关于4月份举办“软件设计Tensorflow实战Python和R数据挖掘”通知
Posted 姚姗姗TrainingInfo
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了关于4月份举办“软件设计Tensorflow实战Python和R数据挖掘”通知相关的知识,希望对你有一定的参考价值。
【软件设计全程演练与最佳实践】4月9日-4月11日 北京
一、授课思路
重点关注提升软件开发人员设计能力,整个课程由多个实战案例贯串始终,老师带领大家通过实战练习,一起走完项目设计的全过程。案例练习中老师着重阐述和分析在实际项目中遇到的问题,提炼架构决策的思维方法,使学员体会在项目各个阶段中架构设计的发展演化规律,从而在实战中提炼理论,培养学员的实际应用能力。课程主要特点:
1、 理论与实践相结合,注重案例的讲解;
2、 有深刻的理论深度,准确把握设计原则与要义;
3、 全真案例讲解,学员边做边学,具体、深刻;
4、 能够对学员提出的案例进行咨询,指导分析、设计。
二、培训对象
1、 中高级程序员、系统分析员、架构设计师、产品市场技术人员;
2、 具备IT部门工作经验,将负责信息化系统规划等相关任务的技术人员;
3、 希望加强软件架构理论和实践能力的软件开发人员;
4、 负责软件产品规划与定义的相关人员;
5、 需要了解软件设计全过程的项目经理。
三、学员基础
1、三年以上开发经验,经历过频繁需求变更或者系统重复开发的折磨;
2、熟悉Java/C#/C++任意一种面向对象语言或者具备面向对象编程基本概念。
四、师资
由业界知名软件架构师亲自授课:
杨老师 中科院计算所培训中心特聘讲师,总后信息化顾问,国家SOA技术专家委常务委员、ISO国际标准组织SOA组中国区代表(首批4人小组成员)、国家人事部考试中心计算机命题评审委员会委员、军队信息化标准委员会副秘书长。
五、培训内容
时间 |
内容 |
案例实践与练习 |
Day1 上午
第一部分:架构设计思想与原理 |
一、架构设计的内涵 1、概念和定义; 2、架构原理; 3、架构的三个层次; 4、企业架构设计的产物; 5、大型系统架构设计的产物; 6、中小型系统设计的产物。 二、架构设计的外延 1、架构设计方法体系; 2、架构与软件工程; 3、架构与模式。 三、架构师的成长 1、架构师关键素质; 2、架构师职业发展建议; 3、设计师与设计技能; 4、设计师能力模型。 |
案例分析,某研发中心引入敏捷的实战分析,什么才是真正的敏捷 1、某研发团队5年前引入敏捷的失败教训-能力比方法重要,但改变方法比改变能力简单多了; 2、优秀的设计来自优秀的设计师,因此应该首先是尊重个体的主动和创造性,提高个体工作技能,而不是应用了一种流程,消灭了个体的活力。首先关注人,才能真敏捷。 |
Day1 下午
第二部分:中小型项目案例分析与实践
|
一、良好需求是优秀设计的开端 1、需求变更; 2、软件不断变更法则; 3、积极心态面对需求变更。 二、针对变化的敏捷过程与设计 1、敏捷设计的弹性和流程的灵活性; 2、软件设计的目标:灵活性; 3、发现和封装变化的原则; 4、抽象稳定接口(抽象类),针对接口编程,而不是针对实现编程; 5、分离变化维度,单一职责原则; 6、动态绑定还是静态绑定,多用组合,少用继承; 7、创建与使用分离,创建有变化也要封装。 |
网上订单、嵌入式项目系统案例练习: 1、现场模拟架构需求获取过程,点评要点; 2、采用敏捷方式设计案例系统组成架构模型; 3、故障单类型的增加后,设计如何通过代码进行演化。 |
Day2 上午
第三部分:改造类项目案例分析与实践 |
一、软件复用与基于框架技术的架构设计 1、框架的选择/已有系统的架构; 2、 软件通用服务组件的设计; 3、 软件复用的管理策略; 4、软件复用之道; 5、在详细设计之中,分析发现共同的行为的抽象和共同的机制来实现; 6、详细设计的核心:领域建模。 二、软件腐化与希波克拉底宣言 2、 Proxy代理模式与软件修改方案; 3、 decorator模式与遗留软件修改。 三、软件改造过程 2、拙劣设计常见症状以及如何发现和治疗; 3、在详细设计中如何对设计问题进行重构; 4、代码坏味道; 5、常见的重构设计方式; 6、重构到设计模式; 7、流程审核的改变。 |
薪酬系统、出租系统等案例设计分析与实操演练 2、分析真实项目,如何做的详细设计,给我们哪些启示,我们可以学习到什么; 3、分析我们在项目之中是那些原因导致了没有实现这些目标; 4、案例分析—如何维护遗留系统而不是遗留系统变烂; 5、通过该案例分析,对比有时是因为人员的设计技能导致加速软件的腐化; 6、通过该案例分析,讲师加入项目之后,将进行哪些重构。 |
Day2 下午
第四部分:大型系统项目案例分析与实践(上)
|
一、优秀大型系统架构设计的要点 1、好的设计和衡量的手段,世界大师的观点; 2、一个好的系统设计应该有如下的性质; 3、可扩展性(Extensibility)容易添加新的功能; 4、灵活性(Flexibility)代码修改平稳地发生; 5、可插入性(Pluggability)。 二、优秀大型系统架构设计的最佳实践 1、合理的架构设计来源于正确的需求过程; 2、业务建模和需求分析中的架构因素; 3、采用原型法降低架构风险; 4、架构风险管理方法与决策; 5、几种典型高层架构介绍; 6、高层架构设计的应用技巧和实践; 7、高层架构的表示; 8、非功能性需求对架构的影响; 9、架构评审与决策; 10、ATAM的参与人员、步骤和结果。 |
军队大型信息系统设计分析与实操演练 一、需求分析案例练习 1、案例背景介绍; 2、提出问题,捕获需求; 3、工作量与开发计划制定。 二、架构设计案例练习 1、逻辑架构视图设计案例练习; 2、物理架构视图设计案例练习; 3、运行架构视图设计案例练习; 4、数据视图设计案例练习; 5、非功能需求对架构的影响。 |
Day3 上午
第五部分:大型系统项目案例分析与实践(下)
|
一、灵活性设计的最佳实践 1、 多态(polymorphism)和针对接口的编程; 2、数据驱动(Data-Driven Design); 3、元数据驱动设计; 4、反射驱动(Meta-data or Reflective ); 5、解释器驱动; 6、脚本引擎技术。 二、演化式设计(Emergent Design) 1、 演化式设计 Emergent Design ; 2、演化设计--重构,反思性设计(Reflective Design)。; 3、在详细设计之中,对发现问题的设计进行重构。 三、软件设计原则/模式 2、通过一个大型实例,传递Clean Code,设计原则等。 四、架构评审与架构重构 1、现场设计案例系统部署架构模型,并开展ATAM评估; 2、现场设计案例系统数据架构模型,讨论中间件对架构决策的影响; 3、实操细化架构设计练习,尝试优化分解架构设计,使之适应未来架构变化。 |
银行、政府等多领域大型核心系统设计最佳实践案例分析 2、很多公司习惯做大量的预习设计,这被证明是风险很高的做法。好的架构和设计是演进出来的,通过这个环节了解演进式设计的方法,包括演进式设计的方法、工具、模式等内容; 3、案例分析,根据课程介绍的坏症状,进行重构合理的设计; 4、如何计划重构活动以实现架构演进,如何从设计方法、技术债务、复杂性等角度看架构演。 |
Day3 下午
第六部分 千万级访问量网站架构变迁案例分析与最佳实践 |
一、用户体验与交互设计 1、基本概念; 2、6大设计原则 ; 3、亚马逊网站案例剖析。 二、千万级访问量的大型网站架构变迁 1、物理分离webserver和数据库; 2、增加页面缓存; 3、增加页面片段缓存; 4、数据缓存; 5、增加webserver ; 7、分表、DAL和分布式缓存; 8、增加更多的webserver ; 9、数据读写分离和廉价存储方案; 10、大型分布式应用和廉价服务器群时代。 |
某Web互联网电子商务系统设计最佳实践和案例分析 2、随着访问量的增加如何变迁架构; 3、淘宝 VS 12306,两类系统架构的差异性分析; 4、IBM小型机会被大量X86服务器替代吗?各自的应用背景与优势分析; 5、云计算、移动应用等新兴技术的发展意味着什么?创业黄金期的到来。 |
六、课程目标
1、了解软件设计基本原理、主要原则和国内外主流方法论。
2、掌握前沿技术的同时,获得解决实际问题的规范和能力。
3、帮助软件企业完善软件架构设计、评审流程,改善软件开发质量和效率。
【Python和R数据挖掘技术-基于Python和R语言的数据挖掘和统计分析技术】4月17日-4月19日 北京
本培训将对基于Python和R语言进行数据处理、数据探索的基本方法,利用R语言实现模型选择、Logistic回归及决策树算法,以及贝叶斯算法及支持向量机、神经网络等算法原理及实现进行讲解。具体事宜通知如下:
一、培训对象
1,系统架构师、系统分析师、高级程序员、资深开发人员。
2,牵涉到数据挖掘和统计分析的数据中心运行、规划、设计负责人。
3,政府机关,金融保险、移动和互联网等大数据来源单位的负责人。
4,高校、科研院所牵涉到数据挖掘与统计分析处理的项目负责人。
二、学员基础
1,对IT系统设计有一定的理论与实践经验。
2,对数据挖掘和数据处理方法有一定的基础知识。
3,对Hadoop/Spark等大数据技术有一定的了解。
三、师资
由业界知名大数据专家亲自授课:
杨老师 主要研究网络信息分析以及云计算相关技术,长期从事通信网管系统、网络信息处理、商务智能(BI)以及电信决策支持系统的研究开发工作,主持和参与了多个国家和省部级基金项目,具有丰富的工程实践及软件研发经验。
四、培训内容
第一讲 数据挖掘,Python和R简介
1 数据挖掘
2 Python语言
3 R语言
4 Iris数据集
5 Bodyfat数据集
第二讲 数据的导入与导出
2.1 R数据的保存与加载
2.2 CSV文件的导入与导出
2.3 通过ODBC从数据库中读取数据
2.4 从Excel中导入与导出数据
2.5 Python的数据操作
第三讲 数据可视化展现
3.1 查看数据
3.2 单个变量展现
3.3 多个变量展现
3.4 更多探索
3.5 将图表保存到文件中
第四讲 决策树与随机森林
4.1 使用party包构建决策树
4.2 使用rpart包构建决策树
4.3 随机森林
4.4 Python中的决策树实现
4.5 Python决策树实例
第五讲 回归分析
5.1 线性回归
5.2 逻辑回归
5.3 广义线性回归
5.4 非线性回归
5.5 Python中的回归实现
5.6 Python回归实例
第六讲 聚类分析
6.1 k-means聚类
6.2 k-medoids聚类
6.3 层次聚类
6.4 基于密度的聚类
6.5 Python中的聚类实现
6.6 Python聚类实例
第七讲 离群点检测
7.1 单变量的离群点检测
7.2 局部离群点因子检测
7.3 用聚类方法进行离群点检测
7.4 时间序列数据的离群点检测
7.5 Python中的孤立点实例
第八讲 时间序列分析
8.1 R中的时间序列数据
8.2 时间序列分解
8.3 时间序列预测
8.4 时间序列聚类
8.5 时间序列分类
8.6 Python中的时间序列实例
第九讲 关联规则
9.1 关联规则的基本概念
9.2 Titanic数据集
9.3 关联规则挖掘
9.4 消除冗余
9.5 解释规则
9.6 关联规则的可视化
9.7 Python中的关联规则实例
第十讲 社交网络分析
10.1 词项网络
10.2 推文网络
10.3 双模式网络
10.4 Python中的社交网络分析实例
五、培训目标
1,全面了解Python和R语言数据挖掘的相关知识。
2,学习Python和R的数据挖掘核心技术方法以及应用特征。
3,深入使用Python和R在数据挖掘和分析中的使用。
【深度学习-基于Tensorflow的实战】4月24日-4月26日 北京
TensorFlow是谷歌开源的主流深度学习框架,目前已在谷歌、优步、京东、小米等科技公司广泛应用。本课程使用TensorFlow框架作为深度学习入门,使学员以最快、最有效的方式上手TensorFlow和深度学习。课程中省去了深度学习繁琐的数学模型推导,从实际应用问题出发,通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题,包含了深度学习的知识和大量实践经验,帮助学员走进这个最新、最火的人工智能领域。
本培训介绍基于TensorFlow进行数据处理、数据探索的基本方法,并对TensorFlow算法原理及实现进行讲解。
一、培训对象
1,系统架构师、系统分析师、高级程序员、资深开发人员。
2,牵涉到网络采集、处理和规划的负责人、设计人员。
3,政府机关,金融保险、移动等以互联网信息为数据来源单位的负责人。
4,高校、科研院所牵涉到网络数据采集与数据处理及展现的项目负责人。
二、学员基础
1,对IT系统设计有一定的理论与实践经验。
2,有一定的机器学习基础知识和开发经验。
3,有一定的机器学习与大数据处理的知识。
三、师资
由业界知名大数据专家亲自授课:
杨老师 主要研究网络信息分析、机器学习以及大数据相关技术,长期从事网络信息处理、机器学习以及大数据分析系统的研究开发工作,主持和参与了多个国家和省部级基金项目,具有丰富的工程实践及软件研发经验。
四、培训内容
第1讲 深度学习简介
1) 人工智能、机器学习与深度学习
2) 深度学习的发展历程
3) 深度学习的应用
4) 深度学习工具介绍和对比
第2讲 安装TensorFlow
1) 选择安装环境
2) TensorFlow的安装
3) 安装Jupyter Notebook
4) 安装matplotlib
5) TensorFlow测试样例
第3讲 TensorFlow基础
1) TensorFlow计算模型及计算图
2) TensorFlow数据模型及张量
3) TensorFlow运行模型及会话
4) 神经网络及前向传播算法简介
5) TensorFlow训练神经网络模型
第4讲 深层神经网络
1) 深度学习与深层神经网络
2) 损失函数定义
3) 神经网络优化算法
4) 神经网络学习率的设置
5) 过拟合问题及滑动平均模型
第5讲 MNIST数字识别
1) MNIST数据处理
2) TensorFlow训练神经网络
3) 不同模型效果比较及变量管理
4) TensorFlow模型持久化
5) TensorFlow实践样例
第6讲 图像识别与卷积神经网络
1) 图像识别问题简介及经典数据集
2) 卷积神经网络简介
3) 卷积层和池化层
4) LeNet-5模型和Inception-v3模型
5) TensorFlow实现迁移学习
第7讲 图像数据处理
1) TFRecord输入数据格式
2) TensorFlow图像处理函数
3) 队列与多线程
4) 输入文件队列
5) 组合训练数据(batching)
第8讲 循环神经网络
1) 循环神经网络简介
2) 长短时记忆网络(LTSM)结构
3) 双向循环和深层循环神经网络
4) 样例应用-自然语言建模
5) 样例应用-时间序列预测
第9讲 TensorBoard可视化
1)TensorBoard简介
2) TensorFlow计算图可视化
3) 命名空间与节点信息
4) 监控指标可视化
第10讲 TensorFlow计算加速
1) TensorFlow使用GPU
2) 深度学习训练并行模式
3) 多GPU并行
4) 分布式TensorFlow原理
5) 分布式TensorFlow模型训练
五、培训目标
1,全面了解深度学习和Tensorflow的相关知识。
2,学习Tensorflow的核心技术方法以及应用特征。
3,深入使用Tensorflow在深度学习中的使用。
中科院计算所培训中心姚姗姗
想了解更多课程信息,赶紧联系我吧
姚姗姗 13552360713(微信同步)
邮箱:yaoss@tianbo.com.cn
以上是关于关于4月份举办“软件设计Tensorflow实战Python和R数据挖掘”通知的主要内容,如果未能解决你的问题,请参考以下文章
优惠福利仅剩三天四月份最不可错过的BlockChain分享会!
四月份纽约不可错过的BlockChain分享会 | 华尔街俱乐部媒体支持
关于举办工程总承包管理办法解读暨EPC项目管理实践交流公益讲座的通知