00 00 00 00

香港六合彩一好二好:

北京 切換校區

全國24小時免費熱線

400-009-1906

模式識別和項目實戰,應對企業各種場景

普通機構只有幾種,尚學堂課程全面覆蓋

人工智能就業崗位?

有圖有真相

尚學堂學員就業情況大曝光

就業明星:王** 月薪:50000 年薪:60萬

2018年平均月薪32550元,其中350名同學月薪35000元以上
這,只是他們的起步薪水!

就業薪資

一個讓你輕松躍遷至年薪50—60萬,甚至年薪百萬的行業!

  • 0%
    0-20k

  • 10.12%
    20k-25k

  • 45.16%
    25k-30k

  • 35.48%
    30k-35k

  • 9.24%
    35k以上

學習AI的痛點?我們幫你解決!

  • 一碰到數學就頭疼
    一深入就看不懂,學不透

    算法的學習,要學透一定會涉及到公式推導,我們課程線下會把機器學習三十大算法一一推導,讓學生具備自行推導的算法的能力

  • 學習過程中
    有問題無人當面解答

    課程授課老師為全日制,并有豐富線下代課經驗老師,可以很深入淺出的講解,當面回答學生問題,除了周末上課時間,平日也可以給同學進行面試以及工作中遇到問題的輔導

  • 代碼能力弱
    缺乏實戰項目經驗

    機器學習每個算法都會配有案例,讓學生可以學以致用,不僅機器學學,包括深度學習,都有豐富的企業級實戰項目,項目來自聯想、華為、百度等知名企業。

  • 面試
    拿不到高薪

    面試拿不到高薪,主要原因還是算法學習的不夠深入,或者項目不會舉一反三,課程中三十大機器學習算法都會深入剖析,公式推導,從是什么,到為什么,怎么用,怎么用好,幾個角度給學生講透。對于項目也會深入細致的講解,讓學生不僅了解項目,可以對學過的項目舉一反三。

你的課程學習Tips

  • 人群
    特點
    學習Tips
  • 在校大學生

    數學好,編程基礎略差的

    除了透徹理解好機器學習階段,深度學習階段課程外,平日python基礎也可以適當注重下,上課老師講解的python代碼項目一定要敲幾遍。有余力的話,課程內的大數據spark階段也可以掌握好,作為加分項。

  • 產品經理

    數學弱,編程也弱,但從事互聯網行業的

    需要花費比其他同學更多的努力,不管是在代碼練習上,還是算法理解,證明推導上,建議首先不必事無巨細,而是更宏觀一點的掌握住重點的機器學習,深度學習原理,然后慢慢在練習代碼過程中提高編程能力以及加深算法的理解。成為一個具備算法工程師水平的人工智能產品經理,這也是企業中急需的人才!

  • 有工作經驗的開發人員

    有一定編程基礎,數學弱

    因為有一定的編程經驗,那python代碼理解起來不是難事,更要把重點放在機器學習算法理解,推導上,深度學習的內容以及項目上,python代碼和大數據spark學習起來不用花太多經歷,但是項目代碼還是需要敲的。

  • 在職BI,大數據分析工程師

    有一定數據處理數據分析能力的

    因為有一定的代碼能力,重點應放在機器學習算法推導和理解上,以及深度學習的學習和項目上。平時更多注意把學到的知識應用到工作的業務場景中,時刻在腦海中有舉一反三和學以致用的思想。這樣未來找工作也將會輕松一些。

適合你的AI免費學習福利

  • 01

    機器學習本質已有72174人下載

    免費索取
  • 02

    環境安裝配置已有34683人下載

    免費索取
  • 03

    優化算法梯度下降法深入剖析已有35861人下載

    免費索取
  • 04

    代碼實戰機器學習案例已有21060人下載

    免費索取
  • 05

    模型評估代碼實戰已有28795人下載

    免費索取
  • 06

    深度學習已有16633人下載

    免費索取

好的老師,必然帶出優秀的你!

尚學堂AI課程十大優勢

100% AI課程

入學至少會一門編程語言或有互聯網工作經驗

就業目標明確AI工程師

17年已開線下班

全日制金牌講師

線下班面授,課堂互動

及時答疑,當面解惑

企業級實戰AI項目,課程不斷升級,和大企業深入合作引入項目

算法原理、數學推導細致徹底學透

就業輔導、老學員交流經驗高薪就業

90%python全棧+少量10%AI

無編程基礎或無互聯網工作經驗

就業目標包含爬蟲、網站開發等

18年才計劃招生

業余時間兼職講師

線上授課,難以了解學生想法

無法找到老師解答

把小案例當項目充數

算法推導囫圇吞棗,只聽了皮毛

就業全靠自己

AI課程設計理念
  •  

    數學基礎

    主要從數據分析、概率論和線性代數及矩陣這三大塊講解基礎,方便大家后續課程的學習中更好的理解機器學習和深度學習的相關算法內容。

  •  

    Python基礎

    Python作為人工智能首選編程語言,隨著人工智能時代的到來,Python開發效率非常高,Python有非常強大的第三方庫。這里幫助大家打好python的基礎以及人工智能常用庫的使用方法,方便后面機器學習和深度學習代碼實戰時更好的理解代碼實現。

  •  

    機器學習

    三十大機器學習算法,從原理到推導進行一步步深入解析,同時包含對應算法的實戰案例。本部分內容體現出算法工程師的高門檻,也是高薪就業的必經之路,我們通過全面深入透徹的講解讓大家對算法在腦海中構建成體系,知其然并知其所以然,成為優秀的人工智能工程師,可以hold住面試以及工作。

  •  

    Spark MLlib

    人工智能需要大量的數據進行訓練,所以課程教授大家一個大數據的優秀計算框架Spark,可以幫助大家去找工作時成為一個加分項(但不是必要項),同時會對Spark框架中的ML、MLlib這兩個機器學習的算法庫有著重的實戰講解。

  •  

    深度學習

    深度學習是實現機器學習的一種技術。隨著深度學習的快速發展,人工智能才得以長足進步,課程會把深度學習從基礎CNN、RNN到對抗生成網絡等流行的算法和模型進行深入講解,并且會全面的實戰講解TensorFlow、Keras、Caffe等深度學習框架。并用豐富的案例讓大家可以對學過的知識融會貫通。

  •  

    模式識別和項目實戰

    帶你做時下熱門的各種模式識別項目實戰,并通過我們的教學讓大家學習一個模式的同時可以舉一反三,工作中可以輕松應對企業需求,成為合格圖像識別工程師,推薦系統工程師,自然語音處理工程師等。(我們做人工智能是認真的、踏實的,不會把一些淺層機器學習算法小案例稱之為項目)

  •  

    AlphaGo核心技術

    強化學習是一種重要人工智能方法,是AlphaGo的核心技術,是人工智能未來的方向,尚學堂旨在走在人工智能的前列,率先研發出本課程,限額贈送給報名的學員。

帶你做時下熱門的實戰項目

  • 推薦系統項目
  • 用戶畫像分析系統項目
  • 皮膚癌檢測項目
  • 自動聊天機器人項目
  • 深度學習目標檢測
  • 人臉識別項目
  • 圖像風格遷移
  • 機器翻譯引擎構建
  • 推薦系統項目:

    項目簡介

    使用數據來自某互聯網平臺手機助手,項目目標通過機器學習所學知識挖掘平臺手機用戶喜好,給用戶準確推薦手機軟件,類似360手機助手、華為手機助手、百度手機助手推薦功能,做到實時個性化推薦

    項目特色

    架構完善綜合大項目,從前到后貫穿,利用分布式文件系統存儲用戶行為數據,使用Spark程序進行數據分析,利用分布式SQL來進行數據清洗,特征抽取,python腳本構建訓練集,利用分布式機器學習算法訓練模型,線上Web來調用使用模型
  • 用戶畫像分析系統項目:

    項目簡介

    用戶畫像是真實用戶的虛擬代表,是建立在一系列真實數據之上的目標用戶模型。通過用戶調研去了解用戶,根據他們的目標、行為和觀點的差異,將他們區分為不同的類型,然后每種類型中抽取出典型特征,賦予名字、照片、一些人口統計學要素、場景等描述,就形成了一個人物原型。通過人物原型,可以給用戶更加精準的搜索和推薦結果。

    項目特色

    根據用戶歷史瀏覽數據,對用戶進行行為分析,精準建模。通過用戶模型,可以對用戶進行精準推薦,精準投放廣告。
  • 皮膚癌檢測項目:

    項目簡介

    黑色素瘤,又稱惡性黑色素瘤,是來源于黑色素細胞的一類惡性腫瘤,常見于皮膚,亦見于黏膜、眼脈絡膜等部位。黑色素瘤是皮膚腫瘤中惡性程度最高的瘤種,容易出現遠處轉移。該疾病如果早期治療,患者可以完全康復??杉縉謖鋃蝦橢瘟埔蚨緣糜任匾?。我們開發一款app,面向手機用戶,你可以隨時用app開個攝像頭讓機器醫生幫我們看一看,這是不是皮膚癌的早期癥狀。

    項目特色

    面向手機用戶,操作方便,利用深度學習高級框架Keras進行開發,代碼簡潔,訓練時間短,模型準確率高。
  • 自動聊天機器人項目:

    項目簡介

    聊天機器人是一個用來模擬人類對話或聊天的程序。聊天機器人主要應用場景包括智能客服、虛擬機器人、智能手表、智能車載和智能家居。我們開發一款基于深度學習的中文聊天機器人,可在中文語義理解方面達到較高的準確率。

    項目特色

    基于深度學習的中文聊天機器人,項目涵蓋了中文分詞,語義分析,命名實體識別等中文NLP技術。
  • 深度學習目標檢測:

    項目簡介

    目標檢測,工業界關注的主要是人臉,人,車這些對監控、交通等領域非常重要的目標。 我們將所有的方法都概括成:候選窗口 + 分類or回歸。人在識別物體的時候,第一次可能只是知道這是一個單獨的物體,也知道bounding box,但是不知道類別;當人類通過其他渠道學習到類別的時候,下一次就能夠識別了;目標檢測也是如此,我們不可能標注所有的物體的類別,我們將這種快速學習的機制引入。

    項目特色

    基于深度學習,使語意信息和分割結合,為目標檢測提供信息,進行目標檢測。
  • 人臉識別項目:

    項目簡介

    智能人臉識別基于深度學習以及以GPU 為核心的異構并行計算架構,接入高清網絡攝像機,實現高質量的人臉特征提取、人臉自動抓拍、自動識別、自動比對等功能。

    項目特色

    對視頻監控中出現的人臉進行自動檢測,進行目標庫檢索,輸出在目標庫中檢索出與該人臉圖片相似度高的對應的目標庫人員的詳細信息。
  • 圖像風格遷移:

    項目簡介

    所謂圖像風格遷移,是指利用算法學習著名畫作的風格,然后再把這種風格應用到另外一張圖片上的技術。著名的圖像處理應用Prisma是利用風格遷移技術,將普通用戶的照片自動變換為具有藝術家的風格的圖片。

    項目特色

    不僅講解了原始圖像風格遷移的基本原理,其中內容損失、風格損失兩種損失函數的定義尤為關鍵。接著講解了快速圖像風格遷移的原理,并實現快速圖像風格遷移,并對項目一些實現細節進行研究,掌握風格遷移這一領域的思想與TensorFlow種相應的實現方法。
  • 機器翻譯引擎構建:

    項目簡介

    機器翻譯是指用機器將一種語言自動翻譯成另外一種語言的技術。傳統機器翻譯采取基于規則或基于詞組統計規律的方法。隨著深度學習技術的發展,神經網絡機器翻譯首先將源句子向量化,轉化成計算機可以“理解”的形式,再生成另一種語言的譯文,更貼合原意也更符合語法規范的翻譯。各大商業公司都開始使用神經網絡機器翻譯代替原來的機器翻譯系統。

    項目特色

    利用RNN網絡結構:Encoder-Decoder(也叫Seq2Seq),并且引入它的重要改進—注意力機制,接著構建兩個神經網絡翻譯模型,最后詳細剖析關于Encoder-Decoder結構和注意力機制的源代碼。
  • 1.數學基礎
  • 2.Python基礎
  • 3.機器學習
  • 4.大數據機器學習
  • 5.深度學習
  • 6.實戰項目
數學基礎
階段
主講內容 技術要點
數學基礎 一、數據分析 1)常數e 2)導數 3)梯度 4)Taylor 5)gini系數 6)信息熵與組合數
二、概率論 1)概率論基礎 2)古典模型 3)常見概率分布 4)大數定理和中心極限定理 5)協方差(矩陣)和相關系數 6)最大似然估計和最大后驗估計
三、線性代數及矩陣 1)線性空間及線性變換 2)矩陣的基本概念練 3)狀態轉移矩陣 4)特征向量 5)矩陣的相關乘法 6)矩陣的QR分解 7)對稱矩陣、正交矩陣、正定矩陣 8)矩陣的SVD分解 9)矩陣的求導 10)數據白化及其應用
Python基礎
階段
主講內容 技術要點
Python基礎 一、環境搭建 1)Python環境安裝 2)Anaconda 3)PyCharm
二、Python基礎語法 1)變量 2)數據類型 3)列表 4)元組 5)字典 6)控制語句 7)循環語句 8)函數 9)類對象
三、Python常用庫 1)numpy:

用Numpy創建數組并查看其屬性 Numpy的基本運算 Numpy的基本函數 索引,切片和迭代 形狀操作 深拷貝 廣播法則

2)pandas:

Series的創建和基本的操作 DataFrame的創建和基本的操作 Panel的創建和基本的操作 用Pandas常用函數查看和操作數據

3)scipy:

基本可以代替Matlab的工具包,方便、易于使用、專為科學和工程設計的Python工具包.它包括統計,優化,整合,線性代數???傅里葉變換,信號和圖像處理,常微分方程求解器等

4)matplotlib:

Python中最著名的繪圖系統

散點圖,折線圖,條形圖,直方圖,餅狀圖,箱形圖的繪制

坐標軸的調整,添加文字注釋,區域填充,及特殊圖形patches的使用

5)seaborn:

在matplotlib的基礎上進行了更高級API的封裝,從而使得作圖變得更加容易。

6)time

Python 時間??槌S煤?/p>

四、Python機器學習???/td> Scikit-Learn
機器學習
階段
主講內容 技術要點
機器學習 一、機器學習 1)機器學習概述 2)定義問題
二、數據預處理 1)特征抽取 2)特征轉換 3)歸一化
三、線性回歸算法 1)線性回歸 2)Ridge嶺回歸 3)Lasso回歸 4)Elastic Net算法
四、KNN K近鄰算法 1)KNN算法原理 2)KNN算法應用
五、邏輯回歸算法 1)sigmoid函數 2)邏輯回歸的損失函數 3)邏輯回歸的優化 4)邏輯回歸的多分類問題 5)Softmax回歸多分類
六、梯度下降算法 1)批量梯度下降 2)隨機梯度下降 3)mini-batch梯度下降
七、牛頓法與擬牛頓法 1)牛頓法求函數根 2)牛頓法求解函數最優化問題 3)擬牛頓法—L-BFGS
八、決策樹算法 1)決策樹的簡介 2)CART、ID-3、C4.5 3)gini系數 4)信息增益 5)信息增益率 6)葉子節點的表達 7)回歸樹 8)預剪枝和后剪
九、Bagging集成算法 1)bootstrap 2)隨機森林
十、Adaboost算法 1)Adaboost算法流程 2)Adaboost算法損失函數優化
十一、GBDT算法 1)函數空間梯度下降 2)GBM框架 3)GBDT算法解決回歸問題
十二、XGboost和lightGBM算法 1)目標函數的建立 2)子樹的分裂條件 3) 子樹葉子節點的表達 4)與傳統GBDT的比較
十三、支持向量機 1)線性可分支持向量機 2)軟間隔支持向量機 3)核函數方法 4)SMO算法 5)SVM回歸SVR和分類SVC
十四、聚類算法 1)各種相似度距離測度方法 2)K-Means算法 3)K-Means算法優缺點 4)密度聚類 5)層級聚類 6)譜聚類
十五、PCA主成分分析算法 1) 方差最大化投影 2) 矩陣的特征值與特征向量 3) PCA降維
十六、LDA降維 1) LDA投影標準 2) LDA降維算法
十七、MDS降維算法 1) 基于空間距離保持的方法 2) MDS算法原理
十八、ISO-map降維算法 1) 近似測地距離的計算 2) 最短路徑距離算法 3) ISO-map算法原理
十九、LLE算法 1) 數據點的局部線性關系 2) LLE算法原理
二十、SVD奇異值分解算法 1) 方陣的特征值分解 2) 矩陣的奇異值分解 3) 左右奇異向量 4) 推薦系統應用
二十一、ALS矩陣分解算法 1) 矩陣分解的另一種方式 2) 評估近似矩陣的方法 3) ALS矩陣分解
二十二、FM 因子分解機 1) FM模型介紹 2) FM算法詳解
二十三、樸素貝葉斯算法 1)樸素貝葉斯 2)文本分類上的應用
二十四、貝葉斯網絡 1) 有向概率圖模型 2) 生成模型 3) 貝葉斯網絡聯合分布的表達 4) 貝葉斯網絡性質
二十五、隱馬爾可夫模型 1)隱馬可夫模型的基本概念 2)概率計算問題 3)前向/后向算法 4)維特比算法
二十六、最大熵模型 1) 隨機變量的熵、聯合熵、相對熵、互信息
2) 最大熵原理 3)最大熵模型的學習 4)最大似然估計 5)模型學習的最優化算法
二十七、EM算法 1)EM算法原理及收斂性 2)EM算法在高斯混合模型學習中的應用
二十八、條件隨機場 1)條件隨機場的定義與形式 2)條件隨機場的學習方法
二十九、PLSA 主題模型 1) LSA潛語義分析 2) PLSA的模型拓撲 3) EM算法應用于PLSA模型訓練
三十、LDA主題模型 1)LDA主題模型概述 2)共軛先驗分布 3)狄利克雷分布 4)Laplace平滑 5)Gibbs采樣詳解 6)LDA與詞向量Word2Vec效果比較
三十一、神經網絡 1) 前向傳播 2) 反向傳播 3) 激活函數 4) 梯度彌散/消失 5) 參數初始化 6) 多層感知機
大數據機器學習
階段
主講內容 技術要點
大數據機器學習 一、Spark入門 1)Spark分布式安裝 2)Spark核心算子操作
二、Spark進階 1)Spark核心??櫧飾?/span> 2)PySpark
三、Spark MLlib???/td>
四、Spark ML???/td>
五、Spark SQL???/td>
六、Spark Streaming???/td>
七、案例 1)PageRank 2)交通路況預測 3)股票預測
深度學習
階段
主講內容 技術要點
深度學習 一、 深度學習Tensorflow基礎 1)TensorFlow框架特性與安裝 2)Tensorflow編程基礎
二、 深度神經網絡DNN 1) Tensorflow深度神經網絡實現
三、 卷積神經網絡CNN 1)Tensorflow卷積神經網絡實現 2)Tensorflow實現經典AlexNet模型 3)Tensorflow實現經典VGG模型
四、 循環神經網絡RNN 1) BasicRNNCell 2) GRU單元 3) LSTM單元
五、 自編碼器AutoEncoder 1) Tensorflow 自編碼網絡實現
六、 對抗生成網絡 GAN 1) 深度卷積生成網絡DCGAN
七、 Tensorflow框架進階 1)Tensorflow源代碼解析 2)Tensorboard可視化
八、 Word2Vec詞向量算法 1) CBOW模式 2) Skip-Gram模式 3) Tensorflow實現Word2Vec詞向量算法
九、 Keras框架 1)Keras簡介及Keras中的數據處理 2)Keras中的模型 3)Keras中的重要對象 4)Keras中的網絡層構造
十、 案例 1)Softmax Regression識別手寫數字 2)CNN卷積神經網絡做圖片分類 3)機器自動寫文章 4)Tensorflow中用DCGAN生成圖像 5)情感分析
實戰項目
階段
項目名稱 項目描述
項目一 推薦系統 項目簡介
使用數據來自某互聯網平臺手機助手,項目目標通過機器學習所學知識挖掘平臺手機用戶喜好,給用戶準確推薦手機軟件,類似360手機助手、華為手機助手、百度手機助手推薦功能,做到實時個性化推薦
項目特色
架構完善綜合大項目,從前到后貫穿,利用分布式文件系統存儲用戶行為數據,使用Spark程序進行數據分析,利用分布式SQL來進行數據清洗,特征抽取,python腳本構建訓練集,利用分布式機器學習算法訓練模型,線上Web來調用使用模型
項目二 用戶畫像 項目簡介
用戶畫像是真實用戶的虛擬代表,是建立在一系列真實數據之上的目標用戶模型。通過用戶調研去了解用戶,根據他們的目標、行為和觀點的差異,將他們區分為不同的類型,然后每種類型中抽取出典型特征,賦予名字、照片、一些人口統計學要素、場景等描述,就形成了一個人物原型。通過人物原型,可以給用戶更加精準的搜索和推薦結果。
項目特色
根據用戶歷史瀏覽數據,對用戶進行行為分析,精準建模。通過用戶模型,可以對用戶進行精準推薦,精準投放廣告。
項目三 皮膚癌檢測 項目簡介
黑色素瘤,又稱惡性黑色素瘤,是來源于黑色素細胞的一類惡性腫瘤,常見于皮膚,亦見于黏膜、眼脈絡膜等部位。黑色素瘤是皮膚腫瘤中惡性程度最高的瘤種,容易出現遠處轉移。該疾病如果早期治療,患者可以完全康復??杉縉謖鋃蝦橢瘟埔蚨緣糜任匾?。我們開發一款app,面向手機用戶,你可以隨時用app開個攝像頭讓機器醫生幫我們看一看,這是不是皮膚癌的早期癥狀。
項目特色
面向手機用戶,操作方便,利用深度學習高級框架Keras進行開發,代碼簡潔,訓練時間短,模型準確率高。
項目四 自動聊天機器人 項目簡介
聊天機器人是一個用來模擬人類對話或聊天的程序。聊天機器人主要應用場景包括智能客服、虛擬機器人、智能手表、智能車載和智能家居。我們開發一款基于深度學習的中文聊天機器人,可在中文語義理解方面達到較高的準確率。
項目特色
基于深度學習的中文聊天機器人,項目涵蓋了中文分詞,語義分析,命名實體識別等中文NLP技術。
項目五 深度學習目標檢測 項目簡介
目標檢測,工業界關注的主要是人臉,人,車這些對監控、交通等領域非常重要的目標。
我們將所有的方法都概括成:候選窗口 + 分類or回歸。人在識別物體的時候,第一次可能只是知道這是一個單獨的物體,也知道bounding box,但是不知道類別;當人類通過其他渠道學習到類別的時候,下一次就能夠識別了;目標檢測也是如此,我們不可能標注所有的物體的類別,我們將這種快速學習的機制引入。
項目特色
基于深度學習,使語意信息和分割結合,為目標檢測提供信息,進行目標檢測。
項目六 人臉識別項目 項目簡介
智能人臉識別基于深度學習以及以GPU 為核心的異構并行計算架構,接入高清網絡攝像機,實現高質量的人臉特征提取、人臉自動抓拍、自動識別、自動比對等功能。
項目特色
對視頻監控中出現的人臉進行自動檢測,進行目標庫檢索,輸出在目標庫中檢索出與該人臉圖片相似度高的對應的目標庫人員的詳細信息。
項目七 圖像風格遷移 項目簡介
所謂圖像風格遷移,是指利用算法學習著名畫作的風格,然后再把這種風格應用到另外一張圖片上的技術。著名的圖像處理應用Prisma是利用風格遷移技術,將普通用戶的照片自動變換為具有藝術家的風格的圖片。
項目特色
不僅講解了原始圖像風格遷移的基本原理,其中內容損失、風格損失兩種損失函數的定義尤為關鍵。接著講解了快速圖像風格遷移的原理,并實現快速圖像風格遷移,并對項目一些實現細節進行研究,掌握風格遷移這一領域的思想與TensorFlow種相應的實現方法。
項目八 機器翻譯引擎構建 項目簡介
機器翻譯是指用機器將一種語言自動翻譯成另外一種語言的技術。傳統機器翻譯采取基于規則或基于詞組統計規律的方法。隨著深度學習技術的發展,神經網絡機器翻譯首先將源句子向量化,轉化成計算機可以“理解”的形式,再生成另一種語言的譯文,更貼合原意也更符合語法規范的翻譯。各大商業公司都開始使用神經網絡機器翻譯代替原來的機器翻譯系統。
項目特色
利用RNN網絡結構:Encoder-Decoder(也叫Seq2Seq),并且引入它的重要改進—注意力機制,接著構建兩個神經網絡翻譯模型,最后詳細剖析關于Encoder-Decoder結構和注意力機制的源代碼。

機會每個人都有的!

但許多人不知道他們碰到過它。

把握良機
開始逆襲

每期開班座位有限

預約報名可優先選座

  • 北京校區
  • 山西校區
  • 鄭州校區
  • 武漢校區
  • 四川校區
  • 長沙校區
  • 深圳校區
  • 上海校區
  • 廣州校區
  • 保定招生辦

北京海淀區校區(總部):北京市海淀區西三旗街道建材城西路中騰建華商務大廈東側二層尚學堂
北京京南校區:北京亦莊經濟開發區科創十四街6號院1號樓 賽蒂國際工業園
咨詢電話:400-009-1906 / 010-56233821
面授課程:?JavaEE+微服務+大數據? ???大數據+機器學習+平臺架構?????Python+數據分析+機器學習??人工智能+模式識別+強化學習???WEB前端+移動端+服務端渲染

 

山西學區地址:山西省晉中市榆次區大學城大學生活廣場萬科商業A1座702

鄭州學區地址:河南電子商務產業園6號樓4層407
咨詢電話:0371-55177956

武漢學區地址:湖北省武漢市江夏區江夏大道26號 宏信悅谷創業園4樓
咨詢電話:027-87989193

四川學區地址:成都市高新區錦暉西一街99號布魯明頓大廈2棟1003室
咨詢電話:028-65176856 / 13880900114

網址://www.cssxt.com/
咨詢電話:0731-83072091

深圳校區地址:深圳市寶安區航城街道航城大道航城創新創業園A4棟210(固戍地鐵站C出口)
咨詢電話:0755-23061965 / 18898413781

上海尚學堂松江校區地址:上海市松江區榮樂東路2369弄45號綠地伯頓大廈2層
咨詢電話:021-67690939

廣州校區地址:廣州市天河區元崗橫路31號慧通產業廣場B區B1棟6樓尚學堂(地鐵3號線或6號線到“天河客運站”D出口,右拐直走約800米)
咨詢電話:020-2989 6995

保定招生辦公室

地址:河北省保定市競秀區朝陽南大街777號鴻悅國際1101室

電話:15132423123

Copyright 2006-2019 北京尚學堂科技有限公司  京ICP備13018289號-19  京公網安備11010802015183  
媒體聯系:18610174079 閆老師  
分分时时彩稳赚不赔法 阿拉德之怒官网mg 打麻将规则及图解 欢乐生肖开奖平台 下载安装够力七星彩奖表app 100期倍投方案 抢庄牌九牌下载 新重庆时时开奖结果记录 时时彩稳赚计划网 抢庄牛牛技巧提前看牌 重庆时时v2.3.0版本 时时彩计划软件手机版 那不勒斯 聚富视界安全吗 软件 女篮亚洲杯赛程 体云南时时开奖号码百度一下