西安IT培訓學校
- 已與國內20000余家IT相關企業(yè)建立人才輸送合作關系
- 擁有全國一體化保障服務,成為學員信賴的IT職業(yè)教育品牌
- 年培養(yǎng)優(yōu)質人才20000余人,合作院校超600所
全國學習專線 8:00-22:00
西安千峰IT培訓為學員設置Python培訓班，開創(chuàng)多學科聯(lián)合項目，實力鑄就學員實戰(zhàn)真技能，打造Python人工智能+數(shù)據(jù)分析特色生態(tài)項目庫，以真實企業(yè)需求要求功能實現(xiàn)，確保項目無BUG，流暢運行，讓學員順利畢業(yè)。
勝任職位：初級數(shù)據(jù)分析師、數(shù)據(jù)庫管理
薪資待遇：8K-12K
勝任職位：中級數(shù)據(jù)分析師、數(shù)據(jù)倉庫
薪資待遇：10K-15K
勝任崗位：高級數(shù)據(jù)分析師、數(shù)據(jù)建模、機器學習算法工程師
薪資待遇：15K-30K
勝任職位：爬蟲工程師
薪資待遇：12K-15K
課程階段
課程內容
課程案例
掌握技能
Python入門（1周）
用Python模塊turtle繪圖
多啦A夢
'海龜'繪圖turtle的使用
小黃人
PIL的使用
拼圖
對圖片的處理
圖片鏡像
石雕圖
Python操作excel
篩選excel文件中的數(shù)據(jù)
快速便捷操作excel表
人口統(tǒng)計
Python生成報表
柱狀圖
根據(jù)數(shù)據(jù)分析得出報表
餅狀圖
折線圖
漏斗圖
Python發(fā)送短信和郵件
利用互億無線觸發(fā)短信接口發(fā)送驗證碼短信
掌握發(fā)送短信的與郵件的操作,在程序中以短信或者郵件形式發(fā)送驗證碼
利用smtp發(fā)送郵件
郵件群發(fā)
快速建站（1周）
HTML常用標簽
段落的顯示
掌握HTML常用標簽的結構,簡單搭建頁面
超鏈接錨點跳轉
表格數(shù)據(jù)
登陸注冊的表單
CSS常用樣式
隔行變色的表格
掌握CSS布局格式,完成簡單的頁面布局
陰影文本
照片墻
百度頁面的布局
JavaScript入門
表格數(shù)據(jù)編輯與刪除
掌握DOM 操作
掌握事件的處理
掌握請求處理
評論字數(shù)的限制
輪播圖
請求新聞列表
Flask快速建站(上)
搭建博客的基本網(wǎng)站
MTV框架結構的了解
對象關系映射的了解
注冊登錄的實現(xiàn)
Flask快速建站(下)
博客的發(fā)布
表的關系映射
課程階段
課程內容
課程案例
掌握技能
商業(yè)數(shù)據(jù)可視化（5周）
Excel業(yè)務分析
Excel基礎技能
數(shù)據(jù)分析基礎工具
數(shù)據(jù)分析理論體系
數(shù)據(jù)分析常用指標
數(shù)據(jù)分析報告制作
Excel數(shù)據(jù)處理
Excel函數(shù)
Excel繪圖+Excel透視表
數(shù)據(jù)分析方法論+常用指標+數(shù)據(jù)分析報告
Power BI
PowerBI初級應用-可視化報告生成
PowerBI常用數(shù)據(jù)分析操作 使用PowerBI制作數(shù)據(jù)分析報告
PowerQuer數(shù)據(jù)清洗、零售業(yè)經(jīng)營現(xiàn)狀分析
PowerBI圖表鉆取、編輯交互、餐飲銷售情況分析
PowerPivot交叉分析
PowerBI可視化
MySQL
MySQL建庫和建表
掌握MySQL常用操作 使用MySQL進行數(shù)據(jù)分析
MySQL查詢操作
MySQL事務和觸發(fā)器
MySQL視圖索引
MySQL數(shù)據(jù)分析
統(tǒng)計學基礎
描述統(tǒng)計指標、估計、正態(tài)分布及其他常用分布
掌握數(shù)據(jù)分析、機器學習建模的數(shù)學理論基礎
假設檢驗、關聯(lián)分析
方差分析、相關分析
回歸分析
微積分、線性代數(shù)基礎
Tableau
Tableau入門、導航、設計流程、數(shù)據(jù)類型
掌握Tableau常用操作 使用Tableau制作數(shù)據(jù)分析報告
數(shù)據(jù)源導入、數(shù)據(jù)提取、字段操作、元數(shù)據(jù)
工作表操作、Tableau運算
Teableau可視化
Teableau高級應用及銷售可視化分析
SPSS
方差、相關性、回歸分析
掌握SPSS基本操作 初步理解常用建模算法 使用SPSS完成數(shù)據(jù)建模
卡方、邏輯斯蒂回歸、評分卡
特征選擇、主成分分析
客戶畫像、用戶分群
神經(jīng)網(wǎng)絡、決策樹、時間序列分析
Python數(shù)據(jù)科學（6周）
Python基礎語法
安裝環(huán)境、IDE與Jupyter、第三方庫
Python語法python調用數(shù)據(jù)庫數(shù)據(jù)
注釋、行與縮緊、輸出和輸入、變量及賦值
數(shù)值、字符串、布爾值、列表、元組、集合、字典
條件語句、循環(huán)語句、Break、Continue、Pass
錯誤和異常捕捉、錯誤處理方法、異常處理方法
邏輯判斷、數(shù)字處理、序列、類型轉換、系統(tǒng)函數(shù)
函數(shù)定義、函數(shù)參數(shù)、默認參數(shù)、變量作用域
全局變量和局部變量、遞歸函數(shù)、匿名函數(shù)
列表生成式、生成器、高級函數(shù)：map、reduce、filter等
模塊概念介紹、模塊導入、模塊管理、自定義模塊
文件讀寫、利用Python操作文件、Json數(shù)據(jù)解析
time、calendar、datetime
類的定義、類對象、類方法
Python連接數(shù)據(jù)庫的方法及操作
Python數(shù)據(jù)清洗
數(shù)字化Python模塊Numpy
python數(shù)據(jù)清洗 numpy pandas
數(shù)據(jù)分析利器Pandas
Pandas基本操作
Pandas高級操作
Pandas案例分析案例一
Pandas案例分析案例二
Python數(shù)據(jù)可視化
第三方庫:matplotlib、seaborn介紹 python的數(shù)據(jù)可視化
python的數(shù)據(jù)可視化
常用可視化圖形及使用場景
圖形選取標準
Pandas繪圖方法
高級繪圖工具PyEcharts介紹
matplotlib API入門
Figure和Subplot對象
線性圖與散點圖的繪制方法
可視化異常處理
密度圖與等高線圖
頻次直方圖、數(shù)據(jù)區(qū)間劃分和分布密度
圖例配置方法及常用參數(shù)
顏色條配置方法和常用參數(shù)
subplot多子圖繪制方法
文字與注釋、自定義坐標軸方法
配置文件與樣式表
三維圖形繪制方法
Seaborn入門
SeabornAPI介紹
子彈圖制作
環(huán)形圖制作
瀑布圖制作
Bump Char等
Echarts入門
PyEcharts API介紹
PyEcharts 繪圖介紹
Python統(tǒng)計分析
數(shù)據(jù)描述、數(shù)據(jù)分布與統(tǒng)計信息
分析預測 異常值的處理
數(shù)據(jù)角色定位、大數(shù)據(jù)存儲
最小二成估計
關于線性回歸
線性回歸與方差分析
數(shù)據(jù)分析流程
多元線性回歸的假設
正態(tài)分布的問題
異方差問題與處理
異常值問題與處理
共線性問題與處理
內生性問題與處理
logistic回歸與卡方
量大似然估計
logistic回歸解析
評分與預測
分類比例平衡問題
工具變量的使用
啞變量的處理
變量篩選
機器學習（3周）
Python機器學習基礎
數(shù)據(jù)挖掘與機器學習入門
機器學習算法
聚類分析
線性回歸
隨機森林
XGBoost
機器學習概念及分類
機器學習三大要素：模型、策略、算法
模型評估方法概述
KNN基本原理
KNN算法模型
距離類模型中距離的確認
選取k值
模型的構建和評估
模型的優(yōu)化
交叉驗證
學習曲線
歸一化
KNN模型的優(yōu)化
模型優(yōu)化的標準
無監(jiān)督學習與聚類算法
聚類分析概述與簇的概念
距離衡量方法
SSE
聚類目標和質心計算方法
sklearn實現(xiàn)kmeans
MSE
輪廓系數(shù)
DBSCAN基本原理
DBSCAN算法實現(xiàn)
DBSCAN的sklearn實現(xiàn)
混淆矩陣
網(wǎng)絡搜索優(yōu)化
過擬合與欠過擬合
決策樹算法概述及學習過程
特征依據(jù)：香濃熵、信息增益
決策樹的生成：ID3算法、C4.5算法
擬合度優(yōu)化、剪枝、CART算法
決策樹的sklearn實現(xiàn)
金融行業(yè)商業(yè)項目實戰(zhàn)
Python機器學習中級
線性回歸概述
多元線性回歸原理
模型參數(shù)求解方法
回歸模型評價標準
多重共線性與嶺回歸、Lasso
非線性問題及處理方法
多項式回歸
MSE、R^2、最小二乘法、梯度下降
名為"回歸"的分類器
二元邏輯回歸的損失函數(shù)
邏輯回歸的重要參數(shù)
梯度下降求解邏輯回歸最小損失函數(shù)
概率分類器概述
樸素貝葉斯概述
不同分布下的樸素貝葉斯
高斯貝葉斯下的擬合效果與運算速度
多項式樸素貝葉斯及優(yōu)化
AUC、ROC、TF-IDF
關聯(lián)規(guī)則概述：頻繁項集的產生與關聯(lián)發(fā)現(xiàn)
Apriori算法原理
使用Apriori算法發(fā)現(xiàn)頻率項集
協(xié)同過濾概述
協(xié)同過濾算法分類
基于商品的協(xié)同過濾
基于協(xié)同過濾的商品個性化推薦
Python機器學習高級
集成算法概述
隨機森林分類器的實現(xiàn)
機器學習調參思路
MSE、R^2、最小二乘法、梯度下降
數(shù)據(jù)處理概述
數(shù)據(jù)量綱處理：歸一化、標準化、缺失值處理
分類型數(shù)據(jù)處理：數(shù)據(jù)編碼和啞變量
連續(xù)型數(shù)據(jù)處理：二值化與分箱
特征選擇：過濾法、嵌入法、包裝法
SVM概述：SVM工作原理
SVM模型構建
線性SVM
AUC、ROC、TF-IDF
梯度提升樹概述
XGBoost選擇若分類器
求解目標函數(shù)
參數(shù)化決策樹
目標函數(shù)與樹結構的直接關系
XGBoost的剪枝參數(shù)
XGBoost分類樣本不均勻
XGBoost客戶成交量預測
數(shù)據(jù)采集（1周）
數(shù)據(jù)采集
爬蟲類庫requests介紹及使用
xpath\bs4\sjon
slenium
requests
多線程
scrapy
常見網(wǎng)絡請求策略及解析（xpath\bs4\json)
動態(tài)網(wǎng)頁提取
驗證碼、IP池（打碼平臺介紹、驗證碼解決方案）
多線程爬蟲
scrapy框架（一）
scrapy框架（二）
項目類別
項目描述
可解決的問題
可掌握的核心能力
數(shù)據(jù)采集項目實戰(zhàn)
項目周期：2天
開發(fā)時間：6周
項目背景&業(yè)務邏輯
使用python的數(shù)據(jù)采集技術，對精品數(shù)據(jù)進行商品全信息的抓取及保存，為行業(yè)精品分析提供數(shù)據(jù)準備
理解數(shù)據(jù)分析師采集數(shù)據(jù)常用解決方案
掌握數(shù)據(jù)采集的開發(fā)流程
具備數(shù)據(jù)采集的開發(fā)能力
指定采集方案
并發(fā)采集處理
并發(fā)采集處理
用戶訂單預測項目實戰(zhàn)
項目周期：3天
開發(fā)時間：6周
項目背景
對目標客戶的運營數(shù)據(jù)，以行業(yè)常見指標對用戶行為進行分析，包括UV、PV、新增用戶分析、漏斗流失分析、留存分析、用戶價值分析、復購分析等內容；并對數(shù)據(jù)進行建模實現(xiàn)用戶訂單的預測功能
理解用戶訂單預測的分析體系
掌握用戶價值分析的基本方法
掌握用戶訂單預測的常用建模方法
熟練常用數(shù)據(jù)清洗與特征工程的處理辦法
用戶價值分析
數(shù)據(jù)清洗與特征工程
模型建立
方法與實現(xiàn)結果
電商市場數(shù)據(jù)挖掘項目實戰(zhàn)
項目周期：1周
開發(fā)時間：7周
項目背景&業(yè)務邏輯（1天）
通過對目標客戶（拜耳官方旗艦店）的蚊香市場的驅蟲市場的潛力分析、滅鼠殺蟲劑市場的機會點分析、相關競爭的產品分析及輿情分析，進而對目標客戶給出產品的調整方案
理解電商系統(tǒng)數(shù)據(jù)分析體系
掌握電商市場數(shù)據(jù)分析的基本思路
掌握文本分析在電商類數(shù)據(jù)分析中的應用場景
掌握常用特征預處理的思路和方法
指定分析策略（1天）
方法實現(xiàn)與結果（1天）
營銷活動設計及結果評價（1天）
撰寫數(shù)據(jù)分析報告（1天）
金融風險信用評估項目實戰(zhàn)
項目周期：1周
開發(fā)時間：8周
項目背景&業(yè)務邏輯（1天）
信用風險是對交易對手未能履行約定合同中的義務造成經(jīng)濟損失的風險，即受信人不能履行還 本付息的責任而使授信人的預期收益與實際收益發(fā)生偏離的可能性，它是金融風險的主要類型。借貸 場景中的評分卡是一種以分數(shù)的形式來衡量風險幾率的一種手段，也是對未來一段時間內違約、逾期、 失聯(lián)概率的預測。一般來說，分數(shù)越高，風險越小。
理解金融風控系統(tǒng)的完整體系
掌握時間窗口類型的數(shù)據(jù)分析數(shù)據(jù)思路
掌握Logisitc回歸在風控系統(tǒng)的使用方法
掌握風控系統(tǒng)建模類的常用評估指標
熟練常用特征處理的操作方法
建模準備（1天）
數(shù)據(jù)清洗（1天）
模型訓練（0.5天）
模型評估（0.5天）
模型部署與更新（1天）
課程階段
課程內容
掌握能力
解決問題
團隊企業(yè)拓展訓練
參觀企業(yè)
企業(yè)經(jīng)歷，感同身受
融入企業(yè)
對企業(yè)、公司全方位了解
企業(yè)文化
程序員工作場景體驗
企業(yè)合作項目課程
項目經(jīng)理職責介紹
項目開發(fā)流程
提升面試經(jīng)驗
提升工作經(jīng)驗
提升項目經(jīng)驗
項目介紹
項目分工
項目開發(fā)市場
項目上線部署問題
項目運行管理
項目管理課程
項目需求分析
企業(yè)真實項目管理經(jīng)驗
快速進入公司項目開發(fā)角色
項目管理
項目代碼分工合作
項目上線管理
項目迭代管理
職業(yè)素養(yǎng)課程
專業(yè)與素養(yǎng)
職場專業(yè)人士 只會寫代碼的不一定是程序員 專業(yè)的程序員
職業(yè)程序員 程序開發(fā)職業(yè)‘殺手’
培養(yǎng)自己職業(yè)素養(yǎng)
該說‘不’就說‘不’
只說‘是’不說‘試一試’
課程階段
課程目錄
課程介紹
掌握能力
《企業(yè)初認知》
1、公司類型
2、企業(yè)組織架構
3、企業(yè)崗位發(fā)布及招聘流程
4、企業(yè)招聘途徑
5、對標IT職業(yè)人的綜合素養(yǎng)和技術
從準職業(yè)人到標準職業(yè)人，綜合素養(yǎng)和技能缺一不可，如何選擇適合自己的平臺成就以后的職業(yè)提升? 本課程以當下IT企業(yè)公司的文化、架構、管理、要求為切入點，并結合當下公司招聘的流程和招聘要點進行分析，讓學員一開始樹立未來職場目標的同時，更能提前做到知己知彼，穩(wěn)握進入職場的入場券。
通過本課程學習熟悉公司類型，組織架構和本職位相關的工作流程以及公司招聘常用哪些招聘平臺等信息，讓學員對公司有了初步認知，清晰目標，走出舒服區(qū)，努力修煉技能，拿到職場入場券。
《市場行情分析及職業(yè)發(fā)展》
1、市場行情分析
2、崗位招聘需求分析
3、職業(yè)生涯規(guī)劃
4、技術網(wǎng)站拓展
本課程通過分析市場行情，把握每一季的行業(yè)動態(tài)以及深度剖析招聘崗位需求，直擊招聘需求背后的需求，在把握時機、掌握企業(yè)招人動機的前提下規(guī)劃學習從而規(guī)劃自己的職業(yè)生涯，走上事業(yè)巔峰。
通過本課程的學習了解當下知名招聘平臺全國各個城市的招聘需求數(shù)量、薪資分布崗位職責等內容并且360度解讀一名程序員的職業(yè)生涯發(fā)展路線。對從事崗位有了具體、細致的了解，從而有了清晰的規(guī)劃職業(yè)。
《企業(yè)需求及職場規(guī)則》
1、企業(yè)軟需求
2、情商提升
3、職場規(guī)則
當代大學生常說的一句話“畢業(yè)即失業(yè)”，隨著市場經(jīng)濟的深入，正在進入“后學歷時代”，企業(yè)用人目的明確，本課程重點講職場“潛規(guī)則”讓學員在進入職場之前掌握職場生存、提升的精華，從而規(guī)避掉職場陷阱，穿越事業(yè)成功的新途徑。
本課程重點從公司考察的硬實力和軟實力出發(fā)分析需要掌握的技能，同時縱向橫向三位一體的從態(tài)度、言行、微笑等細節(jié)及職場潛規(guī)則等方面解讀讓準職業(yè)人了解職場法則。
《求職禮儀及面試常見問題》
1、求職禮儀
2、薪資構成解讀
3、社保及合同解讀
4、其他職場常見問題
職場禮儀可以提高人文素質,塑造你具有高尚的精神境界和高品位的文化境界。本課程核心關鍵字：溝通、情緒、壓力、態(tài)度等旨在改變人的價值觀、人生觀、個性，提高并維護自我職業(yè)形象，并延伸了很多學員在薪資以及社保等常識問題進行精講，全方位360度為職場護航。
本課程重點講解著裝、談話、儀容、薪資構成以及五險一金、合同等方面講解，從個人形象的打造到熟悉法律法規(guī)保護個人權益，進行全方位解讀，為能進入職場保駕護航。
課程階段
學習內容
掌握能力
解決問題
數(shù)據(jù)挖掘
數(shù)據(jù)挖掘策略分析
掌握數(shù)據(jù)分析、數(shù)據(jù)挖掘、分析商業(yè)數(shù)據(jù)的綜合能力
企業(yè)中數(shù)據(jù)挖掘遇到的瓶頸
數(shù)據(jù)挖掘常用指標
數(shù)據(jù)挖掘業(yè)務分析
大數(shù)據(jù)處理分析
hadoop
掌握海量數(shù)據(jù)存儲、處理、機器學習能力
人工智能海量數(shù)據(jù)數(shù)據(jù)挖掘
大數(shù)據(jù)處理技術
spark
hive
商業(yè)BI決策師
Power BI
學過商業(yè)數(shù)據(jù)收集、管理、分析從而為公司決策提供支持
提升公司決策效率和質量
數(shù)據(jù)是企業(yè)的眼睛
使企業(yè)以更快的反應應對市場變化
Tableau
商業(yè)決策案例
數(shù)據(jù)質量控制
收集、管理、分析
Android移動開發(fā)
基礎UI學習
了解基本的移動端Adroid開發(fā)
項目中移動端問題，溝通和解決得心應手
六大布局
四大組件
用戶交互界面視圖
數(shù)據(jù)存儲
動畫
自定義View
多媒體和相機
高級UI組件
網(wǎng)絡訪問
樣式開發(fā)
多線程通信
IOS移動開發(fā)
UIKit
了解基本的移動端IOS開發(fā)
技不壓身，移動端問題 溝通和解決得心應手
JSON
AFNetworking
UITableView
UITableViewcell
MJRefresh
MJExcetions
社交分享與登錄
消息推送
自定義控件
面向對象
內存管理
Category protocol block copy KVC/KVO ,Foundation框架
自動化運維開發(fā)
監(jiān)控目標
掌握自動化運維概念和操作 Python應用的另一種方面
提升個人全面技能 深度了解項目整體運行情況
監(jiān)控方法
監(jiān)控核心
監(jiān)控工具
監(jiān)控指標
監(jiān)控流程
監(jiān)控報警
報警處理
自動化測試開發(fā)
對Web UI的自動化測試程序
掌握自動化測試基本技術
提升全面技術棧
對Windows窗體UI的自動化測試程序
API測試
數(shù)據(jù)庫測試
接口測試，也叫業(yè)務流程測試（包括功能模塊之間、模塊與模塊之間、子系統(tǒng)之間）
單元測試
性能測試（TPS吞吐量、響應速度、cpu占用率、內存占用率）
負載測試（壓力測試、強度測試、容量測試）
項目描述：只給出半張人臉，使用算法，自動補全另一半人臉，想要掌握這項技能，刑偵部門素描室，往往需要經(jīng)過十幾年的訓練，我們使用算法，以非常核心技術：主要用到一系列回歸算法
業(yè)務：1.pandas數(shù)據(jù)讀取2.異常數(shù)據(jù)清晰、空值處理3.根據(jù)評分表打分4.本地化
技術應用點：1.pandas數(shù)據(jù)分組groupby 2.2.map映射3.pandas數(shù)據(jù)預處理4.4.Excel數(shù)據(jù)預處理5.數(shù)據(jù)分析報告
淘寶用戶行為數(shù)據(jù)分析：
介紹：針對淘寶app的運營數(shù)據(jù)，以行業(yè)常見指標對用戶行為進行分析，包括UV、PV、新增用戶分析、漏斗流失分析、留存分析、用戶價值分析、復購分析等內容；本文使用的分析工具以MySQL為主，涉及分組匯總，引用變量，視圖，關聯(lián)查詢等內容。
業(yè)務：1.基于AARRR漏斗模型，使用常見電商分析指標，從新增用戶數(shù)量、各環(huán)節(jié)轉化率、新用戶留存率三個方面進行分析2.確定影響新增用戶數(shù)量的因素，找到需要改進的轉化環(huán)節(jié)，發(fā)現(xiàn)留存現(xiàn)存問題3.研究用戶在不同時間尺度下的行為規(guī)律，找到用戶在不同時間周期下的活躍規(guī)律4.找出價值的核心付費用戶群，對這部分用戶的行為進行分析5.找到用戶對不同種類商品的偏好，制定針對不同商品的營銷策略
技術應用點：1.AARRR模型2.電商分析常用指標3.Pandas數(shù)據(jù)清洗4.Groupby函數(shù)、交叉表、透視表5.Matplotlib+Searborn可視化
金融公司風控系統(tǒng)：
介紹：信用風險指的是交易對手未能履行約定合同中的義務造成經(jīng)濟損失的風險，即受信人不能履行還本付息的責任而使授信人的預期收益與實際收益發(fā)生偏離的可能性，它是金融風險的主要類型。借貸場景中的評分卡是一種以分數(shù)的形式來衡量風險幾率的一種手段，也是對未來一段時間內違約、逾期、失聯(lián)概率的預測。一般來說，分數(shù)越高，風險越小。
業(yè)務：1.獲取存量客戶及潛在客戶的數(shù)據(jù)2.EDA探索性數(shù)據(jù)分析3.數(shù)據(jù)預處理4.特征選擇+LDA分析5.模型開發(fā)6.模型評估7.模型實施與檢測報告
技術應用點：1.Pandas數(shù)據(jù)分箱操作2.OneHotEncoder獨熱編碼3.Pandas數(shù)據(jù)清洗4.Logistic邏輯斯蒂回歸5.GBDT 6.LDA
購物網(wǎng)站用戶畫像：
介紹：用戶點擊流日志收集、用戶畫像建模、推薦對象畫像建模、數(shù)據(jù)實時計算平臺、數(shù)據(jù)離線計算平臺、推薦算法模型、協(xié)同過濾算法，使用python最流行的scikit-learn實現(xiàn)的聚類分析項目。聚類分析是機器學習中非常重要的算法，此項目主要利用KMeans對附近的用戶進行聚類分析，達到針對不同用戶采用不同的商業(yè)推廣方案的目的。
業(yè)務：1.構建用戶畫像2.用戶行為分析3.用戶推薦系統(tǒng)4.潛在客戶挖掘
技術應用點：1.RFM 2.Kmeans 3.Apriori關聯(lián)分析4.協(xié)同過濾
基于電商用戶文本挖掘：
介紹：想要用產品價值撬動一個用戶，同緯度競爭別家的先發(fā)優(yōu)勢門檻太高，如果別家體量很大，基本可以放棄。創(chuàng)新可能就是剩下的活路，而面對互聯(lián)網(wǎng)的高速發(fā)展，線下需求基本都被互聯(lián)網(wǎng)化，切入點可能就轉移到細分市場。
業(yè)務：1.了解項目公司的背景和對接人員情況2.溝通明確實際的項目需求3.根據(jù)項目需求梳理分析思路4.確定分析工具和人員配置,進行數(shù)據(jù)分析5.撰寫分析結論和方案
技術應用點：1.Jieba分詞2.WordCloud詞云3.樸素貝葉斯4.波士頓矩陣5.Pandas數(shù)據(jù)處理6.Matplotlib+Seaborn可視化處理7.Logistic回歸
目標檢測介紹：
介紹：目標檢測，人臉識別在企業(yè)方方面面都有廣泛應用。在安防，智能家居更是前景廣闊，本案例通過學習Opencv與dlib進行目標檢測與人臉識別。
業(yè)務：1.環(huán)境安裝2.人臉識別，人臉關鍵點識別3.視頻和攝像頭人臉識別4.自己訓練分類器
技術應用點：1.Tensorflow 2.神經(jīng)網(wǎng)絡3.Opencv 4.dlib
（深度學習）圖片風格遷移：
介紹：通過深度學習算法，制作自己的藝術抽象畫。
業(yè)務：1.數(shù)據(jù)準備2.Tensorflow深度神經(jīng)網(wǎng)絡搭建訓練3.模型預測
技術應用點：1.Tensorflow 2.神經(jīng)網(wǎng)絡3.Opencv 4.CNNRNN
千鋒全學科覆蓋企業(yè)項目開發(fā)前端、中臺、后臺全流程，真實承接上下游需求，高效協(xié)作。
跨平臺實施
項目交叉融合，PC端、移動端、智能終端，各平臺功能實現(xiàn)，技能進步看得見！
真場景實操
還原企業(yè)真實開發(fā)場景，從項目立項到部署上線全程參與，不落下每一個開發(fā)環(huán)節(jié)。
高標準驗收
超高驗收標準，以真實企業(yè)需求要求功能實現(xiàn)，確保項目無BUG，流暢運行。
