尚私塾 师长教员好!

上海:15201841284

广州:020-2989 6995

深圳:0755-23061965

武汉:027-8798 9193

人工智能失业岗亭?

有图有本相

尚私塾学员失业情况大年夜暴光

失业明星:王** 月薪:50000 年薪:60万

2019年均匀月薪32550元,个中350名同窗月薪35000元以上
这,只是他们的起步薪水!

失业薪资

一个让你轻松跃迁至年薪50—60万,乃至年薪百万的行业!

  • 0%
    0-20k

  • 10.12%
    20k-25k

  • 45.16%
    25k-30k

  • 35.48%
    30k-35k

  • 9.24%
    35k以上

进修AI的痛点?我们帮你处理!

  • 一碰着数学就头疼
    一深刻就看不懂,学不透

    算法的进修,要学透必定会触及到公式推导,我们课程线下会把机械进修三十大年夜算法逐一推导,让先生具有自行推导的算法的才能

  • 进修过程当中
    有成绩无人当面解答

    课程讲课师长教员为全日制,并有丰富线下代课经历师长教员,可以很深刻浅出的讲解,当面答复先生成绩,除周末上课时间,常日也能够给同窗停止面试和任务中碰到成绩的指导

  • 代码才能弱
    缺乏实战项目经历

    机械进修每个算法都邑配有案例,让先生可以学乃至用,不只机械进修,包含深度进修,都有丰富的企业级实战项目,项目来自联想、华为、百度等有名企业。

  • 面试
    拿不到高薪

    面试拿不到高薪,重要缘由照样算法进修的不敷深刻,或许项目不会举一反三,课程中三十大年夜机械进修算法都邑深刻分析,公式推导,从是甚么,到为甚么,怎样用,怎样用好,几个角度给先生讲透。关于项目也会深刻过细的讲解,让先生不只懂得项目,可以对学过的项目举一反三。

你的课程进修Tips

  • 人群
    特点
    进修Tips
  • 在校大年夜先生

    数学好,编程基本略差的

    除透辟懂得好机械进修阶段,深度进修阶段课程外,常日python基本也能够恰当重视下,上课师长教员讲解的python代码项目必定要敲几遍。缺乏力的话,课程内的大年夜数据spark阶段也能够控制好,作为加分项。

  • 产品经理

    数学弱,编程也弱,但从事互联网行业的

    须要花费比其他同窗更多的尽力,不论是在代码演习上,照样算法懂得,证明推导上,建议起首不用事无大小,而是更宏不雅一点的控制住重点的机械进修,深度进修道理,然后渐渐在演习代码过程当中进步编程才能和加深算法的懂得。成为一个具有算法工程师程度的人工智能产品经理,这也是企业中急需的人才网job.vhao.net!

  • 有任务经历的开辟人员

    有必定编程基本,数学弱

    由于有必定的编程经历,那python代码懂得起来不是难事,更要把重点放在机械进修算法懂得,推导上,深度进修的内容和项目上,python代码和大年夜数据spark进修起来不消花太多经历,然则项目代码照样须要敲的。

  • 在职BI,大年夜数据分析工程师

    有必定命据处理数据分析才能的

    由于有必定的代码才能,重点应放在机械进修算法推导和懂得上,和深度进修的进修和项目上。平常平凡更多留意把学到的知识应用就任务的营业场景中,时辰在脑海中有举一反三和学乃至用的思维。如许将来找任务也将会轻松一些。

合适你的AI收费进修福利

  • 01

    机械进修本质已有72174人下载

    收费讨取
  • 02

    情况装置设备已有34683人下载

    收费讨取
  • 03

    优化算法梯度降低法深刻分析已有35861人下载

    收费讨取
  • 04

    代码实战机械进修案例已有21060人下载

    收费讨取
  • 05

    模型评价代码实战已有28795人下载

    收费讨取
  • 06

    深度进修已有16633人下载

    收费讨取

好的师长教员,必定带出优良的你!

陈师长教员

清华大年夜学、比利时鲁汶大年夜学 海归博士

世界五百强Barco人工智能高等算法研发

国际有名互联网公司高等算法研究员

专注于图象质量评价(IQA)算法研究

尚私塾人工智能学院院长

孔师长教员

现任有名企业AI团队担任人

善于人工智能偏向有智能商分与知识图谱

丰富的数据发掘和NLP项目经历

尚私塾人工智能技巧总监

尚私塾AI课程十大年夜优势

100% AI课程

退学至少会一门编程说话或有互联网任务经历

失业目标明白AI工程师

17年已开线下班

全日制金牌讲师

线下班面授,教室互动

及时答疑,当面解惑

企业级实战AI项目,课程赓续升级,和大年夜企业深刻协作引入项目

算法道理、数学推导过细完全学透

失业指导、老学员交换经历高薪失业

90%python全栈+大批10%AI

无编程基本或无互联网任务经历

失业目标包含爬虫、网站开辟等

18年才筹划招生

专业时间兼职讲师

线上讲课,难以懂得先生想法主意

没法找到师长教员解答

把小案例当项目充数

算法推导囫囵吞枣,只听了外相

失业端赖本身

十个企业级项目
  • 电缆缺点检测
  • 电子元件缺点检测
  • 安然帽检测
  • 人脸辨认
  • OCR辨认
  • 实体关系抽取
  • 主动聊天机械人
  • 知识图谱
  • 推荐体系
  • 智能贸易分析
  • 电缆缺点检测

    项目简介

    各省市电网,须要建立一套完美的电缆线部件缺点检测的平台,为各省市的电缆线部件缺点供给智能化的处理筹划,进一步确保电网体系的安然运转。如今有些省市的电网缺点部件的检测仍采取人工查缺的方法,智能化的缺点检测平台可以进步电缆线部件缺点检测的精确率,节俭本钱。

    课程目标

    重点依托cascade R-CNN算法,和mmdetection对象,完成整套从数据标注到模型练习、优化。

    课程收益

    √ 对目标检测算法有一个很好的懂得,重点控制cascade R-CNN算法
    √ 可以或许对mmdetection对象有一个很好的懂得
    √ 对数据打标签、数据集制造、算法模型练习有一个很好的控制
    √ 对mmdetection代码有必定懂得,学会若何改进和优化算法
  • 电子元件缺点检测

    项目简介

    在机械视觉应用中,外不雅检测一向是行业痛点。外不雅缺点中的划痕、脏污、形状不一、大年夜小不合、深浅和各类姿势都不合,很难用传统的视觉检测算法稳定检测。然则随着深度进修技巧的生长,采取深度进修形式的外不雅检测程式,成了外不雅检测的新办法。

    课程目标

    重点依托Faster R-CNN算法,和TensorFlow对象,完成整套从数据标注到模型练习、优化。

    课程收益

    √ 对目标检测算法有一个很好的懂得,重点控制Faster R-CNN算法
    √ 对数据打标签、数据集制造、算法模型练习有一个很好的控制
    √ 对Faster R CNN代码有深刻认知,学会若何改进和优化算法
  • 安然帽检测

    项目简介

    施工工地对安然帽佩带的检测和监管力度愈来愈大年夜了,从智能安然帽的应用到安然帽检测体系的智能管理,如今的安然帽检测升级版关于安然帽佩带标准也有了新的分析算法,对未精确佩带、悬挂等都能精确检测辨认。对任务服色彩接近安然帽色彩的检测才能有了更高的晋升,比传统的安然帽辨认体系精度更高。

    课程目标

    重点依托Yolo one stage算法,和Darknet对象,完成整套从数据标注到模型练习、优化。

    课程收益

    √ 对目标检测算法有一个很好的懂得,重点控制Yolo V3算法
    √ 对数据打标签、数据集制造、算法模型练习有一个很好的控制
    √ 对Yolo V3代码有深刻认知,学会若何改进和优化算法
  • 人脸辨认

    项目简介

    人脸辨认,是基于人的脸部特点信息停止身份识其他一种生物辨认技巧。用摄像机或摄像头收集含有人脸的图象或视频流,并主动在图象中检测和跟踪人脸,进而对检测到的人脸停止脸部识其他一系列相干技巧,平日也叫做人像辨认、脸部辨认。

    课程目标

    经过过程一个完全的人脸辨认项目,控制人脸辨认体系的开辟流程和关键技巧。

    课程收益

    √ 从0到1,周全分析完全项目全部扶植生命周期:需求分析、架构设计、情况安排、法式榜样设计、模型练习。
    √ 控制人脸辨认普通过程,人脸检测、人脸对齐、人脸辨认
    √ 控制人脸检测的集成进修办法
    √ 控制人脸检测的CNN办法
    √ 控制人脸检测+关键点定位的多义务搜集MTCNN
  • OCR辨认

    项目简介

    OCR文字辨认软件,指应用OCR (Optical Character Recognition,光学字符辨认)技巧,将图片、照片上的文字内容,直接转换为可编辑文本的软件。软件可以把图片转换成可以编辑的文字。从验证码、身份证辨认、驾驶证辨认、单子辨认,到如今更多的辨认天然场景下的整句话,乃至懂得PDF外面带错别字的整段文字,应用处景可谓异常之广。

    课程目标

    控制目标检测+RNN+CTC loss完成通用的深度进修OCR架构。

    课程收益

    √ 懂得OCR应用处景和概念
    √ 控制目标检测+RNN+CTC loss架构
    √ 控制CTC loss中的道理
    √ 控制深度进修练习OCR模型的全体流程和代码
  • 实体关系抽取

    项目简介

    实体关系抽取处理了原始文本中目标实体之间的关系分类成绩,它也被广泛应用于文本摘要、主动问答体系、知识图谱、搜刮引擎和机械翻译中。中文实体关系抽取由于中词句式和语法构造复杂,汉语有更多歧义,会影响关系分类的后果。

    课程目标

    对实体关系抽取技巧、内行业应用有很清楚的熟悉。学会假设从语料库中经过过程机械进修和深度进修算法建立关系,办事于主动聊天机械人和知识图谱。

    课程收益

    √ 懂得义务是从无构造的文本中抽取实体和实体之间的关系(实体1-关系-实体2,三元组),这里的关系是我们预定义好的关系类型。
    √ 可以学到综合应用词嵌入、BiLSTM、CRF等NLP相干知识
  • 主动聊天机械人

    项目简介

    聊天机械人(Chatbot),又被称为对话代理(Conversational Agents)或对话体系(Dialog Systems),是以后的一个研究热点。Microsoft在聊天机械人范畴下了巨大年夜赌注,其他的公司,例如Facebook(M)、Apple(Siri)、Google、WeChat和Slack也不甘落后,推出了相干的产品。这股聊天机械人的新海潮,也在一些创业公司鼓起了:试图改变用户和办事之间的交互形式的产品。

    课程目标

    我们将会简介用于搭建聊天机械人模型的深度进修技巧,让同窗关于“这个范畴中,甚么是能做到的,甚么是现阶段简直弗成能完成的”有一个清楚的认知。并且进修搭建检索式聊天机械人和产生式聊天机械人。

    课程收益

    √ 对智能问答技巧会有很清楚的熟悉
    √ 懂得意图辨认、实体关系抽取对Chatbot的感化
    √ 可以学到一个聊天机械人项目完成
    √ 懂得聊天机械人现阶段面对的挑衅
  • 知识图谱

    项目简介

    知识图谱的应用从最后的Google搜刮,曾经舒展到了聊天机械人,大年夜数据风控、投资、智能医疗、自适应教导、推荐体系、物联网等多个重要范畴,并渐渐成为弗成缺乏的一门人工智能技巧。

    课程目标

    对知识图谱技巧、行业应用有很清楚的熟悉。学到完全知识图谱项目全生命周期所涉关键成绩的处理思路。

    课程收益

    √ 对知识图谱技巧、行业应用全貌会有很清楚的熟悉
    √ 可以学到一个完全知识图谱项目全生命周期所触及到的步调
    √ 对每个关键成绩的处理思路
  • 推荐体系

    项目简介

    推荐体系在各类体系中广泛应用,推荐算轨则是个中最核心的技巧点, 为推荐体系选择精确的推荐算法是异常重要的决定。每种推荐算法都有其长处和缺点,固然也有其限制条件,在作出决定之前,必须要逐一考量。在实际中,你能够会测试几种算法,以发明哪一种最合适你的用户,进修中你也会直不雅地发明它们是甚么和它们的任务道理。

    课程目标

    控制推荐体系道理与任务方法,应用SparkMLlib库停止建模。并且控制更多推荐体系相干算法的应用。

    课程收益

    √ 对推荐体系技巧架构、行业应用全貌会有很透辟的懂得
    √ 控制SparkMLlib、Hive数仓、python脚本的综合应用
    √ 控制GBDT+LR架构在推荐体系的应用
    √ 控制FM和FFM算法在推荐体系中的应用
    √ 控制深度进修推荐算法wide and deep learning
  • 智能贸易分析

    项目简介

    智能贸易分析项目关于企业的盈利会起到异常直接的影响,会深刻影响企业制订计谋战略,也是很多企业异常看重的硬需求。成功案例比如,微博粉丝推行,宠物类目若何圈定投放人群,若何保持有效客户池,商号营销,若何招徕客圈人,发掘潜伏人群,DMP帮我找到买面膜,ROI(投资报答率)翻倍,企业本钱控制。

    课程目标

    周全懂得智能贸易的价值,懂得运营的价值,发掘深层次用户行动、花费才能、行业所需,结合机械进修算法和NLP知识停止数据发掘

    课程收益

    √ 控制智能贸易分析和运营的关系
    √ 经过过程机械进修算法、分类、猜想、深层次进修特点发明
    √ 深刻懂得企业级用户画像体系
    √ 基于画像体系进步公司的收益
    √ 学会发卖分析、投入分析、商品分析、促销分析、行动分析、CAC模型精准分析用户、ROI精准完成变现才能
课程十六大年夜阶段概述
阶段 阶段称号 实战项目 收益
第一阶段 python基本与迷信计算模块
√ 泰坦尼克号数据分析案例
√ 可视化分析逻辑回归损掉函数案例
算法先行,技巧随后。进修人工智能范畴基本知识闇练控制,打好坚实的内功基本。
第二阶段 AI数学知识
√ 梯度降低和牛顿法推导
√ SVD奇怪值分化应用
第三阶段 线性回归算法
√ 代码完成梯度降低求解多元线性回归
√ 保险花消猜想案例
第四阶段 线性分类算法
√ 分类鸢尾花数据集
√ 音乐曲风分类
√ SVM人脸辨认案例
√ SVM算法代码完成
第五阶段 无监督进修算法
√ 微博用户聚类分析
√ PCA提取人脸图片特点脸
√ 图片前景背景分别
√ 根据声响辨别性别
√ 根据声响辨别用户
悟其精华,实际真谛。大年夜量机械进修实战,实际完成可胜任机械进修工程师岗亭。
第六阶段 决定计划树系列算法
√ 经过过程graphvis绘制决定计划树范型
√ 用户画像集成进修办法案例
√ Adaboost算法做人脸辨认
√ GBDT+LR架构完成
第七阶段 Kaggle实战
√ CTR告白预估项目
√ 网页分类案例
√ 药店销量猜想案例
√ 活动推荐猜想案例
√ 银行存款风控案例
悟其精华,实际真谛。大年夜量机械进修实战,实际完成可胜任机械进修工程师岗亭。
第八阶段 海量数据发掘对象
√ 代码实战WordCount计算和排序
√ 代码实战蒙特卡洛计算圆周率Pi
第九阶段 概率图模型算法
√ 代码实战渣滓邮件分类
第十阶段 深度进修道理到进阶实战
√ 水泥强度猜想案例及绘制神经搜集拓扑
√ Python完成神经搜集实战案例
√ MNIST手写数字辨认项目案例
√ California房价猜想案例
进军深度,进步内功。经过过程之前铺垫,进入深度进修,体悟深度黑盒子。
第十一阶段 图象辨认道理到进阶实战
√ Cifar10图象辨认案例
√ 皮肤癌医疗图象项目
√ 图象风格迁徙项目
√ 车牌辨认案例
√ 通用物体检测项目
图象辨认,妙趣横生。图象辨认项目,让您领会智能的的人脑任务流程。助您登上图象算法工程师岗亭。
第十三阶段 图象辨认项目
√ 电缆缺点检测
√ 电子元件缺点检测
√ 安然帽检测
√ 人脸辨认
第十二阶段 天然说话处理道理到进阶实战
√ TF代码完成Word2Vec算法项目
√ 深度学惯用户画像项目
√ 片子评论情感分析案例
√ 机械写唐诗案例
√ 产生式主动聊天机械人
√ POS词性标注案例
√ NER定名实体辨认案例
√ 语义类似度分析案例
√ Bert as service开源项目
奥妙说话,智能客服。天然说话处理,企业数据集核心痛点,实体辨认、说话辨认、类似度计算完成企业90%的文本需求。助力您荣登NLP工程师宝座。
第十四阶段 天然说话处理项目
√ OCR辨认
√ 实体关系抽取
√ 主动聊天机械人
√ 知识图谱
第十五阶段 数据发掘项目
√ 推荐体系
√ 智能贸易分析
班师在即,豪礼相送。双热点项目祝您开启出色人生门路,制订合适你的职业门路。
第十六阶段 面试和成功求职的秘笈
预科阶段:快速实战入门
章节称号 重要进修偏向

◆ 阶段概述:

本阶段讲解,人工智能的应用,人工智能的任务流程、根本概念,人工智能的义务和本质,KNN比来邻算法。

◆ 杀青目标:

经过过程本阶段进修,快速懂得人工智能能做甚么,要做甚么,并控制KNN算法和算法的代码完成。

人工智能概念与本质
1) 人工智能应用
2) 人工智能流程与本质
3) 人工智能流程比较人类思虑过程
4) 机械进修与深度进修本质差别
5) 回归与分类义务本质
6) 聚类与降维义务本质
KNN算法
1) KNN道理
2) Anaconda运转情况装置
3) Pycharm开辟情况设备装置
4) KNN的python代码完成
5) Scikit-learn模块讲解
6) KNN的sklearn代码实战
第一阶段:python基本与迷信计算模块
章节称号 重要进修偏向

◆ 阶段概述:

本阶段讲解,python基本语法,Numpy迷信计算模块,Pandas数据分析模块,Matplotlib和Seaborn数据可视化模块。

◆ 杀青目标:

经过过程本阶段进修,让先生快速控制python说话的特点和语法,并侧重对算法这块所触及的Numpy迷信计算模块和Pandas数据分析模块停止讲解。

◆ 实战教授教化项目:

√ 泰坦尼克号数据分析案例
√ 可视化分析逻辑回归损掉函数案例

Python基本语法
1) 轮回控制
2) 切片操作
3) 数据类型
4) 集合操作
5) 经常使用内建函数
6) 函数式编程
7) 类与对象
8) 持续
9) 装潢器
10) 生成器
迷信计算模块Numpy
1) Numpy ndarray对象
2) Numpy 数据类型
3) Numpy 数组属性
4) Numpy 创建数组
5) Numpy 切片和索引
6) Numpy 高等索引
7) Numpy 广播
8) Numpy 数组操作
9) Numpy 数学和统计函数
10) Numpy 排序、条件过滤函数
11) Numpy 线性代数
数据处理分析模块Pandas
1) Pandas IO文件操作
2) Pandas 索引和数据选择器
3) Pandas 归并、连接
4) Pandas 缺掉值数据处理
5) Pandas 数据团圆化
6) Pandas 统计计算
数据可视化模块
1) Matplotlib 散点图、线图、核密度图
2) Matplotlib 饼图、直方图、盒图
3) Matplotlib 等高线图
4) Matplotlib 可视化分析逻辑回归损掉函数
5) Seaborn 单变量、多变量的图形绘制
6) Seaborn Style和Color
7) Seaborn facetgrid
第二阶段:AI数学知识
章节称号 重要进修偏向

◆ 阶段概述:

本阶段讲解,微积分基本,线性代数基本,多元函数微分学,线性代数高等,概率论,最优化。

◆ 杀青目标:

经过过程本阶段进修,控制前面机械进修算法、深度进修算法触及的数学知识,使得前面在懂得算法推导的过程当中游刃缺乏。假设学员大年夜学数学知识还未忘记或许研究生卒业,这一部分可以先跳过进修前面的知识。

微积分基本
1) 导数的定义
2) 左导数、右导数、可导函数
3) 导数几何意义、物理意义
4) 根本函数求导公式
5) 四则运算轨则
6) 复合函数求导轨则
7) 神经搜集激活函数的导函数求解
8) 高阶导数
9) 导数与函数单调性
10) 极值定理
11) 导数与函数凹凸性
12) 一元函数泰勒展开
线性代数基本
1) 向量与其运算
2) 行向量和列向量
3) 向量加减、数乘、内积、转置
4) 向量范数
5) 特别向量
6) 矩阵与其运算
7) 方阵、对称阵、单位阵、对角阵
8) 矩阵加减、数乘、矩阵乘法、转置
9) 逆矩阵
10) 行列式
多元函数微分学
1) 偏导数
2) 高阶偏导数
3) 梯度
4) 雅可比矩阵
5) Hessian矩阵
6) 极值辨别轨则
线性代数高等
1) 二次型
2) 特点值和特点向量
3) 特点值分化
4) 多元函数的泰勒展开
5) 矩阵和向量的求导公式
6) 奇怪值分化
7) 奇怪值分化计算方法
8) 奇怪值分化性质
9) SVD用于数据紧缩
10) SVD用于PCA降维
11) SVD用于协同过滤
12) SVD用于矩阵求逆
概率论
1) 随机事宜和随机事宜概率
2) 条件概率和贝叶斯公式
3) 随机事宜的自力性
4) 随机变量
5) 数学希冀和方差
6) 经常使用随机变量屈从的分布
7) 随机向量
8) 随机变量自力性
9) 协方差与协方差矩阵
10) 随机向量的罕见分布
11) 最大年夜似然估计
最优化
1) 部分最小和全局最小
2) 迭代法求解
3) 梯度降低法推导
4) 牛顿法推导
5) 坐标降低法
6) 数值优化算法的成绩
7) 凸集
8) 凸函数
9) 凸优化成绩
10) 拉格朗日乘数法
11) 拉格朗日对偶
12) KKT条件
第三阶段:线性回归算法
章节称号 重要进修偏向

◆ 阶段概述:

本阶段讲解,多元线性回归,梯度降低法,归一化,正则化,Lasso回归,Ridge回归,多项式回归。

◆ 杀青目标:

经过过程本阶段进修,从推导出多元线性回归算法的损掉函数,到完成开辟和应用算法,再到对算法从数据预处理上,和损掉函数上的优化都将全体完全控制。对前面进修更多算法,乃至深度进修都将起到举一反三的后果。

◆ 实战教授教化项目:

√ 代码完成梯度降低求解多元线性回归
√ 保险花消猜想案例

多元线性回归
1) 简单线性回归
2) 最优解与最小二乘法
3) 多元线性回归辨别式
4) 多元线性回归的数学假定
5) 应用MLE推导出目标函数
6) 对数似然推导出MSE损掉函数
7) MSE求偏导取得参数解析解
8) 多元线性回归的python代码完成
9) 多元线性回归的sklearn代码实战
梯度降低法
1) 梯度降低法道理与公式
2) 进修率设置的学问
3) GD应用于多元线性回归的流程
4) 全量梯度降低的道理与代码完成
5) 随机梯度降低的道理与代码完成
6) Mini-Batch梯度降低的道理与代码完成
7) 代码完成增长MBGD数据的随机性
8) 代码完成静态调剂进修率
归一化
1) 归一化目标与量纲
2) 归一化进步模型精度
3) 最大年夜值最小值归一化与缺点
4) 方差归一化与好处
5) 均值归一化与好处
6) 标准归一化的代码实战与技能
正则化
1) 进步泛化才能与防止过拟合
2) 正则化用于损掉函数
3) L1与L2正则项与范数的关系
4) 结合GD讲解L1L2的几何意义
5) 透过导函数讲解L1的稀少性
6) 透过导函数讲解L2的腻滑性
Lasso回归、Ridge回归、多项式回归
1) Lasso回归道理与代码实战
2) Ridge回归道理与代码实战
3) ElasticNet回归道理与代码实战
4) 升维的意义
5) 多项式回归停止升维道理
6) 多项式升维代码实战
第四阶段:线性分类算法
章节称号 重要进修偏向

◆ 阶段概述:

本阶段讲解,逻辑回归算法,Softmax回归算法,SVM支撑向量机算法,SMO优化算法。

◆ 杀青目标:

经过过程本阶段进修,推导逻辑回归算法、SVM算法的辨别式和损掉函数,算法的优化、完成算法和应用开辟实战。将会对分类算法有深刻认知,关于懂得后续神经搜集算法和深度进修进修相当重要。

◆ 实战教授教化项目:

√ 分类鸢尾花数据集
√ 音乐曲风分类
√ SVM人脸辨认案例
√ SVM算法代码完成

逻辑回归
1) Sigmoid函数特点
2) 狭义线性回归与逻辑回归的数学假定
3) 证明伯努利二项分布属于指数族分布
4) 推导出逻辑回归辨别式
5) 推导出逻辑回归损掉函数log loss
6) 推导出损掉函数导函数用于最优化
7) 逻辑回归处理多分类成绩OVR
8) 逻辑回归代码实战--鸢尾花数据集分类
Softmax回归
1) Softmax函数特点
2) 狭义线性回归与Softmax回归的数学假定
3) 证明多项式分布属于指数族分布
4) 推导出Softmax回归辨别式
5) 推导出Softmax回归损掉函数cross-entropy
6) 证明逻辑回归是Softmax的特例
7) 分析逻辑回归多分类和Softmax多分类的本质差别
8) Softmax回归代码实战--音乐曲风分类
SVM支撑向量机
1) SVM与感知机关系
2) 几何间隔和函数间隔
3) SVM支撑向量机算法道理
4) SVM的损掉函数
5) 硬间隔SVM的优化步调
6) 软间隔SVM
7) 非线性SVM与核函数
8) SVM在sklearn模块中参数详解
9) SVM人脸辨认案例
10) SVM的概率化输入
11) SVM的OVO多分类
12) SVM的hinge loss
SMO优化算法
1) SMO优化算法的子二次筹划成绩思路
2) SMO把目标函数从二元函数变一元函数
3) SMO推导出新的α和旧的α关系
4) SMO对α停止剪裁
5) SMO优化SVM算法代码完成
第五阶段:无监督进修算法
章节称号 重要进修偏向

◆ 阶段概述:

本阶段讲解,K-means聚类算法,K-means聚类算法的变形,密度聚类,层次聚类、谱聚类、PCA降维算法、EM希冀最大年夜化、GMM高斯混淆模型。

◆ 杀青目标:

经过过程本阶段进修,控制无监督机械进修算法的感化和道理,透辟懂得聚类和降维的本质差别,往后可以精确选择无监督进修算法,并实战开辟。

◆ 实战教授教化项目:

√ 微博用户聚类分析
√ PCA提取人脸图片特点脸
√ 图片前景背景分别
√ 根据声响辨别性别
√ 根据声响辨别用户
聚类系列算法
1) 类似度丈量办法
2) K-means算法道理
3) K-means图象应用案例
4) K-medoids算法
5) K-means++算法
6) Mini-batch K-means算法
7) Canopy聚类算法
8) Agnes层次聚类算法
9) Diana层次聚类算法
10) DBSCAN密度聚类算法
11) Spectral谱聚类
12) 微博用户聚类分析案例
PCA降维算法
1) 特点选择与特点映照
2) 最大年夜投影方差道理与推导
3) 最小投影间隔道理与推导
4) PCA过程的中间化
5) Kernelized PCA
6) SVD奇怪值分化用于PCA
EM算法
1) Jensen不等式
2) EM算法的E-step
3) EM算法的M-step
4) EM在GMM公式推导中应用
GMM算法
1) 单一高斯分布的参数估计
2) 混淆高斯分布的似然函数
3) GMM的计算流程
4) GMM之图片前景背景分别代码实战
5) GMM之根据声响辨别性别代码实战
6) GMM之根据声响辨别用户代码实战
第六阶段:决定计划树系列算法
章节称号 重要进修偏向

◆ 阶段概述:

本阶段讲解,决定计划树算法、随机丛林算法、Adaboost算法、GBDT算法、XGBoost算法。

◆ 杀青目标:

经过过程本阶段进修,控制非线性决定计划树系列算法,重点控制Kaggle奇异XGBoost算法,懂得GBDT和XGBoost触及的公式推导,本阶段的控制将大年夜大年夜晋升学员数据发掘的才能,关于后续懂得Kaggle实战阶段内容会起到很大年夜的赞助。

◆ 实战教授教化项目:

√ 经过过程graphvis绘制决定计划树范型
√ 用户画像集成进修办法案例
√ Adaboost算法做人脸辨认
√ GBDT+LR架构代码完成

决定计划树算法
1) 决定计划树的算法道理与数学表达
2) 决裂目标Gini系数、信息增益、信息增益率
3) 前剪枝与后剪枝
4) 决定计划树ID3、C4.5和CART
5) 决定计划树算法优略比较
6) 决定计划树之鸢尾花数据集分类案例
7) 经过过程graphvis绘制决定计划树范型
随机丛林算法
1) 集成进修算法思维Bagging、Boosting、Stacking
2) 用户画像集成进修办法案例
3) OOB数据集验证随机丛林算法
4) 随机丛林副产品之特点选择
Adaboost算法
1) Adaboost算法道理
2) 数据的权重与权重缺点率
3) 权重缺点率调剂到0.5练习下一个弱分类器
4) 计算每个样本的权重Un
5) 应用Adaboost算法做人脸辨认
GBDT算法
1) 函数空间的梯度降低与负梯度
2) 推导GBDT回归是拟合残差
3) Shrinkage衰减系数的感化
4) 推导GBDT分类亦是拟合残差
5) GBDT二分类模型练习和应用
6) GBDT多分类模型练习和应用
7) GBDT副产品之特点组适用于降维
8) 完成GBDT+LR架构代码实战
XGBoost算法
1) XGBoost算法与决定计划树集成进修关系
2) XGBoost目标函数与正则项
3) XGBoost目标函数用二阶泰勒展开
4) 推导简化XGBoost目标函数引入g h
5) XGBoost目标函数参加树的复杂度
6) 推导出XGBoost目标函数终究情势和叶子节点表达式
7) 详解XGBoost算法参数与交叉验证
8) XGBoost算法调用GPU显卡资本加快
第七阶段:Kaggle实战
项目称号 项目简介

◆ 阶段概述:

本阶段讲解,CTR告白预估项目、网页分类案例、药店销量猜想案例、活动推荐猜想案例、银行存款风控案例。

◆ 杀青目标:

经过过程本阶段进修,实战代码深刻懂得前面学过的算法和对象,Kaggle比赛数据集全部来自于公司,并且需求直接是企业外面的需求,并且此阶段讲解的代码均是大年夜牛级开源的代码。要知道Kaggle上的大年夜牛会普通企业的算法工程师程度高,一切同窗进修Kaggle实战将会收获颇丰。

◆ 实战教授教化项目:

√ CTR告白预估项目
√ 网页分类案例
√ 药店销量猜想案例
√ 活动推荐猜想案例
√ 银行存款风控案例

CTR告白预估项目
网页分类案例
药店销量猜想案例
活动推荐猜想案例
银行存款风控案例
第八阶段:海量数据发掘对象
章节称号 重要进修偏向

◆ 阶段概述:

本阶段讲解,分布式概念,Spark分布式计算框架,SparkMLlib模块,SparkML模块。

◆ 杀青目标:

经过过程本阶段进修,控制一个海量数据发掘对象Spark,这关于在企业中面对海量数据,停止机械进修数据发掘时多个选择,并且在Kaggle实战和推荐体系项目中也会用到此阶段知识。

Spark计算框架基本
1) 分布式存储和计算概念
2) Spark计算框架特点
3) 分布式计算Shuffle流程
4) Spark RDD五大年夜特点
5) PySpark模块装置与设备
6) 代码实战WordCount计算和排序
7) 代码实战蒙特卡洛计算圆周率Pi
Spark计算框架深刻
1) 算子操作Transformation和Action
2) RDD耐久化
3) 宽窄依附
4) Spark DAG优化
5) Spark架构运转分析
6) 读取分布式HDFS数据与并行度设置
Spark机械进修MLlib和ML模块
1) MLlib的LocalVector之稠密向量和稀少向量
2) MLlib的有监督进修数据类型LabeledPoint
3) ML中用到的DataFrame数据框操作
4) ML中用到的UDF函数
5) ML的pipeline流程思路
第九阶段:概率图模型算法
章节称号 重要进修偏向

◆ 阶段概述:

本阶段讲解,贝叶斯分类算法、隐含马尔可夫模型、最大年夜熵模型、条件随机场。

◆ 杀青目标:

经过过程本阶段进修,控制NLP天然说话处理的一些根本算法,本阶段的懂得关于后续完成NLP大年夜项目很重要。

◆ 实战教授教化项目:

√ 代码实战渣滓邮件分类

贝叶斯分类
1) 朴实贝叶斯分类器
2) 拉普拉斯估计
3) 代码实战渣滓邮件分类
HMM算法
1) 马尔可夫过程
2) 初始概率、转移概率、发射概率
3) 隐含马尔可夫模型道理
4) 维特比算法
最大年夜熵模型
1) 熵、条件熵、相对熵、互信息
2) 最大年夜熵模型算法道理
3) 有束缚条件的函数最优化成绩
4) 最大年夜熵和最大年夜似然估计关系
5) IIS算法
CRF算法
1) 条件随机场的性质
2) 条件随机场的辨别函数
3) 条件随机场的进修
4) 条件随机场的揣摸
5) CRF与HMM关系
第十阶段:深度进修道理到进阶实战
章节称号 重要进修偏向

◆ 阶段概述:

本阶段讲解,神经搜集算法、Back Propagation反向传播推导、TensorFlow框架、TensorBoard模块。

◆ 杀青目标:

经过过程本阶段进修,开启深度进修之旅,深刻懂得神经搜集算法及其优化算法,控制TensorFlow开辟流程,经过过程完成神经搜集完成回归和分类义务。TensorFlow框架学好了,其它深度进修框架比如Keras、PyTorch控制起来轻而易举。

◆ 实战教授教化项目:

√ 水泥强度猜想案例及绘制神经搜集拓扑
√ Python完成神经搜集实战案例
√ MNIST手写数字辨认项目案例
√ California房价猜想案例

神经搜集
1) 从生物神经元到人工神经元
2) 激活函数Relu、Tanh、Sigmoid
3) 透过神经搜集拓扑懂得逻辑回归分类
4) 透过神经搜集拓扑懂得Softmax回归分类
5) 透过神经搜集隐蔽层懂得升维降维
6) 分析隐蔽层激活函数必须长短线性的缘由
7) 神经搜集在sklearn模块中的应用
8) 水泥强度猜想案例及绘制神经搜集拓扑
BP反向传播算法
1) BP反向传播目标
2) 链式求导轨则
3) BP反向传播推导
4) 不合激活函数在反向传播应用
5) 不合损掉函数在反向传播应用
6) Python完成神经搜集实战案例
TensorFlow深度进修对象
1) TF装置(包含CUDA和cudnn装置)
2) TF完成多元线性回归之解析解求解
3) TF完成多元线性回归之梯度降低求解
4) TF猜想california房价案例
5) TF完成Softmax回归
6) Softmax分类MNIST手写数字辨认项目案例
7) TF框架模型的保存和加载
8) TF完成DNN多层神经搜集
9) DNN分类MNIST手写数字辨认项目案例
10) Tensorboard模块可视化
第十一阶段:图象辨认道理到进阶实战
章节称号 重要进修偏向

◆ 阶段概述:

本阶段讲解,卷积神经搜集、深度神经搜集的成绩和优化手段、经典卷积神经搜集模型、OpenCV模块、目标检测算法道理与实战。

◆ 杀青目标:

经过过程本阶段进修,深刻透辟的控制图象辨认范畴深度进修的道理和应用。经过过程知识点的讲解,帮助论文讲解和源码的分析,让同窗可以懂得搜集的底层架构道理和代码,可以说此阶段固然内容多,但对面试图象辨认范畴岗亭来讲很重要,值很多花心思反复研究。

◆ 实战教授教化项目:

√ Cifar10图象辨认案例
√ 皮肤癌医疗图象检测项目
√ 图象风格迁徙项目
√ 车牌辨认案例
√ 通用物体检测项目

卷积神经搜集道理
1) 感触感染野与卷积
2) 卷积的计算
3) 权值共享
4) Stride步长
5) Padding形式
6) Pooling池化
7) TF完成CNN卷积神经搜集
8) CNN分类MNIST手写数字辨认项目案例
卷积神经搜集优化
1) 梯度消掉与梯度爆炸
2) Dropout防止过拟合
3) Relu激活函数变形
4) Xavier Glorot初始化
5) Optimizer优化器
6) Data Augmentation数据加强
7) Batch Normalization归一化
8) Cifar10图象辨认案例
经典卷积搜集算法
1) LeNet
2) AlexNet
3) VGG16
4) InceptionV3
5) ResNet
6) DenseNet
7) MobileNet
8) 皮肤癌医疗图象检测项目
9) GAN生成对抗搜集
10) 图象风格迁徙项目
OpenCV模块
1) 读取IP摄像头
2) RGB与HSV空间变换
3) 直方图均值化
4) 边沿检测
5) 人脸检测
6) 物体追踪
7) 车道线检测
8) 车牌辨认案例
古典目标检测算法
1) 图象金字塔
2) 古典目标检测架构
3) ROI、IOU、FPS、NMS、mAP
4) IOU代码完成
5) NMS代码完成
6) 特点金字塔
7) SPP net
8) ROI池化
现代目标检测算法
1) Fast R CNN
2) Faster R CNN
3) RPN搜集、Anchor boxes
4) Mask R CNN
5) SSD
6) Yolo V1 V2 V3
7) Cascade R CNN
8) 模型紧缩
第十二阶段:天然说话处理道理到进阶实战
章节称号 重要进修偏向

◆ 阶段概述:

本阶段讲解,词向量、词嵌入、RNN、LSTM、孪生搜集、CNN在NLP中的应用、Attention留意力机制、Transformer、BERT。

◆ 杀青目标:

经过过程本阶段进修,控制NLP中词的各类向量表达,从古典的Word2Vec方法到现代的BERT方法,学好这些NLP提特点的骨干搜集,才能在NLP各项义务中产生好的后果。这阶段也将控制大年夜量NLP义务的实战开辟。

◆ 实战教授教化项目:

√ TF代码完成Word2Vec算法项目
√ 深度学惯用户画像项目
√ 片子评论情感分析案例
√ 机械写唐诗案例
√ 产生式主动聊天机械人
√ POS词性标注案例
√ NER定名实体辨认案例
√ 语义类似度分析案例
√ Bert as service开源项目

词向量与词嵌入
1) TFIDF
2) Word2Vec算法
3) Gensim模块
4) Skip-gram
5) TF代码完成Word2Vec算法项目
6) FastText
7) Word Embedding
8) 深度学惯用户画像项目
轮回神经搜集道理与优化
1) Vanilla RNN
2) Basic RNN完成MNIST手写数字图片辨认
3) LSTM长短时记忆
4) GRU与双向LSTM
5) 片子评论情感分析案例
6) Seq2Seq
7) 机械写唐诗案例
8) CNN+LSTM+CRF
9) POS tagging词性标注案例
10) NER定名实体辨认案例
11) 孪生搜集
12) 语义类似度分析案例
Transformer和Bert
1) Attention留意力机制
2) Attention算法流程
3) Transformer
4) Self-Attention机制
5) Multi-Head Attention
6) Bert
7) Bert as service开源项目
第十三阶段:图象辨认项目
项目称号 项目简介 目标与收益
电缆缺点检测
各省市电网,须要建立一套完美的电缆线部件缺点检测的平台,为各省市的电缆线部件缺点供给智能化的处理筹划,进一步确保电网体系的安然运转。如今有些省市的电网缺点部件的检测仍采取人工查缺的方法,智能化的缺点检测平台可以进步电缆线部件缺点检测的精确率,节俭本钱。

◆ 课程目标:

重点依托cascade R-CNN算法,和mmdetection对象,完成整套从数据标注到模型练习、优化。

◆ 课程收益:

√ 对目标检测算法有一个很好的懂得,重点控制cascade R-CNN算法
√ 可以或许对mmdetection对象有一个很好的懂得
√ 对数据打标签、数据集制造、算法模型练习有一个很好的控制
√ 对mmdetection代码有必定懂得,学会若何改进和优化算法

电子元件缺点检测
在机械视觉应用中,外不雅检测一向是行业痛点。外不雅缺点中的划痕、脏污、形状不一、大年夜小不合、深浅和各类姿势都不合,很难用传统的视觉检测算法稳定检测。然则随着深度进修技巧的生长,采取深度进修形式的外不雅检测程式,成了外不雅检测的新办法。

◆ 课程目标:

重点依托Faster R-CNN算法,和TensorFlow对象,完成整套从数据标注到模型练习、优化。

◆ 课程收益:

√ 对目标检测算法有一个很好的懂得,重点控制Faster R-CNN算法
√ 对数据打标签、数据集制造、算法模型练习有一个很好的控制
√ 对Faster R CNN代码有深刻认知,学会若何改进和优化算法

安然帽检测
施工工地对安然帽佩带的检测和监管力度愈来愈大年夜了,从智能安然帽的应用到安然帽检测体系的智能管理,如今的安然帽检测升级版关于安然帽佩带标准也有了新的分析算法,对未精确佩带、悬挂等都能精确检测辨认。对任务服色彩接近安然帽色彩的检测才能有了更高的晋升,比传统的安然帽辨认体系精度更高。

◆ 课程目标:

重点依托Yolo one stage算法,和Darknet对象,完成整套从数据标注到模型练习、优化。

◆ 课程收益:

√ 对目标检测算法有一个很好的懂得,重点控制Yolo V3算法
√ 对数据打标签、数据集制造、算法模型练习有一个很好的控制
√ 对Yolo V3代码有深刻认知,学会若何改进和优化算法

人脸辨认
人脸辨认,是基于人的脸部特点信息停止身份识其他一种生物辨认技巧。用摄像机或摄像头收集含有人脸的图象或视频流,并主动在图象中检测和跟踪人脸,进而对检测到的人脸停止脸部识其他一系列相干技巧,平日也叫做人像辨认、脸部辨认。

◆ 课程目标:

经过过程一个完全的人脸辨认项目,控制人脸辨认体系的开辟流程和关键技巧。

◆ 课程收益:

√ 从0到1,周全分析完全项目全部扶植生命周期:需求分析、架构设计、情况安排、法式榜样设计、模型练习。
√ 控制人脸辨认普通过程,人脸检测、人脸对齐、人脸辨认
√ 控制人脸检测的集成进修办法
√ 控制人脸检测的CNN办法
√ 控制人脸检测+关键点定位的多义务搜集MTCNN

第十四阶段:天然说话处理项目
项目称号 项目简介 目标与收益
OCR辨认
OCR文字辨认软件,指应用OCR (Optical Character Recognition,光学字符辨认)技巧,将图片、照片上的文字内容,直接转换为可编辑文本的软件。软件可以把图片转换成可以编辑的文字。从验证码、身份证辨认、驾驶证辨认、单子辨认,到如今更多的辨认天然场景下的整句话,乃至懂得PDF外面带错别字的整段文字,应用处景可谓异常之广。

◆ 课程目标:

控制目标检测+RNN+CTC loss完成通用的深度进修OCR架构。

◆ 课程收益:

√ 懂得OCR应用处景和概念
√ 控制目标检测+RNN+CTC loss架构
√ 控制CTC loss中的道理
√ 控制深度进修练习OCR模型的全体流程和代码

实体关系抽取
实体关系抽取处理了原始文本中目标实体之间的关系分类成绩,它也被广泛应用于文本摘要、主动问答体系、知识图谱、搜刮引擎和机械翻译中。中文实体关系抽取由于中词句式和语法构造复杂,汉语有更多歧义,会影响关系分类的后果。

◆ 课程目标:

对实体关系抽取技巧、内行业应用有很清楚的熟悉。学会假设从语料库中经过过程机械进修和深度进修算法建立关系,办事于主动聊天机械人和知识图谱。

◆ 课程收益:

√ 懂得义务是从无构造的文本中抽取实体和实体之间的关系(实体1-关系-实体2,三元组),这里的关系是我们预定义好的关系类型。
√ 可以学到综合应用词嵌入、BiLSTM、CRF等NLP相干知识

主动聊天机械人
聊天机械人(Chatbot),又被称为对话代理(Conversational Agents)或对话体系(Dialog Systems),是以后的一个研究热点。Microsoft在聊天机械人范畴下了巨大年夜赌注,其他的公司,例如Facebook(M)、Apple(Siri)、Google、WeChat和Slack也不甘落后,推出了相干的产品。这股聊天机械人的新海潮,也在一些创业公司鼓起了:试图改变用户和办事之间的交互形式的产品。

◆ 课程目标:

我们将会简介用于搭建聊天机械人模型的深度进修技巧,让同窗关于“这个范畴中,甚么是能做到的,甚么是现阶段简直弗成能完成的”有一个清楚的认知。并且进修搭建检索式聊天机械人和产生式聊天机械人。

◆ 课程收益:

√ 对智能问答技巧会有很清楚的熟悉
√ 懂得意图辨认、实体关系抽取对Chatbot的感化
√ 可以学到一个聊天机械人项目完成
√ 懂得聊天机械人现阶段面对的挑衅

知识图谱
知识图谱的应用从最后的Google搜刮,曾经舒展到了聊天机械人,大年夜数据风控、投资、智能医疗、自适应教导、推荐体系、物联网等多个重要范畴,并渐渐成为弗成缺乏的一门人工智能技巧。

◆ 课程目标:

对知识图谱技巧、行业应用有很清楚的熟悉。学到完全知识图谱项目全生命周期所涉关键成绩的处理思路。

◆ 课程收益:

√ 对知识图谱技巧、行业应用全貌会有很清楚的熟悉
√ 可以学到一个完全知识图谱项目全生命周期所触及到的步调
√ 对每个关键成绩的处理思路

第十五阶段:数据发掘项目
项目称号 项目简介 目标与收益
推荐体系
推荐体系在各类体系中广泛应用,推荐算轨则是个中最核心的技巧点, 为推荐体系选择精确的推荐算法是异常重要的决定。每种推荐算法都有其长处和缺点,固然也有其限制条件,在作出决定之前,必须要逐一考量。在实际中,你能够会测试几种算法,以发明哪一种最合适你的用户,进修中你也会直不雅地发明它们是甚么和它们的任务道理。

◆ 课程目标:

控制推荐体系道理与任务方法,应用SparkMLlib库停止建模。并且控制更多推荐体系相干算法的应用。

◆ 课程收益:

√ 对推荐体系技巧架构、行业应用全貌会有很透辟的懂得
√ 控制SparkMLlib、Hive数仓、python脚本的综合应用
√ 控制GBDT+LR架构在推荐体系的应用
√ 控制FM和FFM算法在推荐体系中的应用
√ 控制深度进修推荐算法wide and deep learning

智能贸易分析
智能贸易分析项目关于企业的盈利会起到异常直接的影响,会深刻影响企业制订计谋战略,也是很多企业异常看重的硬需求。成功案例比如,微博粉丝推行,宠物类目若何圈定投放人群,若何保持有效客户池,商号营销,若何招徕客圈人,发掘潜伏人群,DMP帮我找到买面膜,ROI(投资报答率)翻倍,企业本钱控制。

◆ 课程目标:

周全懂得智能贸易的价值,懂得运营的价值,发掘深层次用户行动、花费才能、行业所需,结合机械进修算法和NLP知识停止数据发掘

◆ 课程收益:

√ 控制智能贸易分析和运营的关系
√ 经过过程机械进修算法、分类、猜想、深层次进修特点发明
√ 深刻懂得企业级用户画像体系
√ 基于画像体系进步公司的收益
√ 学会发卖分析、投入分析、商品分析、促销分析、行动分析、CAC模型精准分析用户、ROI精准完成变现才能

机会每小我都有的!

但很多人不知道他们碰着过它。

掌握良机
开端逆袭

每期开班坐位无限

预定报名可优先选座

  • 北京校区
  • 山西校区
  • 郑州校区
  • 武汉校区
  • 四川校区
  • 长沙校区
  • 深圳校区
  • 上海校区
  • 广州校区
  • 保定招生办

北京京南校区:北京亦庄经济开辟区科创十四街6号院1号楼 赛蒂国际工业园
北京海淀区校区:北京市海淀区西三旗街道建材城西路中腾建华商务大年夜厦东侧二层尚私塾
咨询德律风:400-009-1906 / 010-56233821
面讲课程: JavaEE+微办事+大年夜数据     大年夜数据+机械进修+平台架构     Python+数据分析+机械进修  人工智能+形式辨认+强化进修   WEB前端+移动端+办事端衬着

 

山西学区地址:山西省晋中市榆次区大年夜学城大年夜先生活广场万科贸易A1座702

郑州学区地址:河南电子商务家当园6号楼4层407
咨询德律风:0371-55177956

武汉学区地址:武汉市东湖高新区光谷金融港B22栋11楼
咨询德律风:027-87989193

四川学区地址:成都会高新区锦晖西一街99号布鲁明顿大年夜厦2栋1003室
咨询德律风:028-65176856 / 13880900114

网址:http://www.cssxt.com/
咨询德律风:0731-83072091

深圳校区地址:深圳市宝安区航城大年夜道U8智造家当园U6栋3楼
咨询德律风:0755-23061965 / 18898413781

上海尚私塾校区地址:上海市浦东新区城丰路650号
咨询德律风:021-67690939

广州校区地址:广州市银河区车陂街道大年夜岗路5号中侨广场2栋321室(四号线车陂站D出口,或brt车陂站)
咨询德律风:18948349646

保定招生办公室

地址:河北省保定市竞秀区朝阳南大年夜街777号鸿悦国际1101室

德律风:15132423123

Copyright 2006-2020 北京尚私塾科技无限公司  京ICP备13018289号-19  京公网安备11010802015183  
网站保护:北京尚私塾科技无限公司昌等分公司