聚焦数据+AI，全新课程颠覆升级，技术迭代优势碾压，就业市场强势崛起
1.专攻数据分析+人工智能
2.机器学习，案例化教学
3.拓宽课程深广度
4.立足企业刚需研发
5.面向热点，紧抓痛点
6.六维课程亮相
1.课程研发——六维课程
研发六维全息课程，长期市场调研+大厂协助研发，每年两次大型革新升级，融合阿里课程，提升架构开发能力，完成从全栈工程师到架构师的进阶培养
2.授课方式——全程面授
坚持全程面授，灵活照顾到班级每一位学员的学习需求，形成“逼着学，比着学”的良好氛围
3.项目实战——联合开发
成立大厂技术联盟，引进大厂真实项目，严格执行技术查重，筛选优质项目，学员需要完成从项目立项到上线部署的全流程联合开发，能独立承接企业需求
4.师资团队——王炸组合
百人天团+名企讲师，必须具备大型项目开发能力与授课能力，讲师录用率低于5%
5.教学管理——全天无休
总监级讲师全程面授，强师007答疑，智能AI系统辅学，无死角解决学习问题
6.培训周期——科学合理
学习周期是根据授课进度、课程深度与讲师水平，经过多年教研探索推导而出，让学员学好技术并且能够高薪就业
7.就业结果——高快稳准
薪资高、就业快、发展稳，部分学员入职即Leader，行业有口皆碑，这是上面所有环节层层叠加的良好结果
8.职后提升——持续提升
重磅升级六维全息课程！职后课跟随行业热门技术定期升级，学员可终身免费持续学习
1.基础课：0门槛，0收费，每天一个有趣案例
2.专业课：深度学习大前端，具备全栈开发能力
3.项目课：真项目，真实战，多学科联合开发
4.企业课：企业大咖授课，热门技能学习
5.就业课：求职稳定发挥，提升职业素养
6.职后课：职场持续提升，职位快速晋升
项目一用户评分自动化处理
介绍：项目描述:只给出半张人脸，使用算法，自动补全另一半人脸，想要掌握这项技能，刑侦部门素描室，往往需要经过十几年的训练，我们使用算法，以非常核心技术:主要用到一系列回归算法
业务：1.pandas数据读取2.异常数据清晰、空值处理3.根据评分表打分4.本地化
技术应用点：1.pandas数据分组groupby 2.2.map映射3.pandas数据预处理4.4.Excel数据预处理5.数据分析报告
淘宝用户行为数据分析
介绍：针对淘宝app的运营数据，以行业常见指标对用户行为进行分析，包括UV、PV、新增用户分析、漏斗流失分析、留存分析、用户价值分析、复购分析等内容；本文使用的分析工具以MySQL为主，涉及分组汇总，引用变量，视图，关联查询等内容。
业务：1.基于AARRR漏斗模型，使用常见电商分析指标，从新增用户数量、各环节转化率、新用户留存率三个方面进行分析2.确定影响新增用户数量的因素，找到需要改进的转化环节，发现留存现存问题3.研究用户在不同时间尺度下的行为规律，找到用户在不同时间周期下的活跃规律4.找出价值的核心付费用户群，对这部分用户的行为进行分析5.找到用户对不同种类商品的偏好，制定针对不同商品的营销策略
技术应用点：1.AARRR模型2.电商分析常用指标3.Pandas数据清洗4.Groupby函数、交叉表、透视表5.Matplotlib+Searborn可视化
金融公司风控系统
介绍：信用风险指的是交易对手未能履行约定合同中的义务造成经济损失的风险，即受信人不能履行还本付息的责任而使授信人的预期收益与实际收益发生偏离的可能性，它是金融风险的主要类型。借贷场景中的评分卡是一种以分数的形式来衡量风险几率的一种手段，也是对未来一段时间内违约、逾期、失联概率的预测。一般来说，分数越高，风险越小。
业务：1.获取存量客户及潜在客户的数据2.EDA探索性数据分析3.数据预处理4.特征选择+LDA分析5.模型开发6.模型评估7.模型实施与检测报告
技术应用点：1.Pandas数据分箱操作2.OneHotEncoder独热编码3.Pandas数据清洗4.Logistic逻辑斯蒂回归5.GBDT 6.LDA
购物网站用户画像
介绍：用户点击流日志收集、用户画像建模、推荐对象画像建模、数据实时计算平台、数据离线计算平台、推荐算法模型、协同过滤算法，使用python最流行的scikit-learn实现的聚类分析项目。聚类分析是机器学习中非常重要的算法，此项目主要利用KMeans对附近的用户进行聚类分析，达到针对不同用户采用不同的商业推广方案的目的。
业务：1.构建用户画像2.用户行为分析3.用户推荐系统4.潜在客户挖掘
技术应用点：1.RFM 2.Kmeans 3.Apriori关联分析4.协同过滤
基于电商用户文本挖掘
介绍：想要用产品价值撬动一个用户，同纬度竞争别家的先发优势门槛太高，如果别家体量很大，基本可以放弃。创新可能就是剩下的活路，而面对互联网的高速发展，线下需求基本都被互联网化，切入点可能就转移到细分市场。
业务：1.了解项目公司的背景和对接人员情况2.沟通明确实际的项目需求3.根据项目需求梳理分析思路4.确定分析工具和人员配置,进行数据分析5.撰写分析结论和方案
技术应用点：1.Jieba分词2.WordCloud词云3.朴素贝叶斯4.波士顿矩阵5.Pandas数据处理6.Matplotlib+Seaborn可视化处理7.Logistic回归
目标检测介绍
介绍：目标检测，人脸识别在企业方方面面都有广泛应用。在安防，智能家居更是前景广阔，本案例通过学习Opencv与dlib进行目标检测与人脸识别。
业务：1.环境安装2.人脸识别，人脸关键点识别3.视频和摄像头人脸识别4.自己训练分类器
技术应用点：1.Tensorflow 2.神经网络3.Opencv 4.dlib
（深度学习）图片风格迁移
介绍：通过深度学习算法，制作自己的艺术抽象画。
业务：1.数据准备2.Tensorflow深度神经网络搭建训练3.模型预测
技术应用点：1.Tensorflow 2.神经网络3.Opencv 4.CNN\RNN
