北京大数据与人工智能电信行业培训

了解基本统计知识，具备初步的IT基础知识和基本数学理论，可使用python编程

人工智能和机器学习概述

1、大数据与人工智能概述

2、人工智能的定义

机器对人脑的模仿游戏—图灵测试

智能的内涵与外延

AI与人类智能的区别

3、电信行业应用案例介绍

大数据Hadoop/Spark系统架构学习

1、大数据之Hadoop介绍

Hadoop与hadoop社区简介

Hadoop的体系结构

Hadoop常用组件简介，Hive,pig,HBase,ZK简介

Hadoop在互联网和电信金融行业的应用简介

2、HDFS

Hadoop的文件系统总览

HDFS简介

HDFS体系结构

HDFS的操作

HDFS文件的创建删除追加操作

3、大数据之Spark介绍

Spark软件栈介绍

Spark任务的调试和监控

Spark作业的打*，提交和运行监控

Spark的配置和调优

4、SparkSQL

连接SparkSQL

SparkSQL的表操作

SparkSQL的Java API操作

SparkSQL的配置和调优

算法与模型学习

1、统计类模型简要介绍

线性回归模型简要介绍

逻辑回归模型和场景概述

2、人工神经网络

从逻辑回归到人工神经网络

深度神经网络

设计深度神经网络的*实践

3、卷积神经网络CNN

卷积层介绍

池化层

全连接层

DropOut正则化

常用参数介绍和CNN调优

4、循环神经网络RNN

RNN应用概述

时间序列LSTM模型

自然语言处理基础

双向RNN与深度RNN

RNN实现案例

大明电信案例实践

1、案例介绍

大明电信的收入和利润连续下滑,面临巨大的挑战,管理层研究后发现以下三个问题是罪魁祸首:

高价值客户的流失率上升

客户投诉率上升

个人贷款违约率上升

市场部,信息化部,业务支撑等各个部门拟采用TensorFlow建立机器学习模型,通过不断优化的服务平台，增加用户黏性、业务使用量来降低客户流失，为用户提供个性化服务,增加用户ARPU

2、建立大数据系统

搭建hadoop大数据集群

搭建Spark大数据集群

从业务系统/数据库采集客户信息,业务数据,用户上网记录等数据

通过SQL方式获取大数据集群中的客户,业务数据

3、TensorFlow实践

Tensorflow介绍

编写一个TensorFlow程

4、使用逻辑回归对客户分类

数据收集,特征选择

建立模型,对用户进行分类

模型的评价和调优

5、设计人工神经网络算法,改进分类的效果

设计人工神经网络模型

模型的评价和调优

对比逻辑回归算法和人工神经网络算法

6、使用循环神经网络进行预测

收集业务的特征数据

使用循环神经网络算法,建立业务预测模型

模型的评价和调优

7、使用卷积神经网络进行图像识别

使用经典的卷积神经网络googleNet,对大明电信的各种票据,各种业务单上的手写体和印刷体联合识别

收集客户的图像数据

采用经典的卷积神经网络,识别进入营业厅的客户

对高价值用户进行客户关怀和针对性的促销