獻給數據分析及人工智慧領域的職場人:這份宅家秘籍,助你增值自己

職場 發佈 2020-02-09T20:26:17+00:00

以下是我們已上傳的視頻集合:一、Python編程零基礎入門二、CVA®| 科目一 企業估值之市場法估值三、Excel財務建模基礎四、TensorFlow 深度學習框架五、Python機器學習實戰——sklearn專題六、人工智慧之數學基礎:微積分、線性代數、機率論七、人工智慧實戰

疫情當下,數億人坐立難安: 手機不斷被拿起,放下,拿起,放下...

很多人每天看著一些視頻哭得不行, 很可能你的同理心過載了。

不要這樣消耗自己,疫情過後,你還要上班。

這段抗疫宅家的時間,正好給了我們停下來的時機。

停下來是為了更好的前進,現在大家都停下來了,你有沒有為更好的前進做準備呢?

一切終將過去,但過去之後,有的人依然停留在原地,有的人已經疊代升級了。

抗疫宅家的你,何不好好升級自己?下面這份視頻學習清單,希望可以讓宅家的你,實現職場的蛻變,讓自己胖起來的體重,通過學習瘦回來。

一、Python編程零基礎入門

【為什麼要學習Python】

1、風口語言

Python在TIOBE公布最新程式語言排行榜中位居第四位,而在IEEE公布的排行榜中高居第一,是名副其實的人工智慧第一語言。

2、簡單易學

Python語法簡單,入門容易,又具有極高的可讀性、靈活性、可移植性和擴展性。換言之,用C/C++或者Java寫的幾千行才能實現的程序,用Python可能只需要幾百行。

3、無所不能

Python是一門「膠水語言「,這還是一門簡潔優雅、開發效率極高的語言,有很多第三方庫。其廣泛應用於Google、搜狐、知乎、Facebook、豆瓣等。

4、能拿高薪

學會Python,你可以朝著網站開發、網絡編程、圖像處理、科學計算、數據分析、機器學習、人工智慧、網絡爬蟲等多個熱門領域發展,薪資均在15K以上。

【這門課程適合那些人,能解決的核心問題有哪些?】

1、想要學習一門程式語言

你想要通過計算機來製造點有趣的東西,或者讓計算機幫助你實現自己的想法,或者你單純就想選擇一門程式語言來學習,那麼Python是入門最快,應用最廣的選擇,沒有之一。

2、想要入門Python

如果你已經對Python懷有無限憧憬,但是徘徊在各種資料和自學攻略裡面無從下手,在這裡,即便你是零基礎,也能系統地掌握Python,編寫自己的想法。

3、想要入門大數據行業

你想要步入大數據行業,從事這個領域內一些高薪熱門的崗位工作,如數據分析、數據挖掘、機器學習、深度學習;或者只是想利用空餘時間學習一些數據科學技術,保持新時代下的競爭力,那麼Python將是最具性價比的選擇。

【學習計劃】

第一章:Python Anaconda安裝和介紹(學習時間:1天)

1. Python簡介

2. Anaconda和Jupyter notebook的安裝和使用

實踐練習:安裝Anaconda並熟悉jupyter notebook

第二章:Python基礎知識(學習時間:3天)

1. Python變量賦值及數據類型

2. Python數值及方法

3. Python字符串及方法

4. Python數據結構—列表、元組的介紹及操作

5. Python數據結構—字典、集合的操作及介紹

二、CVA® | 科目一 企業估值之市場法估值

1、講師:Richard Liu

CFA、CVA、香港科技大學MBA 特約講師,原知名能源央企海外併購投資估值及評審負責人,20年項目投資、併購及財務模型工作經驗,負責項目股權投資金額累計超過50億美元;中國國際工程諮詢公司特聘專家 翻譯或審譯出版《投資銀行:估值、槓桿收購、兼并與收購》、《財務模型與估值:投資銀行和私募股權實踐指南》、《市場法估值》、《併購之王》等書籍。

2、課程內容

  • 市場法估值概覽
  • 市場法估值主要乘數:權益乘數及企業價值乘數
  • 可比上市公司與可比先例交易
  • 可比上市公司估值步驟詳解
  • 可比上市公司估值應用誤區
  • 可比上市公司估值流動性折價與控制權溢價
  • 可比先例交易估值步驟詳解
  • 可比先例交易估值特點
  • 可比上市公司與可比先例交易估值異同
  • 市場法估值總結

3、適配對象

  • 對市場法估值感興趣的職場人士
  • 準備報考CVA考試科目一的朋友

三、Excel財務建模基礎

1、課程簡介

無論是項目投資決策、槓桿收購還是估值重組都離不開構建財務模型,本課程是對Excel操作不熟練,想進一步追求建模技巧和建模效率的學員的必備提供課程。

本課程涵蓋的Excel財務建模基礎要點包括:

  • Excel操作基礎引申至Excel建模規範
  • 建模常用快捷鍵
  • 建模常用函數

2、適用人士

對Excel建模操作基礎感興趣的人士

工作中涉及Excel建模的人士

正在備考CVA考試的人士

3、課程目標

初步掌握Excel建模操作基礎,掌握建模有關函數

熟練掌握常用快捷鍵,提升建模效率

4、難度等級

基礎

5、講師簡介

Richard Liu

CFA、CVA、香港科技大學MBA 特約講師,原知名能源央企海外併購投資估值及評審負責人,20年項目投資、併購及財務模型工作經驗,負責項目股權投資金額累計超過50億美元;中國國際工程諮詢公司特聘專家; 翻譯或審譯出版《投資銀行:估值、槓桿收購、兼并與收購》、《財務模型與估值:投資銀行和私募股權實踐指南》、《市場法估值》、《併購之王》等書籍

四、TensorFlow 深度學習框架

矽谷專家授課,從開發環境搭建到應用,全面講解TensorFlow相關知識。 零基礎入門,學習知名企業領先技術,挑戰行業成熟實戰項目,在[垂直專業深度],[橫向知識寬度]和[向上創新力度](十字型)三個方向發力,從零掌握DT與AI時代前沿技術,獲得行業領袖的認可與認證,成為當今和未來的搶手人才。

學習目標 :

1、了解TensorFlow基本數據結構。

2、學會使用Tensorflow框架解決分類、回歸等問題等。

3、學會使用卷積神經網絡TensorFlow實現手寫數字識別。

課程對象 :

Tensorflow工程師,人工智慧產品經理、算法工程師、數據分析師、高校相關專業學生與教師。

課程綱要:

第一章:開發環境搭建 第二章:TensorFlow基本數據結構 第三章:TensorFlow實現代碼結構和開發步驟——回歸問題 第四章:TensorFlow深度學習基礎--神經網絡——分類問題 第五章:手寫數字識別的突破——卷積神經網絡TensorFlow實現

五、Python機器學習實戰——sklearn專題

自2007年發布以來,Scikit-learn已經成為Python中重要的機器學習庫了。Scikit-learn(簡稱sklearn),支持了包括分類、回歸、降維和聚類四大機器學習算法,以及特徵提取、數據預處理和模型評估三大模塊。此外,Scikit-learn是基於NumPy與SciPy兩大著名工具包,通常與Pandas、Matplotlib等開源數據處理框架合作,同時利用幾大模塊的優勢,進行數據挖掘任務,大大提高了機器學習的效率。

所以Scikit-learn可以說是機器學習小白們的福音了。它擁有完善的操作文檔,具有豐富的API,上手容易,在學術界也頗受歡迎。Scikit-learn已經封裝了大量的機器學習算法,同時內置了大量數據集,節省了獲取和整理數據集的時間。但是呢,這個算法庫的官網是全英文的!!!市面上優秀的中文教材也少之又少,這阻礙了多少人前進的腳步~~

全程中文授課

本課程是目前國內少有的Scikit-learn中文學習課程,配有中文配套教材,無障礙輕鬆學習課程

清晰的流程圖展現

本課程用流程圖的形式完整展現算法原理,有著超清晰講解,用簡單語言擁抱數學,捕捉常見誤區,為你精準解惑,並且有著詳細的sklearn模塊梳理,超用心代碼註解,助你舉一反三

豐富的行業案例

每個算法在講解原理的同時,加之配有豐富的案例,業務邏輯與分析結果相統一,讓你能夠快速掌握sklearn的使用,為你打開機器學習的大門

六、人工智慧之數學基礎:微積分、線性代數、機率論

在人工智慧領域,無論是機器人、語音識別,還是圖像識別、自然語言處理都離不開數學。因為人工智慧的核心是算法,而算法的基礎就是數學。數學功底才是碼農們轉型人工智慧無論如何都是繞不開的門檻,傳統程式設計師要想轉戰AI,任何繞過數學的想法都是鴕鳥策略。

微積分,線性代數,機率論在機器學習幾乎所有算法中不可或缺。如果你數學不是那麼紮實,大學學的數學知識都還給老師了,那麼重新溫習一下這些重要概念也不錯。

學習目標

1、了解人工智慧數學基礎必學內容。

2、學會機器學習算法涉及到的微積分、線性代數、機率論等內容。

課程對象

機器學習算法工程師、人工智慧產品經理、數據分析師

課程綱要

第一章:微積分:函數、極限與連續、微分、定積分、不定積分

第二章:線性代數:向量和矩陣、逆、矩陣的特徵、計算機計算

第三章:機率論:機率分布、描述性統計、假設檢驗、方差分析

七、人工智慧實戰之智能問答系統

對企業而言,客服的自動化和智能化能顯著降低成本,提升經濟效益。智能問答系統能夠使用文本問答數據,自動回答用戶提問。目前,通用智能問答技術隨著大量文本對話記錄的積累,有了突飛猛進的發展。針對垂直領域的智能問答系統需要精確的定位問題並快速給出回復。目前,主流的智能問答系統採用的仍然是基於關鍵字、模板匹配等傳統方法,其中涉及大量人工操作。智能問答系統實戰案例精講,你想了解的聰明的機器人,本課程都告訴你。

學習目標

1、了解智能問答系統基礎知識

2、學會理解問題的理解與答案的生成、關鍵詞檢索等。

3、學會創建一個開放式的問答系統。

課程對象

人工智慧工程師,人工智慧產品經理、算法工程師、數據分析師、高校相關專業學生與教師

課程綱要

第一章:源起:從與機器的溝通方式開始 第二章:對話:問題的理解與答案的生成 第三章:詞典:關鍵詞檢索 第四章:專家:指定領域的問答助手 第五章:百科全書:開放式的問答系統

不同工作崗位,最重要的技能都不盡相同,比如編輯最重要的是寫作技能,銷售最重要的是銷售技能,設計師是設計技能,管理者是管理技能,導師是教學技能,老闆是戰略技能…..當然,很多技能也是通用技能,寫作技能,表達技能,閱讀技能,社交技能,談判技能....

2020年開工後,你最需要的技能是什麼,現在是補的時候。

以下是我們已上傳的視頻集合:

一、Python編程零基礎入門
二、CVA® | 科目一 企業估值之市場法估值
三、Excel財務建模基礎
四、TensorFlow 深度學習框架
五、Python機器學習實戰——sklearn專題
六、人工智慧之數學基礎:微積分、線性代數、機率論
七、人工智慧實戰之智能問答系統

掃碼進入獲取更多精品視頻,等你來選!我們也會持續增添新的視頻課程,為您的職業升級錦上添花!

關鍵字: