处理操作
4 分析与可视化
4.1 招聘岗位对学历要求分析
4.2 各行业的大数据招聘需求数量分析
4.3 不同类型公司的薪资待遇分析
4.4 小结
新浪财经数据采集(八爪鱼工具)
1 背景与分析目标
2 目标分析
3.1 八爪鱼采集器介绍与安装
3.2 菜单栏和模块任务
4.1 自定义任务主界面介绍
4.2 新建自定义任务
4.3 自动识别爬虫字段
4.4 手动配置爬虫字段
4.5 翻页设置
4.6 二级页面爬取
4.7 进入二级页面的注意事项
4.8 数据预览操作
4.9 流程图操作
4.10 自定义任务保存
5.1 数据采集与导出
5.2 任务设置和保存
6小结
汽车质量投诉平台数据采集(八爪鱼工具)
1 背景与分析目标
2 数据采集
2.1 投诉网页分析和爬虫思路
2.2 分析翻页网址构造
2.3 自定义翻页网址列表
2.4 配置二级页面跳转位置
2.5 循环点击进入二级页面
2.6 配置二级页面的爬虫字段
2.7 修改字段名称
2.8 任务保存和开始采集
2.9 回顾：整体流程分析
3 数据和任务导出
3.1 查看爬虫任务明细
3.2 数据导出保存
4 总结
1 背景与目标
2.2 数据接口分析
3.1 微博页面接口分析
3.5 多线程爬虫
4 小结
职业技术考试
跳转至线上班课程安排
专题三 大数据分析与机器学习实战(Python)课程大纲
1 认识Python
2 编写Python程序
3 认识Python数据结构
4 条件判断及分支语句
5 使用def定义函数
6 认识面向对象
7 读取文件数据
8 模块和第三方库
1 Python数据分析概述
2 NumPy数值计算基础
3 Matplotlib数据可视化基础
专题讲座
计算机视觉技术及其应用
Pandas数据分析基础
1 Pandas统计分析基础
1.1 Pandas简介
1.2 读写不同数据源的数据
1.3 数据框与数据框元素
1.5 使用分组聚合进行组内计算
1.6 创建透视表与交叉表
时间：4月19日 (09:00 - 18:00)
2 使用Pandas进行数据与预处理
2.1 合并数据
2.2 清洗数据
2.3 标准化数据
2.4 转换数据
Python机器学习实战
1 机器学习绪论
1.1 引言
1.2 基本术语
1.3 假设空间&归纳偏好
2 模型评估与选择
2.1 经验误差与过拟合
2.2 评估方法
2.3 性能度量
2.4 性能度量Python实现
3 回归分析
3.1 线性回归基本形式
3.2 线性回归模型的Python实现
3.3 波士顿房价预测的Python实现
3.4 逻辑回归介绍
3.5 研究生入学录取预测的Python实现
4 决策树
4.1 从女士相亲到决策树
4.2 明天适合打球吗
4.3 决策树拆分属性选择
4.4 决策树算法家族
4.5 泰坦尼克号生还者预测-数据预处理
4.6 泰坦尼克号生还者预测-模型构建与预测
时间：4月21日 (09:00 - 18:00)
5 人工神经网络
5.1 单个神经元介绍
5.2 经典网络结构介绍
5.3 神经网络工作流程演示
5.4 如何修正网络参数-梯度下降法
5.5 网络工作原理推导
5.6 网络搭建准备
5.7 样本从输入层到隐层传输的Python实现
5.8 网络输出的Python实现
5.9 单样本网络训练的Python实现
5.10 全样本网络训练的Python实现
5.11 网络性能评价
5.12 调用sklearn实现神经网络算法
6 支持向量机
6.1 间隔与支持向量
6.2 对偶问题
6.3 核函数
6.4 软间隔与正则化
6.5 支持向量机算法的Python实现
7 聚类算法
7.1 聚类分析概述
7.2 相似性度量
7.3 K-Means聚类分析算法介绍
7.4 利用K-Means算法对鸢尾花进行聚类
7.5 聚类结果的性能度量
7.6 调用sklearn实现聚类分析
拓展
8 集成学习
8.1 集成学习基本概念
8.2 并行集成算法-Bagging&RandomForest