知識星球最強大腦之【七階立方密碼】
在 2018 年《最強大腦之燃燒吧大腦》節目中，來自清華大學的楊易和來自北京大學的 劉宇進行了個人淘汰賽，兩個人所要挑戰的專案是“七階立方密碼”。
七階立方是由 343 個立方格組成，錶面 218 加上內部的 125 個立方格。嘉賓出題則是 要選擇兩面，並選擇兩個質數隱藏，而後系統會隨機選擇五個立方格將質數隱藏，這七個質 數兩兩連線，並且有兩個直線互相垂直，並且相交就是選手需要找到的寶藏的點。
最主要的是在 343 個立方格中，存在著很多幹擾數字，這些都是非質數，因為此需要 選手透過心算進行排除。並且在選手知道了七個質數之後，立方就會展開，不是立體的圖形 而是一個正方形的平面，這也就意味著選手需要空間想象力，來推測誰和誰是垂直並且相交。
針對以上圖中的資料你能用 Python 找出寶藏點嗎？
最強大腦之【分形之美】
《最強大腦》節目基於分形理論創造出的數學專案：“分形之美”，複雜的理論、函式方程以及海量圖形的組合讓現場嘉賓很是崩潰。陶晶瑩坦誠表示：“這是我四季以來唯一弄不懂的專案。”劉國梁也是一臉懵圈的表情：“我覺得數學家們啊，就像天外飛仙，跟我們是兩個世界的，Dr.魏解釋了我也聽不懂！”章子怡更是直言：“我覺得《最強大腦》應該更名為‘最強燒腦’了。”許多網友感嘆：“比賽規則完全看不懂。”
Dr.魏表示，作為當今十分風靡的新理論、新學科，分形理論是用分形分維的數學工具來描述研究客觀事物。它跳出了一維的線、二維的面、三維的立體乃至四維時空的傳統藩籬，更加符合客觀事物的多樣性與複雜性。很多藝術家都是用分形這個數學原理來創作，節目中那些漂亮的圖案都是用分形公式做出來的。分形裡面常常研究的是朱利亞集合和曼德博集合。
你能用 Python 畫出如上圖形嗎，並且透過影象模擬出引數嗎？
最強大腦之【繁花曲線】
《最強大腦之燃燒吧大腦》節目中出現“繁花曲線”挑戰專案，說起“繁花曲線”，彼時的繁花曲線規，已經紅極大江南北，遍地開花，“繁花曲線”的圖案更是運用在各個領域，絲綢、餐具、書本等等，堪稱80、90後兩代人心中的童年回憶。
你能用 Python 模擬出這些曲線嗎？
以上其實是 極值學院推出的「Python基礎入門到資料挖掘實戰」系列課的期末考試題目。而這僅僅是眾多有趣例子中的一小部分，還有漢諾達問題、八皇后問題、數獨問題、高等數學、解析幾何問題等等。
系列課的初級入門課程，包含了豐富的例子；中高階的資料挖掘實戰課程包含了豐富的案例和專案。拒絕死板地講解，而是將學到的知識靈活的應用到生活和專案中！
「Python基礎入門到資料挖掘實戰」系列課，由清華博士、浙大博士（Python暢銷書作者）主講，全程至少 6 個月陪同答疑。“影片錄播＋作業實踐＋主講老師全程答疑”的形式，陪伴你成長為具備核心競爭力的 Python 演演算法工程師！
還等什麼，還不快來跟我們一起玩 Python ！
– 講師團隊 –
張陽陽
清華大學博士。4 年多 Python 教學經驗。研究方向：人工智慧、機器學習、深度學習。熟練掌握 Python 在人工智慧中的應用。擅長數值計算與模擬模擬，精通各種 AI 演演算法和程式設計：回歸預測、全域性最佳化、聚類分類、綜合評價、樣式識別等。
楊海宏
浙江大學博士、《Python 與資料挖掘》作者。講授資料挖掘課程兩年教學經驗。研究方向：大資料、知識圖譜、自然語言處理。熟練使用 Python，擅長自然語言理解、智慧問答、深度學習、強化學習。曾在百度深度學習實驗室，研究花卉影象識別，成果應用於百度App。
– 課程目錄 –
【課程一】Python零基礎入門與科學計算
第一篇 Python基礎入門
1 Python的安裝
2 Python的語法
3 內建資料結構
4 檔案操作
5 檔案目錄操作
6【複習】課程作業講解
7 函式的定義和呼叫
8 面向物件程式設計(1)
9 面向物件程式設計(2)
10【複習】課程作業講解
11 具有Python風格地程式設計
12 常用技術介紹
13【複習】課程作業講解
第二篇 科學計算與繪圖
1 NumPy處理資料
2 NumPy函式庫
3 SciPy 數值計算
4【複習】課程作業講解
5 Sympy符號運算
6 Matplotlib繪圖
7【複習】課程作業講解
【複習】期末考試及講解（以上最強大腦問題在這裡）
【課程二】Python機器學習與資料挖掘實踐
第一篇 機器學習與資料挖掘概論
1 機器學習概論
2 資料挖掘概論
3 資料預處理
4 Pandas基本功能
5 Pandas資料分析
6 模型的建立
第二篇 機器學習與資料挖掘演演算法實踐
1 回歸分析（Regression Analysis）
實訓：基於回歸分析預測房價及變化趨勢問題
2 邏輯回歸（Logistic Regression）
實訓：基於邏輯回歸預測泰坦尼克號乘客存活率
3 決策樹（Decision Tree）
實訓：基於決策樹演演算法對男女性別進行分類
4 人工神經網路（Artificial Neural Network）
實訓：基於BP人工神經網路對MNIST資料集進行識別和預測
5 k近鄰分類（k Nearest Neighbor）
實訓：基於k近鄰分類對小麥種子進行分類
6 期中考試及點評講解
7 樸素貝葉斯分類（Naive Bayesian）
實訓：基於樸素貝葉斯分類對文字進行掃黃分析
8 聚類分析（Cluster Analysis)
實訓：基於聚類分析對鳶尾花（iris）資料集分類
9 支援向量機（Support Vector Machine）
實訓：基於支援向量機對MNIST手寫數字序列資料集進行分類及引數的調優
10 期末考試及點評講解（眾多有趣的題目）
【課程三】Python深度學習與資料挖掘實戰
第一篇 深度學習演演算法實踐
1 PyTorch入門
2 反向傳播演演算法 Back Propagation
3【複習】課後作業講解
4 前饋神經網路 Feed Forward Network
5 摺積神經網路 Convolution Neural Network
6【複習】作業練習講解
7 深度殘差網路 Deep Residual Network
8 迴圈神經網路 Recurrent Neural Network
第二篇 資料挖掘專案實戰
1 案例一 圖片驗證碼識別 (光學字元識別)
2 案例二 文字資料情感分析
3 案例三：基於關聯規則（Apriori）分析對超市購物的商品關係
4 案例四：基於使用者和物品的協同過濾演演算法進行智慧推薦
5 期末考試及點評講解
– 課程時間 –
【課程1】Python零基礎入門與科學計算
【時間】4 月 9 日 至 5 月 4 日（共 20 學時）
【課程2】Python機器學習與資料挖掘實踐
【時間】5 月 7 日 至 6 月 2 日（共 20 學時）
【課程3】Python深度學習與資料挖掘實戰
【時間】6 月 4 日 至 6 月 29 日（共 20 學時）
– 適合人群 –
◎ 零基礎程式設計能力的中學生、大學生、研究生
◎ 轉行 Python 程式設計的在職人士
◎ 想學資料挖掘基礎到高階的老師和學生
◎ 想學人工智慧基礎理論和 Python 實現的學員
– 課程標的 –
◎ 零基礎入門到掌握 Python 程式設計
◎ 掌握常用機器學習演演算法和 Python 實現
◎ 掌握常用深度學習演演算法和 Python 實現
◎ 掌握資料挖掘從基礎到高階技術
– 課程形式 –
1、全程錄播課，定時釋出，主講老師和助教同步答疑；
2、課程最大的特點是配套豐富、靈活、有趣的程式設計作業題和實踐專案；
3、課程配專屬答疑群，全程陪同，隨時解答疑惑。
程式設計作業預覽
▼
– 限量優惠 & 福利 –
1、報名現在新增極值學院助教微信（jizhicollege2），傳送“我愛python”，即可領取限量大額優惠券（僅限 100 個，先到先得！）
報一門課，可領 100 元優惠碼
兩門連報，可領 300 元優惠碼
三門聯報，可領 500 元優惠碼
極值學院助教微信
2、現在報名課程，即可獲得 10G Python資料大禮包 ：
掃碼新增極值學院微信
立即領取大額優惠券＋報名資料禮包！
▼
