大数据项目在线实习

Posted 2022-06-17 泰迪智能科技

泰迪智能科技大数据项目在线实习包括：百货商场客户价值分析、基于水色图像的水质评价等

项目1

百货商场客户价值分析

项目背景

在零售行业中，会员价值体现在持续不断地为零售运营商带来稳定的销售额和利润，同时也为零售运营商策略的制定提供数据支持。零售行业会采取各种不同方法来吸引更多的人成为会员，并且尽可能提高会员的忠诚度。但是当前电商的发展使商场会员不断流失，给零售运营商带来了严重损失。

此时，运营商需要有针对性地实施营销策略来加强与会员的良好关系。比如，商家针对会员采取一系列的促销活动，以此来维系会员的忠诚度。有人认为对老会员的维系成本太高，事实上，发展新会员的资金投入远比采取一定措施来维系现有会员要高。

因此完善会员画像描绘，加强对现有会员的精细化管理，定期向其推送产品和服务，与会员建立稳定的关系是实体零售行业得以更好发展的有效途径。

项目目标

1.针对会员的消费情况描绘用户画像。

2.对会员进行精细划分，并针对不同群体制定对应的营销策略，从而提升销售利润。

任务清单

任务1：数据探索与预处理

任务1.1  结合业务对数据进行探索并进行预处理。

任务1.2  将会员信息表和销售流水表关联与合并。

任务2：统计分析

任务2.1  分析会员的年龄构成、男女比例等基本信息。

任务2.2  分析会员的总订单占比，总消费金额占比等消费情况。

任务2.3  分别以季度和天为单位，分析不同时间段会员的消费时间偏好。

任务3：会员用户画像

任务3.1  构建会员用户基本特征标签

任务3.2  构建会员用户业务特征标签

任务3.3  构建会员用户兴趣特征标签

任务3.4  建立用户画像

任务4：会员用户细分和营销方案制定

任务4.1  对会员用户进行精细划分并分析不同群体带来的价值差异

任务4.2  针对不同类型的群体制定相应的营销方案

项目2

基于水色图像的水质评价

项目背景

从事渔业生产有经验的从业者可通过观察水色变化调控水质，以维持养殖水体生态系统中浮游植物、微生物类、浮游动物等合理的动态平衡。由于这些多是通过经验和肉眼观察进行判断，存在主观性引起的观察性偏倚，使观察结果的可比性、可重复性降低，不易推广应用。当前，数字图像处理技术为计算机监控技术在水产养殖业的应用提供更大的空间。

项目目标

对池塘水色进行优劣分级，达到对池塘水色的准确快速判别。

任务清单

任务1：图像数据抽取与处理

任务1.1 熟悉Python常用的图像处理库与函数，并读取图像数据

任务1.2 了解RGB图像，并根据像素点切割图像

任务2 ：特征提取

任务2.1 了解颜色矩概念，并使用NumPy实现颜色矩计算

任务2.2 计算出切割后所有图像的颜色矩

任务3 ：图像分类模型构建

任务3.1 熟悉常用的分类算法，并使用这些分类算法实现图像分类

任务3.2 评价上述图像分类算法，并优化模型

任务4 ：评价图像分类算法

任务4.1 了解自动机器学习，并安装自动机器学习环境

任务4.2 使用TPOT框架实现图像分类

任务4.3 比较自动机器学习与自主构建的模型并分析其优劣势

项目3

基于神经网络的人脸识别

项目背景

2018年7月13日，威海市公安局高区分局在威海市体育中心体育场部署张学友演唱会安保执勤时，体育场西侧智能感知警务系统报警，发现一名与盗窃嫌疑人于某体貌特征相似、驾驶摩托车的嫌疑男子，立即追踪盘查，在体育场附近成功将其抓获。经查，此人2016年因涉嫌盗窃被上网追逃。故此，张学友又被广大网友戏称“逃犯杀手”。机器视觉作为当前人工智能发展的一个热门分支，已有越来越多的应用场景，不管是手机的face ID还是高铁机场的安检系统，无处不存在着它的身影。

项目目标

基于卷积神经网络，构造人脸识别模型，应用于案件、监控等多个场景。

任务清单

任务1 ：数据采集

任务1.1 通过opencv调用电脑摄像头拍取约10个人，每人600张的人脸图像

任务1.2 将拍取的照片按照人名文件夹保存

任务2 ：人脸检测

任务2.1 学习mtcnn原理，并利用mtcnn进行人脸检测

任务2.2 对图片素材进行灰度处理，对处理后的数据进行整理

任务3 建模前数据整理

将任务2中的图片数据整理成numpy中的ndarray格式，并划分成训练集和测试集

任务4 ：模型构建与测试

任务4.1 握卷积神经网络（CNN）的基本原理与流程

任务4.2 利用TensorFlow搭建一个用于人脸识别的CNN神经网络

任务4.3 将训练集样本放入模型进行训练，用测试集样本进行模型性能测试，并将训练好的模型进行保存

任务5 ：模型应用

任务5.1 调用保存好的模型对实时抓拍到的人脸照片进行识别

可以获得

01 掌握技能

1.全面实践实训行业的数据分析流程。流程包括但不限于：数据处理、数据探索、数据建模等。

2.熟练使用某一门语言作为工具解决项目问题。语言包括但不限于：R语言、Python等。

02 积累实战经验

1.感受企业真实的实习场景，收获参与真实项目的实战经验。

2.丰富个人GitHub，项目论文、代码片段上传至GitHub存档。面试时，可直接向面试官展示自己的项目经验。

03 获得能力证明

1.获得企业实习证明，无需奔波满足实习需求。

2.优秀学员获得CBDA大数据分析工程师证（基础级），国际高水平认证。

实习流程

1. 建群：建立微信与QQ群，方便课程答疑与相关资料发放。

2. 调查：群内发放学生能力的调查问卷，对学生能力水平进行全面了解。

3. 前置课程：跟进学生实际情况，配置前置课程内容。

4. 开班仪式：讲师实习流程、常规操作、项目背景要求等内容。

5. 完成实习任务：根据项目任务完成实习任务。

6. 直播答疑：根据学生疑问不定期直播答疑。

7. 提交作业：线上提交实习作业。

8. 结业仪式：对项目进行完整解读、学生实习作业进行点评、优秀学员发言。

9. 实习证明：颁发实习证明。