天下高月小说,玄幻小说排行榜完本,完结小说

您現(xiàn)在的位置：哪里有培訓(xùn)網(wǎng) > 公開(kāi)課程培訓(xùn) > 人工智能培訓(xùn)課程

可視化與AI交互式數(shù)據(jù)挖掘

2026-03-27 09:15:48

講師：講師團(tuán) 瀏覽次數(shù)：297

課程介紹
日程安排
課程大綱
在線報(bào)名

課程描述INTRODUCTION

可視化與AI交互式數(shù)據(jù)挖掘

· 技術(shù)主管· 軟件工程師· IT人士

培訓(xùn)講師：講師團(tuán)

課程價(jià)格：￥5800元/人

培訓(xùn)天數(shù)：3天

日程安排SCHEDULE

2026-06-28 廣州

2026-08-29 西安

2026-10-24 重慶

課程大綱Syllabus

可視化與AI交互式數(shù)據(jù)挖掘

培訓(xùn)背景

數(shù)字化轉(zhuǎn)型浪潮下，數(shù)據(jù)已成為企業(yè)核心生產(chǎn)要素，多源數(shù)據(jù)的價(jià)值釋放成為業(yè)務(wù)增長(zhǎng)與決策優(yōu)化的關(guān)鍵。當(dāng)前企業(yè)普遍面臨數(shù)據(jù)孤島、分析效率低、價(jià)值挖掘不深等痛點(diǎn)，傳統(tǒng)數(shù)據(jù)分析方式難以適配復(fù)雜業(yè)務(wù)場(chǎng)景，亟需系統(tǒng)的技術(shù)方法支撐數(shù)據(jù)從采集到應(yīng)用的全流程落地。

隨著大數(shù)據(jù)、可視化與AI技術(shù)的深度融合，市場(chǎng)對(duì)兼具實(shí)操能力與跨界思維的復(fù)合型數(shù)據(jù)人才需求持續(xù)增長(zhǎng)。無(wú)論是職場(chǎng)從業(yè)者尋求技能升級(jí)，還是企業(yè)推進(jìn)數(shù)字化人才培養(yǎng)，都需要通過(guò)系統(tǒng)學(xué)習(xí)掌握新一代數(shù)據(jù)挖掘工具、分析邏輯與決策思維，以適配數(shù)字化轉(zhuǎn)型中的業(yè)務(wù)需求，提升核心競(jìng)爭(zhēng)力。

培訓(xùn)對(duì)象：大數(shù)據(jù)系統(tǒng)研發(fā)工程師、大數(shù)據(jù)分析師、數(shù)據(jù)安全研發(fā)人員、大數(shù)據(jù)應(yīng)用開(kāi)發(fā)工程師、數(shù)據(jù)可視化工程師、數(shù)據(jù)科學(xué)研究等相關(guān)人員。

培訓(xùn)形式：線下面授 + 同步直播

培訓(xùn)收益

1.掌握大數(shù)據(jù)分析全流程實(shí)操

2.熟練數(shù)據(jù)可視化工具與技巧

3.理解AI數(shù)據(jù)挖掘核心算法

4.具備交互式數(shù)據(jù)探索能力

5.建立數(shù)據(jù)驅(qū)動(dòng)決策思維

6.學(xué)會(huì)多源數(shù)據(jù)整合方法

7.拓寬行業(yè)數(shù)據(jù)應(yīng)用視野

8.提升職場(chǎng)數(shù)據(jù)技能競(jìng)爭(zhēng)力

證書(shū)頒發(fā)：

參加培訓(xùn)并通過(guò)考試的學(xué)員，將獲得由工業(yè)和信息化部教育與考試中心統(tǒng)一頒發(fā)的《大數(shù)據(jù)挖掘技術(shù)（高級(jí)）》職業(yè)能力證書(shū)。證書(shū)長(zhǎng)期有效，相關(guān)信息可隨時(shí)登錄中心官網(wǎng)查詢。

培訓(xùn)內(nèi)容

培訓(xùn)共計(jì)3天，每天6小時(shí)，具體日程安排如下：

數(shù)據(jù)分析實(shí)戰(zhàn)

第一講零基礎(chǔ)學(xué)Python 1.Python背景

2.國(guó)內(nèi)發(fā)展?fàn)顩r

3.基礎(chǔ)語(yǔ)法

4.數(shù)據(jù)結(jié)構(gòu)

5.繪圖操作

6.特別針對(duì)向量計(jì)算模塊

7.著重介紹Python在這方面的優(yōu)勢(shì)及用法

第二講數(shù)據(jù)分析方法論

1.講解統(tǒng)計(jì)分析基礎(chǔ)（統(tǒng)計(jì)學(xué)基本概念，假設(shè)檢驗(yàn)，置信區(qū)間等基礎(chǔ)）

2.結(jié)合數(shù)據(jù)案例說(shuō)明其使用場(chǎng)景和運(yùn)用方法

3.介紹數(shù)據(jù)分析流程和常見(jiàn)分析思路，同時(shí)結(jié)合案例進(jìn)行講解

第三講數(shù)據(jù)處理技法

1.從數(shù)據(jù)接入、數(shù)據(jù)統(tǒng)計(jì)、數(shù)據(jù)轉(zhuǎn)換等幾個(gè)方面進(jìn)行講解

2.數(shù)據(jù)接入包含接入MySQL、Oracle、Hadoop等常見(jiàn)數(shù)據(jù)庫(kù)操作

3.數(shù)據(jù)統(tǒng)計(jì)包含Pandas包的具體用法和講解

4.數(shù)據(jù)轉(zhuǎn)換包含對(duì)數(shù)據(jù)集的關(guān)聯(lián)、合并、重塑等操作

5.針對(duì)海量數(shù)據(jù)的情況下，介紹在Spark平臺(tái)上的數(shù)據(jù)處理技術(shù)

6.結(jié)合真實(shí)環(huán)境進(jìn)行操作講解。

數(shù)據(jù)挖掘理論及核心技術(shù)

第四講認(rèn)識(shí)數(shù)據(jù)挖掘

1.數(shù)據(jù)挖掘基本概念

2.業(yè)務(wù)理解

3.數(shù)據(jù)理解

4.數(shù)據(jù)準(zhǔn)備

5.建立模型

6.模型評(píng)估

7.模型部署各環(huán)節(jié)的工作內(nèi)容及相關(guān)技術(shù)

8.結(jié)合業(yè)界經(jīng)典場(chǎng)景，講解數(shù)據(jù)挖掘的實(shí)施流程和方法體系

第五講 Pandas進(jìn)行數(shù)據(jù)預(yù)處理

1.數(shù)據(jù)合并

2.數(shù)據(jù)清洗（重復(fù)值、缺省值、異常值處理）

3.數(shù)據(jù)標(biāo)準(zhǔn)化（離差標(biāo)準(zhǔn)化、標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化）

4.數(shù)據(jù)變換（啞變量轉(zhuǎn)換、連續(xù)型數(shù)據(jù)離散化）

5.抽樣、分區(qū)、樣本平衡、特征選擇

6.結(jié)合典型業(yè)務(wù)案例講解其具體實(shí)現(xiàn)與應(yīng)用場(chǎng)景，幫助學(xué)員掌握數(shù)據(jù)在建模前的清洗與特征構(gòu)造思路

大數(shù)據(jù)算法原理及案例實(shí)現(xiàn)（1）

第六講特征降維算法及Python實(shí)現(xiàn)

1.特征降維算法講解

2.主要講解主成分、LDA以及t-SNE原理

3.結(jié)合案例進(jìn)行Python實(shí)現(xiàn)

4.針對(duì)海量數(shù)據(jù)情況下的應(yīng)用場(chǎng)景，講解實(shí)現(xiàn)思路和Python案例

第七講決策樹(shù)算法及Python實(shí)現(xiàn)

1.決策樹(shù)算法講解

2.講解ID3、C4.5、C5.0以及CART決策樹(shù)算法的實(shí)現(xiàn)原理

3.結(jié)合案例進(jìn)行Python實(shí)現(xiàn)

第八講好萊塢百萬(wàn)級(jí)影評(píng)數(shù)據(jù)分析與電影推薦實(shí)現(xiàn)（實(shí)戰(zhàn)部分）：

1. 基于好萊塢百萬(wàn)級(jí)的影評(píng)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行建模、清洗、透視表操作。

2. 然后根據(jù)用戶畫(huà)像分析不同的用戶喜好通過(guò)機(jī)器學(xué)習(xí)算法對(duì)不同性別、年齡階段的用戶進(jìn)行定制化的電影推薦

3.最后把推薦的電影進(jìn)行可視化的展示操作

大數(shù)據(jù)算法原理及案例實(shí)現(xiàn)（2）

第九講：航空公司客戶價(jià)值分析（K-Means實(shí)戰(zhàn)）：

1. 基于航空公司客戶的歷史飛行數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行清洗、屬性規(guī)約、屬性構(gòu)造（構(gòu)建LRFMC指標(biāo)）

2. 然后根據(jù)LRFMC模型對(duì)客戶進(jìn)行特征分析

3. 通過(guò)K-Means聚類算法對(duì)不同價(jià)值的客戶進(jìn)行細(xì)分

4. 最后把客戶群體的特征進(jìn)行可視化展示，為不同價(jià)值的客戶制定個(gè)性化營(yíng)銷策略

第十講：機(jī)器學(xué)習(xí)神器：XGBoost 構(gòu)建金融反欺詐模型

1. 細(xì)致講解 XGBoost算法的核心思想與模型原理

2. 包括梯度提升框架、樹(shù)結(jié)構(gòu)優(yōu)化、目標(biāo)函數(shù)與正則化機(jī)制

3. 通過(guò)實(shí)際金融交易數(shù)據(jù)集案例，演示特征構(gòu)建、模型訓(xùn)練與參數(shù)調(diào)優(yōu)全過(guò)程

4. 講解模型評(píng)估指標(biāo)（AUC、KS 值、召回率、F1 等）在反欺詐系統(tǒng)中的應(yīng)用意義

5. 結(jié)合Python與XGBoost庫(kù)，完成從數(shù)據(jù)加載、特征處理、模型構(gòu)建、評(píng)估到可視化的完整實(shí)戰(zhàn)流程

AI對(duì)話式數(shù)據(jù)分析與挖掘?qū)崙?zhàn)

第十一講：Pandas AI通過(guò)自然語(yǔ)言交互實(shí)現(xiàn)數(shù)據(jù)分析

1. 基于任意結(jié)構(gòu)化數(shù)據(jù)集（如Excel、CSV），對(duì)數(shù)據(jù)進(jìn)行清洗、數(shù)據(jù)轉(zhuǎn)換、特征生成

2. 然后根據(jù)自然語(yǔ)言指令對(duì)數(shù)據(jù)進(jìn)行探索性分析

3. 通過(guò)大型語(yǔ)言模型（LLM）自動(dòng)生成并執(zhí)行Python代碼，對(duì)復(fù)雜數(shù)據(jù)關(guān)系進(jìn)行深度洞察

4. 最后把分析結(jié)果和圖表進(jìn)行自動(dòng)化可視化展示

第十二講： ChatExcel（Excel AI處理方向）

1. 自然語(yǔ)言驅(qū)動(dòng)的Excel表格智能處理（ChatExcel實(shí)戰(zhàn)）實(shí)戰(zhàn)部分：

2. 基于Excel/CSV表格數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行清洗、格式轉(zhuǎn)換、多表合并

3. 然后根據(jù)一句話指令對(duì)數(shù)據(jù)進(jìn)行智能運(yùn)算與統(tǒng)計(jì)，通過(guò)AI模型對(duì)復(fù)雜函數(shù)邏輯進(jìn)行自動(dòng)化生成與執(zhí)行

4. 最后把交叉對(duì)比結(jié)果和數(shù)據(jù)透視進(jìn)行即時(shí)可視化展示

第十三講：Julius AI (對(duì)話式數(shù)據(jù)分析助手)

1. 核心功能：作為一個(gè)對(duì)話式數(shù)據(jù)分析助手，Julius AI允許用戶通過(guò)上傳數(shù)據(jù)文件（如 CSV、Excel）

2. 使用自然語(yǔ)言提問(wèn)來(lái)執(zhí)行復(fù)雜的數(shù)據(jù)操作、統(tǒng)計(jì)分析和可視化。它能夠理解上下文，自動(dòng)生成并執(zhí)行 Python/R 代碼，并以圖表和文字洞察的形式返回結(jié)果

3.適用場(chǎng)景：快速的探索性數(shù)據(jù)分析（EDA）、即時(shí)數(shù)據(jù)洞察、非技術(shù)人員的數(shù)據(jù)查詢

數(shù)據(jù)分析可視化與AI生成數(shù)據(jù)分析報(bào)告

第十四講：DeepSeek生成圖表可視化主題描述

1. DeepSeek大模型驅(qū)動(dòng)的自然語(yǔ)言圖表生成與可視化方法論實(shí)戰(zhàn)部分：

2. 基于結(jié)構(gòu)化數(shù)據(jù)或分析結(jié)果，對(duì)圖表需求進(jìn)行自然語(yǔ)言描述。

3. 然后通過(guò)DeepSeek大模型的代碼生成能力，自動(dòng)生成并執(zhí)行Python可視化代碼（如基于Matplotlib、Plotly、Pyecharts等庫(kù)）

4. 實(shí)現(xiàn)復(fù)雜圖表的一鍵生成，對(duì)數(shù)據(jù)含義進(jìn)行簡(jiǎn)潔表達(dá)與高效洞察

5. 最后把生成圖表應(yīng)用于數(shù)據(jù)分析報(bào)告或Web應(yīng)用中進(jìn)行可視化展示

第十五講：全能AI智能體數(shù)據(jù)分析與報(bào)告撰寫(xiě)（Manus實(shí)戰(zhàn)）

1. 基于多源異構(gòu)數(shù)據(jù)（如網(wǎng)頁(yè)內(nèi)容、文件、API數(shù)據(jù)），對(duì)數(shù)據(jù)進(jìn)行收集、整合、預(yù)處理

2. 然后根據(jù)用戶需求對(duì)數(shù)據(jù)進(jìn)行多維度分析

3. 通過(guò)AI智能體的多工具協(xié)作能力對(duì)特定業(yè)務(wù)問(wèn)題進(jìn)行深入研究與建模

4. 最后把分析結(jié)論、數(shù)據(jù)圖表和研究報(bào)告進(jìn)行專業(yè)化文檔撰寫(xiě)與交付

備注：采用小班制教學(xué)，授課過(guò)程中，講師會(huì)通過(guò)互動(dòng)提問(wèn)、組織小組討論、即時(shí)答疑等形式，幫助學(xué)員迅速將所學(xué)轉(zhuǎn)化為可落地的能力。

講師介紹：

劉老師大數(shù)據(jù)分析領(lǐng)域?qū)＜?/div>

擁有十幾年軟件研發(fā)經(jīng)驗(yàn)，十年企業(yè)培訓(xùn)經(jīng)驗(yàn)，對(duì)Java、Python、區(qū)塊鏈等技術(shù)領(lǐng)域有獨(dú)特的研究，精通J2EE企業(yè)級(jí)開(kāi)發(fā)技術(shù)。

Java方向：設(shè)計(jì)模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對(duì)Java源碼有深入研究。

Python方向：Python OOP、Mongodb、Django、Scrapy爬蟲(chóng)、基于Surprise庫(kù)數(shù)據(jù)推薦，Tensorflow人工智能框架、人臉識(shí)別技術(shù)。

區(qū)塊鏈方向：BitCoin、Solidity、Truffle、Web3、IPFS、Hyperledger Fabirc、Go、EOS。

郭老師 | 數(shù)據(jù)治理專家

國(guó)內(nèi)數(shù)據(jù)治理專家、高級(jí)產(chǎn)品經(jīng)理、優(yōu)秀項(xiàng)目管理培訓(xùn)師，計(jì)算機(jī)專業(yè)碩士，曾任中國(guó)電信高級(jí)工程師，現(xiàn)任某信息技術(shù)公司產(chǎn)品及技術(shù)總監(jiān)。上海軟件協(xié)會(huì)高級(jí)講師、上海軟件協(xié)會(huì)考評(píng)員、共青團(tuán)上海市委員會(huì)青年(大學(xué)生)職業(yè)訓(xùn)練營(yíng)上海市政府指定講師、浦東軟件園高級(jí)講師。18年+開(kāi)發(fā)、設(shè)計(jì)經(jīng)驗(yàn)，10年+數(shù)據(jù)治理培訓(xùn)/咨詢經(jīng)驗(yàn)，給多家上市公司企業(yè)研發(fā)團(tuán)隊(duì)做過(guò)培訓(xùn)或咨詢業(yè)務(wù)，對(duì)企業(yè)數(shù)字化轉(zhuǎn)型、數(shù)據(jù)治理、產(chǎn)品管理有著敏銳、獨(dú)特的認(rèn)知體系。

可視化與AI交互式數(shù)據(jù)挖掘

轉(zhuǎn)載：http://m.oysg8.com/gkk_detail/324912.html