👆点击“博文视点Broadview”,获取更多书讯
自从ChatGPT火爆出圈以来,各类AIGC产品也突然受到大家关注,不少朋友会因此对自己的职业产生担忧,目前也的确出现了因AI失业的人。
做技术的朋友好像感觉写代码这件事也很容易被替代,好像只有成为制造生产AI的人才是安全的。
如果真的想转行AI领域,该怎么转?
为了帮助想转行的小伙伴有个思路,我们邀请到在数据分析和AI领域有深入研究、并且一直在做这方面培训的老师,也是《统计分析:从小数据到大数据》《Python机器学习技术》这两本书的作者丁亚军老师来就此和大家做一次深入分享,希望能为大家在AI学习方面带来更多启发!
01
丁亚军
研究方向:
“市场调查”、 “工业数据质量控制”、“CRM数据挖掘”、“机器学习与深度学习算法”、“银行行为评分卡”
出版著作:
《Python机器学习技术:模型关系管理》,电子工业出版社,作者丁亚军,2023年。
《统计分析:从小数据到大数据》,电子工业出版社,作者丁亚军,2019年。
《如虎添翼:数据处理的SPSS和SAS EG实现》,电子工业出版社,作者(徐筱刚 常国珍 丁亚军),2016年。
02
主要议题
1. 什么是人工智能
2. 新事物的焦虑感:ChatGPT与就业环境
3. 如何学习AI:从回归到神经网络
4. 如何使用AI:"AI+工具"模式
5. 给学习者的一些建议
直播时间:2023/4/19 20:00
直播间地址可点击下方预约或扫描下方海报二维码预约获取
嘉宾著作
▊《Python机器学习技术:模型关系管理》
丁亚军 著
本书的主体内容包括机器学习概念与特征工程、机器学习技术、模型关系管理,其中,模型关系管理部分主要介绍了弱集成学习、强集成学习和混合专家模型。弱集成学习是指使用机器学习中的弱分类器实现模型准确度和稳定性之间的平衡。强集成学习是指协同特征工程与强分类器形成强集成学习环境。混合专家模型是指通过神经网络集成和网络结构设计形成深度学习框架。
本书以案例分析为主线介绍不同的集成学习方法,首先阐述弱集成学习如何解决项目痛点问题,然后以痛点为起点,集中讨论强集成学习如何解构子项目问题,最后通过深度学习分析非结构化数据。在每个案例中,归因问题是分析的核心,提供了解析归因问题的一系列方法,以作者多年的项目经验为基础,展示Python数据分析的强大之处。
(限时五折优惠,快快扫码抢购吧!)
▊《统计分析:从小数据到大数据》
丁亚军 著
面对小数据和大数据,数据分析师应该如何收集数据信息?传统的业务框架如何与统计学相关联?测量学扮演着什么角色?建模过程有哪些预分析技术和修正技术?建模工作完成后,如何解析?如何归因?如何预测?等等,这些数据分析能力构成了本书的分析框架。
本书分为8章,小数据与大数据分析模式的动态切换贯穿全书,展示了数据分析案例的模块化分析思路。第1~3章为数据预分析部分,强调业务问题与统计问题的衔接;第4~6章为统计建模阶段,其中附有对行业案例和业务敏感度的训练、对统计和业务整合的审美建议,进而构造出一套具有灵活调校的数据分析模式。第7~8章解决的问题是,如何将晦涩难懂的统计解释转换成业务解释。
由衷地希望本书能够成为数据运营人员与初中级数据分析师分析数据的行动指南。
(限时五折优惠,快快扫码抢购吧!)
发布:刘恩惠
审核:陈歆懿
如果喜欢本文欢迎 在看丨留言丨分享至朋友圈 三连< PAST · 往期回顾 >
如果你只关注编程,就错了!
本文分享自 博文视点Broadview 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!