项目管理的“百科全书”，管理岗位都适合
注重在项目生命周期内的商业分析，为项目/项目集提供BA支持
目前敏捷领域知识面广、权威度高的没有偏见的敏捷项目管理内容
PMP项目管理进阶。管理大型项目团队、多项目协调等，适合企业高级管理层和项目高层
PMP项目管理高阶。选择正确的投资项目，调配企业资源，确保成功，目标是实现高投资回报
学习业务需求分析的知识体系、方法和工具，对商业分析有完整认知。要求低于CBAP和CCBA
为项目或企业提供业务需求分析工作，该角色在BALeader领导下完成一系列业务需求工作
商业分析（BA）专家认证，是目前全球BA领域备受推崇的认证之一。为整个企业提供BA支持。
结合业务与技术，洞察数据背后的规律，基于数据分析制订决策并采取相应措施和行动，进而达成想要的结果。
IT审计。IT审计和内控检查的执行者。CISA是IT审计师的“黄金证书”，在IT审计、控制和安全方面取得国际认可。
IT治理。COBIT是一个方法框架。COBIT不仅是CGEIT基础，也是CISA,CRISC的知识基础。
IT风险控制。风险和内控的决策者、设计者、评估者
IT治理。CGEIT是战略和治理。CGEIT基于COBIT，但更注重实务。CGEIT是治理、风险与合规（GRC）领域的一项高阶认证
注重管理层面，专门为负责领导、规划和管理企业全面信息系统安全的管理人员而设计
项目管理方法论、实践指南，国际认可度高，95%以上全球500强企业应用，注重对人的管理，更落地
对多个关联项目的集中管理与协调管理，大型项目团队管理，适合企业高级管理层和项目高层
站在更高层面，从战略角度探讨变革项目和项目集的管理，集中管理大型项目群或业务群实现战略目标获取高投资回报
建立项目办公室“机制”，上系战略，中连项目经理，下接项目。
ITIL基础级。IT服务管理基础知识，用于改进IT运营效率，提升IT服务质量。
ITIL专家级。MP经理人级别（CDS、DSV、HVIT、DPI，共4门课），SL战略师级别（DPI、DITS，共2门课），PM实践经理级别（MSF、CDS，共2门）。
包括Fundamentals基础和Leadership领导力两个级别。适合开发、运维、质量、市场、项目、产品等各团队之间的合作。
公认的全球主流的企业架构框架。通过架构方法帮助企业打造新的商业、营运和管理模式。
云安全知识的“大百科全书”
涵盖国际零信任架构前沿技术与实践
针对数据安全领域的方方面面，给出数据安全领域实践方法、原则及工具。
含基础知识+技术+管理的完整的体系，有大量的实践，是云安全领域高阶认证
云审计可以让您全面了解最有利于您业务的云服务类型和部署策略。
数据从业者认证证书。提升数据管理专业能力。
数据从业者高阶认证证书。为处理企业数据业务提供一揽子解决方案（报考需先持有CDGA认证）
数据从业者高阶认证证书（国际认证）。为处理企业数据业务提供一揽子解决方案。
成为BP（业务伙伴）、BRM（业务关系经理）这样的角色，建立战略合作伙伴关系
信息安全管理系统（ISMS）的入门课程，ISO27001是信息安全管理方面著名的国际标准
让你成为高效的变革领导者，帮助组织变革（如转型、重组、并购、进入新市场等）
6天（6小时/天）
人工智能的浪潮正在席卷全球，各种培训课程应运而生，但真正能让学员系统、全面掌握知识点，并且能学以致用的实战课程并不多见。本课程包含机器学习、深度学习的重要概念及常用算法（决策树、关联规则、聚类、贝叶斯网络、神经网络、支持向量机、隐马尔科夫模型、遗传算法、CNN、RNN、GAN等），以及人工智能领域当前的热点。通过6天的系统学习、案例讲解和动手实践，让学员能初步迈入机器学习和深度学习的知识殿堂。
本课程力图理论结合实践，强调从零开始，重视动手实践；课程内容以原理讲解为根本，以应用落地为目标。课程通过大量形象的比喻和手算示例来解释复杂的机器学习理论，既能将原理充分讲懂讲透，也避免了繁复而枯燥的公式推导。
具备初步的IT基础知识
上午
概述入门
数据预处理概述（第一天——1）
1、概念与术语（人工智能、数据挖掘、机器学习）
2、数据挖掘的对象
3、数据挖掘的关键技术
4、知识的表达
5、Python的安装
数据预处理（第一天——2）
1、数据清理
2、规范化
3、模糊集
4、粗糙集
5、无标签时：PCA
6、有标签时：Fisher线性判别
数据压缩（DFT、小波变换）案例实践：
1、python安装
2、Tensorflow安装
3、PCA的实验
4、DFT的实验Day1初识机器学习
下午
回归与时序分析
决策树回归与时序分析（第一天——3）
1、线性回归
2、非线性回归
3、logistics回归
4、平稳性、截尾与拖尾
5、ARIMA
决策树（第一天——4）
1、分类和预测
2、熵减过程与贪心法
3、ID3
4、C4.5
5、其他改进方法
决策树剪枝案例实践：
1、回归的实验
2、ARIMA预测实验
3、决策树的实验
Day2机器学习中的典型算法
聚类
关联规则
朴素贝叶斯与KNN聚类（第二天——1）
1、监督学习与无监督学习
2、K-means与k-medoids
3、层次的方法
4、基于密度的方法
5、基于网格的方法
6、孤立点分析
关联规则（第二天——2）
1、频繁项集
2、支持度与置信度
3、提升度
4、Apriori性质
5、连接与剪枝
朴素贝叶斯与KNN（第二天——3）
1、KNN
2、概率论基础：条件概率、联合概率、分布、共轭先验。
3、“概率派”与“贝叶斯派”
4、朴素贝叶斯模型
案例实践：
1、鸢尾花数据的聚类
2、超市购物篮——关联规则分析
3、朴素贝叶斯案例：皮马印第安人患糖尿病的风险Day2机器学习中的典型算法
极大似然估计与EM算法
性能评价指标极大似然估计与EM算法（第二天——4）
1、极大似然估计
2、对数似然函数
3、EM算法
性能评价指标（第二天——5）
1、准确率；精确率、召回率；F1
2、真阳性率、假阳性率
3、混淆矩阵
4、ROC与AUC
5、对数损失
6、Kappa系数
7、回归：平均绝对误差、平均平方误差
8、聚类：兰德指数、互信息
9、k折验证案例实践：
1、正态分析的参数估计
2、EM算法应用案例：双正态分布的参数估计
3、绘制ROC并计算AUC、F1
4、绘制拟合曲线，计算拟合优度Day3神经网络专题
BP神经网络
模拟退火算法与其他神经网络BP神经网络（第三天——1）
1、人工神经元及感知机模型
2、前向神经网络
3、sigmoid
4、径向基函数神经网络
5、误差反向传播
模拟退火算法与其他神经网络（第三天——2）
1、模拟退火算法
2、Hopfield网络
3、自组织特征映射神经网络（SOM）
4、受限布尔兹曼机案例实践：
1、可以手算的神经网络
2、神经网络模拟一个圆锥曲面
3、“货郎担”问题（模拟退火算法）
4、识别破损的字母（Hopfield网络）
5、聚类的另一种解法（SOM）Day3神经网络专题
机器学习中的最优化方法
遗传算法机器学习中的最优化方法（第三天——3）
1、参数学习方法
2、损失函数（或目标函数）
3、梯度下降
4、随机梯度下降
5、牛顿法
6、拟牛顿法
遗传算法（第三天——4）
1、种群、适应性度量
2、交叉、选择、变异
3、基本算法案例实践：
1、随机梯度下降的例子
2、牛顿法求Rosenbrock(香蕉函数)的极值
3、“同宿舍”问题：遗传算法
Day4机器学习进阶
支持向量机
隐马尔科夫模型支持向量机（第四天——1）
1、统计学习问题
2、支持向量机
3、核函数
4、多分类的支持向量机
5、用于连续值预测的支持向量机
隐马尔科夫模型（第四天——2）
1、马尔科夫过程
2、隐马尔科夫模型
3、三个基本问题（评估、解码、学习）
4、前向-后向算法
5、Viterbi算法
6、Baum-Welch算法
1、SVM：iris的三个分类
2、HMM示例：天气与地表积水、罐中的彩球
3、HMM之前向算法：掷骰子的序列
4、HMM之viterbi算法：是否生病了？Day4机器学习进阶
文本挖掘
从LSA到LDA文本挖掘（第四天——3）
1、文本分析功能
2、文本特征的提取
4、TF-IDF
5、文本分类
5、文本聚类
从LSA到LDA（第四天——3）
1、LSA
2、pLSA
3、LDA
1、英文文本分析；
2、中文文本分析：《绝代双骄》
3、中文语句情感分析
4、LSA和LDA的比较
Day5机器学习进阶与深度学习初步
利用无标签的样本
集成学习利用无标签的样本（第五天——1）
1、半监督学习
2、直推式学习
3、主动学习
集成学习（第五天——2）
1、bagging
2、co-training
3、adaboost
4、随机森林
5、GBDT案例实践：
1、半监督学习：SVM标签扩展；
2、主动学习：手写数字
3、bagging、adaboost、RF、GBDT的例子Day5机器学习进阶与深度学习初步