人工智能全栈开发工程师培训课程是上海容大职业教育专门为了设置的课程，人工智能全栈开发工程师培训课程滚动开班想了解人工智能全栈开发工程师培训课程的具体课时、学费、开课时间、师资力量、开课地点等详细信息可咨询客服，也可以咨询客服获取最新优惠活动及试听预约。下面一起来看看具体课程介绍吧。

人工智能.代码篇 - Python语言基础

一、Python语言基础

1、Python简介、安装及IDLE工具；

2、Python语法入门；

3、Python控制流及自定义函数。

二、Python核心编程

1、Python数据分析常用技巧；

2、Python中的数据持久化-CVS、Excel篇；

3、关系型数据库之MySQL必知必会；

4、Python中的数据持久化-MySQL篇；

5、分布式数据库之MongoDB必知必会；

6、Python中的数据持久化-MongoDB篇。

三、Python爬虫

1、爬虫基础篇；

2、爬虫数据提取篇；

3、动态数据爬取及scrapy入门篇；

4、动态数据爬取及scrapy实战篇。

人工智能.数据分析篇 - Python分析

一、Python科学计算库：Numpy

1、Numpy快速入门；

2、操作NDARRAY多维数组；

3、基于Numpy的统计分析

4、矩阵运算及线性代数中的应用

二、Python数学计算库：Scipy

1、Scipy课程概述；

2、Scipy新手入门篇-简介及子模块快速预览；

3、Scipy及Anoconda、Jupyter安装及使用-安装方法；

4、Scipy及Anoconda、Jupyter安装及使用-使用方法；

5、Scipy的‘helloworld’-mat文件的读写；

6、Scipy入门篇小结；

7、Scipy进阶篇导入；

8、Scipy进阶篇-实现统计功能-随机数生成及偏度计算；

9、Scipy进阶篇-实现统计功能-峰度计算及位置计算；

10、Scipy进阶篇-实现统计功能-案例分辨两组分数难易度问题-1；

11、Scipy进阶篇-实现统计功能-案例分辨两组分数难易度问题-2；

12、Scipy进阶篇-实现统计功能-小结；

13、Scipy进阶篇-signal的使用-检测股价的线性趋势-1；

14、Scipy进阶篇-signal的使用-检测股价的线性趋势-2；

15、Scipy进阶篇-signal的使用-小结及作业；

16、Scipy进阶篇-线性代数上的应用；

17、Scipy进阶篇-图像上的应用；

18、Scipy进阶篇-声音上的应用；

19、总结。

三、Python数据分析库：Pandas

1、Pandas 前导课；

2、Pandas 新手入门篇；

3、Pandas 快速进阶篇；

4、Pandas 高-级篇；

5、课程总结。

四、Python可视化库：MatplotLib

1、Matplotlib 入门篇；

2、Matplotlib 快速进阶篇；

3、Matplotlib 综合演练篇；

4、Matplotlib 高-级篇；

5、Pandas+Matplotlib简化数据可视化；

6、Matplotlib 番外篇：PyEcharts；

7、Matplotlib 课程总结。

五、综合项目实战：豆瓣电影排名可视化分析系统

技术点：

借助可视化分析工具进行数据分析：

1、业务需求分析；

2、数据收集；

3、数据清洗；

4、数据处理；

5、数据分析；

6、数据可视化分析展示；

7、数据分析报告。

人工智能.基础入门篇

一、机器学习入门

1、课题导入；

2、机器学习概述；

3、快速理解机器学习；

4、快速了解深度学习；

5、机器学习的分类；

6、机器学习要解决的任务。

二、机器学习基础：数学必知必会

1、课程导入正式版；

2、极限正式版；

3、导数与积分正式版；

4、无穷级数正式版；

5、向量；

6、矩阵与线性变换；

7、应用之凸分析正式版。

三、机器学习基础：统计学必知必会

1、概述与描述性统计方法；

2、概率论的基本概念；

3、随机变量的分布与统计学；

4、一元线性回归；

5、多元线性回归；

6、时间序列分析和预测。

四、机器学习十大经典算法原理-扫盲篇

1、数据挖掘算法简介；

2、决策树算法简介；

3、随机森林算法简介；

4、逻辑回归算法简介；

5、SVM算法简介；

6、贝叶斯算法简介；

7、K zui近邻算法简介；

8、K均值算法简介；

9、Adaboost算法简介；

10、神经网络算法简介；

11、马尔可夫算法简介；

12、课程总结。

五、机器学习框架：Scikit-learn快速入门

1、概述与描述性统计方法；

2、概率论的基本概念；

3、随机变量的分布与统计学；

4、一元线性回归；

5、多元线性回归；

6、时间序列分析和预测。

人工智能.机器学习篇

一、机器学习：数据准备与数据处理

1、数据理解

2、单变量数据探索

3、多变量数据探索

4、数据预处理

5、数据预处理02

6、特征变量的构造和组合

7、数据准备与数据处理总结

二、机器学习：构建第-一个预测模型

1、构建第-一个预测模型

2、预测模型开发流程

3、模型训练和评估

4、模型预测

5、新数据预测方法及模型理解

6、机器学习入门总结

三、机器学习：再论sk-learn

1、sklearn基础概念

2、sklearn使用流程

3、sk-learn 的 API 结构01

4、sk-learn 覆盖的机器学习问题

5、sk-learn 的 API 结构02

6、sklearn核心概念

7、机器学习流水线（pipeline)

四、机器学习之监督学习：实战机器学习十大预测算法（下）

1、集成学习（模型融合方法）

2、随机森林

3、Adaboost算法

4、GDBT 算法

5、神经网络

五、机器学习之监督学习：实战机器学习十大预测算法（上）

1、线性回归

2、逻辑回归

3、决策树

4、支持向量机

5、K近邻

6、朴素贝叶斯算法

六、scikit-learn实战案例集

1、机器学习经典案例：垃圾邮件过滤模型

2、KNN算法实现手写字体识别

3、从疝气病症预测病马的死亡率

4、餐馆菜肴推荐系统

5、决策树为你进行智能配镜

七、机器学习之非监督学习：聚类分析

1、聚类分析概述

2、K 均值聚类算法原理 01

3、K 均值聚类算法原理 02

4、K 均值算法代码示例

5、K 均值算法调参

6、层次具类

7、birch算法01

8、birch算法02

9、层次聚类算法及代码理解

10、DBSCAH聚类算法01

11、DBSCAH算法02

12、层次聚类birch算法参数比较代码理解

13、密度聚类dbscan算法案例代码理解

14、KD tree原理01

15、KD tree原理02及总结

八、模型评估、优化与调参

1、预测模型评估

2、模型优化和调参

九、机器学习之特征工程

1、基础特征工程

2、特征提取-降维

3、数据不平衡

十、推荐算法初步

1、推荐系统概述

2、协同过滤推荐算法

3、隐语义模型

4、关联规则挖掘推荐算法

5、基于内容的推荐

十一、项目实战：基于FP-growth算法实现的新闻网站流量点击分析系统

1、项目背景需求及输出

2、构造fp-tree

3、挖掘fp-tree及代码分析

十二、项目实战：基于聚类(Kmeans)算法实现的客户价值分析系统

项目背景：客户价值分析其实就是一个客户分群问题。是以客户为中心，先从客户需求出发，搞清楚客户需要什么，他们有怎么样的一个特征，他们需要什么样的产品，然后我们再回头设

计出相应的产品，以满足客户的需求。

之所以要进行客户价值分析，就是商家为了避免闭门造车，主观臆断客户需要什么什么什么。

随着数据量不断增大，传统的拍脑袋做决定的决策方式，变得越来越过时了。

那具体到我们这个项目呢，我们这个项目的背景是某电信运营商，该运营商需要以客户为中心，按照客户的需求，在对客户特点的了解上，推出不同的资费套餐和营销手段，以便更好地留住现有客户，吸引新的客户。

十三、项目实战：基于AI人脸识别技术实现的仿美颜相机-自拍坊”企业级应用

项目背景：本课程是由十几年工作经验的一线资深软件开发工程师、人工智能应用开发工程师

将自己在实际工作中涉及到的项目拿出来为大家做的一个分享，模仿了:美颜像机自拍加特效

的核心功能实现，是一个有料有趣的应用，项目虽小，但功能技术点确非常的多，包括但不

限于:人脸识别技术应用、摄像头的控制、图像库的处理，GitHub的使用等。代码略加改造

即可应用在实际工业生产项目中，可以讲是一个集趣味，技术，算法与商业应用为一体的课

程，具有很高的实用价值。

人工智能.深度学习篇

一、实战神经网络

1、课程概述、开发环境搭建

2、梯度下降和线性回归

3、矩阵乘法和感知机

4、神经网络入门

5、共享单车解析

6、模型验证和评估

7、情感分析解析

8、miniflow解析

9、tensorflow入门

二、实战卷积神经网络

1、Tensorflow 入门

2、CNN网络

3 Tensorflow 小结

3、CNN网络

4、梯度消失和梯度爆炸

5、神经网络补充---梯度消失和梯度爆炸

6、batch normalization

三、实战循环神经网络

1、RNN TF编程逻辑

2、词向量

3、seq2seq理论原理

4、seq2seq编程逻辑

5、代码实现 : 简单RNN

6、代码实现 : 循环神经网络入门

7、代码实现 : 单词嵌入和word2vec

8、代码实现 : 情绪预测RNN网络

9、代码实现 : 用RNN网络生成电视剧本

10、代码实现 : 序列到序列

11、代码实现 : 语言翻译项目

四、生成对抗网络实战

1、生成对抗网络原理

2、MINST-生成对抗网络

3、深度卷积生成对抗网络DC_GANs

4、项目：人脸生成

5、生成对抗网络应用于半监督学习

五、深度学习框架篇：TensorFlow深入篇

1、TensorFlow课程介绍及基础环境搭建

2、TensorFlow基础

3、Tensorflow进阶

4、Tensorflow高-级

5、Tensorflow迁移学习

6、总结

六、深度学习框架篇：Keras 从入门到实战

1、讲师自我介绍

2、为何选择Keras？

3、Keras常用概念

4、Keras主要模块与常用层

5、文档细化介绍keras

6、使用keras一般流程

7、简单实例

8、Keras单层神经网络

9、多层神经网络简介

10、Keras实现多层神经网络

11、卷积神经网络简介

12、多层神经网络的不足

13、卷积运算

14、共享变量

15、池化

16、实例：Keras利用卷积神经网络实现图像识别

17、卷积神经网络的不足

18、循环神经网络简介

19、LSTM简介

20、循环神经网络常用映射

21、实例：Keras利用循环神经网络实现情感分析

22、深度学习框架比较：Keras优缺点

23、深度学习框架比较：TensorLayer优缺点

24、深度学习框架比较：Tflearn优缺点

25、课程总结

七、深度学习项目篇：基于Tensorflow的新闻阅读与个性化搜索系统

1、项目背景- 新闻阅读和个性化搜索

2、简介词向量的定义

3、运行环境的安装- Tensorflow, Python

4、深度学习基础知识精讲

5、为什么要对词进行编码

6、利用term-doc对词进行编码

7、word2vec编码优点

8、什么是onehot编码

9、词的onehot编码- 优点和弱点，以及限制

10、cbow方法的网络结构

11、skip-gram方法的网络结构

12、word2vec代码剖析之skip-gram

八、深度学习项目篇：基于Tensorflow深度学习实现的人脸识别系统

1、讲师自我介绍

2、项目简介

3、为何选择Tensorflow？

4、TensorFlow基础

5、实例：用TensorFlow实现一个数据流程图，并可视化

6、传统机器学习方法的优缺点

7、单层神经网络基础

8、实例：用TensorFlow实现一个单层神经网络

9、单层神经网络的缺点或不足

10、多层神经网络架构及原理

11、优化方法

12、多层神经网络的挑战及对策

13、卷积神经网络架构及原理

14、卷积神经网络关键技术

15、实例：用TensorFow实现卷积神经网络

16、项目背景、环境、数据、实施步骤、验证结果等说明

17、项目框架、项目主要逻辑、网络结构说明等

18、代码实现与结果验证

19、项目小结

人工智能.大数据+机器学习篇

一、大数据分析Hadoop及Python实现

1、大数据机器学习概述及课程内容提纲说明

2、什么是大数据、分布式思想及大数据分析框架HADOOP初步认识

3、大数据存储HDFS及大数据分析MapReduce详解及HADOOP框架安装使用说明

4、基于VMWare导入Cloudera QuickStart虚拟机及熟悉常见Linux命令

5、MapReduce实现词频统计WordCount思想及Linux远程开发常用工具使用

6、WordCount程序分析及基于Python编写脚本与本地测试

7、运行WordCount程序在YARN上及使用Hue进行可视化管理HDFS和Job

8、基于Python的MapReduce分析IBM股市数据

二、大数据分析框架PySpark基本使用

1、回顾大数据框架Hadoop及组件功能（HDFS及YARN）详解

2、大数据分析框架MapReduce思想剖析及引出Spark框架

3、大数据分析框架Spark五大模块功能及数据结构（RDD与DataFrame）剖析

4、大数据分析框架Spark支持多语言及后续PySpark开发环境说明

5、如何打开使用大数据Hadoop+Spark虚拟机环境及修改配置

6、大数据环境初步使用讲解及启动HDFS服务

7、启动Spark框架自带pyspark命令及初步使用

8、在pyspark交互式命令实现词频统计WordCount程序

9、函数式编程思想及为什么大数据分析框架使用函数式编程语言

10、打开配置完成的PySpark开发虚拟机及Python中函数定义及map函数使用

11、匿名函数Lambda定义、高阶函数和使用场景

12、高阶函数reduce和filter使用详解

13、Python中分组groupby、pipeline及currying函数使用

14、如何在PyCharm中配置PySpark开发环境及创建设置PySpark开发模板

15、创建SparkContext实例对象及并行化Python本地列表创建RDD

16、从本地文件系统读取文本文件创建RDD及实现词频统计WordCount

17、大数据分析数据三步策略、深入WordCount程序（排序）及WEB UI监控Spark应用

18、如何从HDFS读取数据分析及保存结果数据到HDFS

19、大数据分析框架Spark核心RDD使用详解

20、基于PyCharm开发实现航班数据分析及可视化

21、SparkSQL前世今生及数据结构DataFrame

22、Spark2.x中使用SparkSession读取数据及分析

23、使用SparkSession和DataFrame实现词频统计WordCount

24、使用Jupyter Notebook对航班飞行数据分析及熟悉DataFrame使用

三、实战：PySpark分析-某航天中心服务器日志

项目背景：数据分析里有一个典型的应用就是日志分析，本课程在前一个课程的基础上更侧重于实际应用。通过一个完整的”航空信息日志“在PySpark中的数据分析，使学员短时间内掌握PySpark的一些高-级技巧，使用学员对该框架的理解和使用更上一个台阶。

涉及技术:

1、大数据SQL分析框架Hive使用

2、HQL结合Python脚本影评数据分析

3、PySpark与Hive集成分析

4、基于SQL和DSL的PySpark分析

四、大数据Hive集成Python分析

1、引出大数据SQL分析框架Hive及功能介绍

2、搜狗用户行为数据说明及Hive分析数据步骤

3、Hive快速环境搭建及测试

4、基于Hive的搜狗实验室数据分析

5、基于Hive+Python的MovieLens影评数据分析

6、回顾SparkSQL处理数据模型及与Hive集成配置测试

7、基于Python开发的SparkSQL读取Hive数据分析处理

8、Linux系统安装搭建配置Anaconda+PyCharm+PySpark+Hive开发环境

9、PyCharm开发从Hive表中读取数据和分析_转

10、淘宝文胸评论数据集分析及PySpark读取JSON格式数据

11、Python SparkSQL保存DataFrame到Hive表

12、基于SQL分析淘宝文胸BAR数据（如何注册函数）及正则解析

13、基于DSL分析淘宝文胸BAR数据（注册函数）及扩张jieba分词

五、大数据编程高-级语言SCALA

1、大数据分析框架概要、Spark课程学习计划及建议

2、为什么学习SCALA语言及SCALA语言介绍和学习提纲

3、SCALA环境搭建及IDEA安装配置（JAVA安装、SCALA安装及IDEA安装）

4、SCALA语言HelloWorld及安装总结（作业LINUX系统安装）

5、SCALA中变量的声明（两种方式）

6、SCALA中数据类型及操作符

7、IF语句及WHILE循环、循环表达式及FOR基本使用

8、FOR循环深入讲解及yield功能

9、SCALA中的Breaks使用

10、函数的定义

11、函数的作用域、默认参数函数和名称参数函数使用详解

12、变长参数函数和内部函数使用详解

13、匿名函数定义与使用

14、高阶函数定义与使用

15、深入高阶函数的使用

16、数组Array和ArrayBuffer

17、SCALA中集合类Collections概要讲解（对比JAVA中集合类）

18、集合类之List和ListBuffer创建与基本操作

19、集合List中常见高阶函数使用详解

20、SCALA中元组创建与使用

21、集合类之Set及常见函数使用

22、集合类之Map创建与遍历

23、集合类综合应用：实现WordCount词频统计

24、类Class的定义与创建对象

25、对象object及apply方法

26、类class的构造方法（主构造方法和附属构造方法）

27、SCALA中的Trait初步使用

28、SCALA中异常的处理及模式匹配初步使用

29、模式匹配之匹配类型、元组

30、CaseClass及在模式匹配中使用

31、Option（Some、Node）及模式匹配使用

32、SCALA中隐式转换详解（结合案例）

33、SCALA中隐式参数详解（结合案例）

34、综合回顾复习SCALA的所有知识要点

六、程序员眼中的：Spark MLlib机器学习（基础篇）

1、Spark MLlib机器学习之快速入门

2、Spark MLlib机器学习之算法案例

3、Spark MLlib机器学习之高-级实战

4、Spark MLlib机器学习之推荐系统

人工智能.高-级.Spark+MLib篇

一、算法工程师眼中的：Spark Mlib 机器学习

1、Spark机器学习：了解Spark与机器学习的关系

2、Spark机器学习：如何构建Spark机器学习系统

3、Spark机器学习：ML Pipelines原理与实战

4、Spark机器学习：Spark 特征提取、转换和选择

5、Spark机器学习：模型选择和优化

6、Spark机器学习：Spark MLlib 基础与架构

7、Spark机器学习：构建Spark ML推荐系统

8、Spark机器学习：构建Spark ML分类模型

9、Spark机器学习：构建Spark ML回归模型

10、Spark机器学习：构建Spark ML聚类模型

11、Spark机器学习：构建PySpark ML决策树模型

二、深度实践Spark 机器学习

1、Spark机器学习：利用Spark+R 构建机器学习模型

2、Spark机器学习：使用Spark Streaming构建在线学习模型

3、Spark机器学习：TensorFlowOnSpark详解

人工智能.高-级.推荐系统篇

一、推荐系统实战

1、再论推荐系统

2、协同过滤实战

3、用户相似度推荐开发

4、商品相似度推荐开发

5、Matrix Factorization（ALS算法）

6、内容推荐实战

7、混合推荐实战

二、利用Mahout、Spark Mlib实现电商大数据推荐系统

1、课程介绍

2、推荐系统概述

3、算法讲解

4、项目实战

5、虚拟机环境

6、课程总结

人工智能.高-级.自然语言处理篇

一、NLP自然语言处理算法基础篇

1、自然语言处理之 EM算法理论、场景与实战

2、自然语言处理之 隐马尔科夫模型

3、自然语言处理之 主题模型

二、NLP自然语言处理深入高-级篇

1、中文自然语言处理——未来数据领域的珠穆朗玛峰

2、中文自然语言处理的完整机器处理流程

3、简单好用的中文分词利器 jieba 和 HanLP

4、动手实战中文文本中的关键字提取

5、了解数据必备的文本可视化技巧

6、面向非结构化数据转换的词袋和词向量

7、动手实战基于 ML 的中文短文本分类

8、动手实战基于 ML 的中文短文本聚类

9、从自然语言处理角度看 HMM 和 CRF

10、一网打尽神经序列模型之 RNN 及其变种 LSTM、GRU

11、动手实战基于 CNN 的电影推荐系统

12、动手实战基于 LSTM 轻松生成各种古诗

13、完全基于情感词典的文本情感分析

14、动手实战中文命名实体提取

15、基于 CRF 的中文命名实体识别模型实现

16、动手实战中文句法依存分析

17、基于 CRF 的中文句法依存分析模型实现

18、中文自然语言处理的应用、现状和未来

三、项目实战：基于LVD、贝叶斯模型算法实现的电商行业-商品评论与情感分析案例

1、背景和安装

2、模型原理

3、代码讲解

4、知识拓展

四、NLP项目实战：手把手教你动手制作聊天机器人

人工智能.扩展.天池大赛

人工智能.天池大赛之流程、规则与项目实战

1、阿里云天池大赛介绍

2、赛题理解

3、数据探索

4、数据可视化

5、数据预处理

6、特征工程

7、建模

8、关于面试

9、天池项目实战：工业故障智能预测系统

人工智能.扩展.自然语言+知识图谱篇

融知识图谱的构建与实战

1、知识图谱概述

2、亲手搭建A股公司的知识图谱

3、"知识图谱中的关键技术一：知识图谱存储"

4、"知识图谱中的关键技术二：自然语言处理概述"

5、"知识图谱中的关键技术三：命名实体识别"

6、"知识图谱中的关键技术四：关系提取"

7、"知识图谱中的关键技术五：知识推理"

9、”知识图谱中的关键技术六：语义搜索"

10、"知识图谱中的关键技术七：智能问答"

11、课程项目实践和代码批阅

人工智能.扩展.金融量化分析篇

一、Python金融量化分析基础

1、课程介绍与环境安装

2、Python数据类型、结构与可视化

3、Python的输入输出与性能

4、Python数学工具

5、Python统计与数据分析

6、Python面向对象与Django

二、Python衍生品分析平台开发

1、衍生品估值的基本理论

2、衍生品分析平台的模拟模块开发

3、衍生品分析平台的估值和组合估值模块开发

4、衍生品分析平台的应用

三、Python量化投资平台开发

1、量化投资平台概述

2、量化投资平台的数据处理

3、量化投资平台中金融数据建模方法

4、业绩评价与VaR风险管理

5、自动化交易平台

人工智能.扩展.AI产品经理篇

AI时代下的数据思维与产品之道

1、人工智能与产品经理

2、AI产品经理思维策略指南

3、AI产品经理技术工具掌握技巧

4、产品与运营密不可分

5、项目实战

人工智能.扩展.金融信贷风控

金融信贷风控建模与实战

1、金融风险和信贷风控概述

2、数据分析和建模基础知识

3、金融信贷数据预处理

4、“评分卡模型A卡建立：特征工程”

5、“信贷建模初步：广义线性模型”

6、模型的评估与调参技巧

7、“信贷建模进阶：集成学习”

8、“信贷建模进阶：深度网络”

9、“信贷建模进阶：组合评分、行为评分和常见难点”

10、课程项目实践和代码批阅

人工智能.扩展.客户洞察+精准营销+用户画像

金融行业CRM客户洞察与用户画像系统（Python篇）

1、初始客户获取

2、客户价值预测

3、初始信用评级与行为信用评级

4、客户细分与客户画像

金融行业CRM客户洞察与用户画像系统（大数据+机器学习篇 ）

1、精准营销与交叉销售

2、申请反欺诈与交易欺诈检测

3、客户满意度与客户保留

4、客户行为偏好分析与产品推荐

人工智能.扩展.R语言篇

基于于R语言的数据挖掘与分析技术（基础+原理+算法+实现）

1、数据科学简述

2、数据挖掘方法和流程

3、R语言概述与基本操作

4、R语言基础统计

5、统计绘图

6、数据科学原理及应用一

7、数据科学原理及应用二

8、数据科学原理及应用三

9、数据科学原理及应用四

10、R语言文本挖掘和分析

附：人工智能.电子教材

教材（5本）

教材1 - python基础（159页）

教材2 - python核心与爬虫（206页）

教材3 - Python数据分析（239页）

教材4 - 机器学习从入门到精通（273页）

教材5 - 基于TensorFlow的深度学习（534页）

项目手册（4册）

01.基于Kmeans聚类客户价值分析

02.基于SVD协同过滤算法实现电影推荐系统

03.聊天机器人实战训练

04.豆瓣zui受欢迎影评TOP榜信息抓取（代码篇）

小抄书及闪卡（7套）

01.概率小抄书（134页）

02.统计学小抄书（41页）

03.微积分小抄书（70页）

04.线性代数小抄书（29页）

05.python新手小抄秘籍（171页）

06.机器学习闪卡（上）（152页）

07.机器学习闪卡（下）（152页）

附：人工智能. AI 大数据企业面试集锦

AI 大数据企业面试集锦

1.数据分析篇 - 收集整理企业面试题131题（附答案）

2.大数据篇 - 收集整理企业面试题163题（附答案）

3.机器学习篇 - 收集整理企业面试题251题（附答案）

4.数据科学面试终-极指南 - 收集数据科学家面试经验谈（12章）

以上就是上海容大职业教育人工智能全栈开发工程师培训课程的全部介绍，如需了解更多关于人工智能全栈开发工程师培训课程的信息可以咨询我们客服。咨询客服可以获取上海容大职业教育最新优惠活动及试听预约。想要了解的同学赶紧和我们联系吧！上海容大职业教育报名电话4009689396