如何用 Python 攻克「最强大脑」
最强大脑之【七阶立方密码】
在 2018 年《最强大脑之燃烧吧大脑》节目中，来自清华大学的杨易和来自北京大学的 刘宇进行了个人淘汰赛，两个人所要挑战的项目是“七阶立方密码”。
七阶立方是由 343 个立方格组成，表面 218 加上内部的 125 个立方格。嘉宾出题则是 要选择两面，并选择两个质数隐藏，而后系统会随机选择五个立方格将质数隐藏，这七个质 数两两连线，并且有两个直线互相垂直，并且相交就是选手需要找到的宝藏的点。
最主要的是在 343 个立方格中，存在着很多干扰数字，这些都是非质数，因为此需要 选手通过心算进行排除。并且在选手知道了七个质数之后，立方就会展开，不是立体的图形 而是一个正方形的平面，这也就意味着选手需要空间想象力，来推测谁和谁是垂直并且相交。
针对以上图中的数据你能用 Python 找出宝藏点吗？
最强大脑之【分形之美】
《最强大脑》节目基于分形理论创造出的数学项目：“分形之美”，复杂的理论、函数方程以及海量图形的组合让现场嘉宾很是崩溃。陶晶莹坦诚表示：“这是我四季以来唯一弄不懂的项目。”刘国梁也是一脸懵圈的表情：“我觉得数学家们啊，就像天外飞仙，跟我们是两个世界的，Dr.魏解释了我也听不懂！”章子怡更是直言：“我觉得《最强大脑》应该更名为‘最强烧脑’了。”许多网友感叹：“比赛规则完全看不懂。”
Dr.魏表示，作为当今十分风靡的新理论、新学科，分形理论是用分形分维的数学工具来描述研究客观事物。它跳出了一维的线、二维的面、三维的立体乃至四维时空的传统藩篱，更加符合客观事物的多样性与复杂性。很多艺术家都是用分形这个数学原理来创作，节目中那些漂亮的图案都是用分形公式做出来的。分形里面常常研究的是朱利亚集合和曼德博集合。
你能用 Python 画出如上图形吗，并且通过图像模拟出参数吗？
最强大脑之【繁花曲线】
《最强大脑之燃烧吧大脑》节目中出现“繁花曲线”挑战项目，说起“繁花曲线”，彼时的繁花曲线规，已经红极大江南北，遍地开花，“繁花曲线”的图案更是运用在各个领域，丝绸、餐具、书本等等，堪称80、90后两代人心中的童年回忆。
你能用 Python 模拟出这些曲线吗？
以上其实是 极值学院推出的「Python基础入门到数据挖掘实战」系列课的期末考试题目。而这仅仅是众多有趣例子中的一小部分，还有汉诺达问题、八皇后问题、数独问题、高等数学、解析几何问题等等。
系列课的初级入门课程，包含了丰富的例子；中高级的数据挖掘实战课程包含了丰富的案例和项目。拒绝死板地讲解，而是将学到的知识灵活的应用到生活和项目中！
「Python基础入门到数据挖掘实战」系列课，由清华博士、浙大博士（Python畅销书作者）主讲，全程至少 6 个月陪同答疑。“视频录播＋作业实践＋主讲老师全程答疑”的形式，陪伴你成长为具备核心竞争力的 Python 算法工程师！
还等什么，还不快来跟我们一起玩 Python ！
- 讲师团队 -
张阳阳
清华大学博士。4 年多 Python 教学经验。研究方向：人工智能、机器学习、深度学习。熟练掌握 Python 在人工智能中的应用。擅长数值计算与仿真模拟，精通各种 AI 算法和编程：回归预测、全局优化、聚类分类、综合评价、模式识别等。
杨海宏
浙江大学博士、《Python 与数据挖掘》作者。讲授数据挖掘课程两年教学经验。研究方向：大数据、知识图谱、自然语言处理。熟练使用 Python，擅长自然语言理解、智能问答、深度学习、强化学习。曾在百度深度学习实验室，研究花卉图像识别，成果应用于百度App。
- 课程目录 -
【课程一】Python零基础入门与科学计算
第一篇 Python基础入门
1 Python的安装
2 Python的语法
3 内置数据结构
4 文件操作
5 文件目录操作
6【复习】课程作业讲解
7 函数的定义和调用
8 面向对象编程(1)
9 面向对象编程(2)
10【复习】课程作业讲解
11 具有Python风格地编程
12 常用技术介绍
13【复习】课程作业讲解
第二篇 科学计算与绘图
1 NumPy处理数据
2 NumPy函数库
3 SciPy 数值计算
4【复习】课程作业讲解
5 Sympy符号运算
6 Matplotlib绘图
7【复习】课程作业讲解
【复习】期末考试及讲解（以上最强大脑问题在这里）
【课程二】Python机器学习与数据挖掘实践
第一篇 机器学习与数据挖掘概论
1 机器学习概论
2 数据挖掘概论
3 数据预处理
4 Pandas基本功能
5 Pandas数据分析
6 模型的建立
第二篇 机器学习与数据挖掘算法实践
1 回归分析（Regression Analysis）
实训：基于回归分析预测房价及变化趋势问题
2 逻辑回归（Logistic Regression）
实训：基于逻辑回归预测泰坦尼克号乘客存活率
3 决策树（Decision Tree）
实训：基于决策树算法对男女性别进行分类
4 人工神经网络（Artificial Neural Network）
实训：基于BP人工神经网络对MNIST数据集进行识别和预测
5 k近邻分类（k Nearest Neighbor）
实训：基于k近邻分类对小麦种子进行分类
6 期中考试及点评讲解
7 朴素贝叶斯分类（Naive Bayesian）
实训：基于朴素贝叶斯分类对文本进行扫黄分析
8 聚类分析（Cluster Analysis)
实训：基于聚类分析对鸢尾花（iris）数据集分类
9 支持向量机（Support Vector Machine）
实训：基于支持向量机对MNIST手写数字序列数据集进行分类及参数的调优
10 期末考试及点评讲解（众多有趣的题目）
【课程三】Python深度学习与数据挖掘实战
第一篇 深度学习算法实践
1 PyTorch入门
2 反向传播算法 Back Propagation
3【复习】课后作业讲解
4 前馈神经网络 Feed Forward Network
5 卷积神经网络 Convolution Neural Network
6【复习】作业练习讲解
7 深度残差网络 Deep Residual Network
8 循环神经网络 Recurrent Neural Network
第二篇 数据挖掘项目实战
1 案例一 图片验证码识别 (光学字符识别)
2 案例二 文本数据情感分析
3 案例三：基于关联规则（Apriori）分析对超市购物的商品关系
4 案例四：基于用户和物品的协同过滤算法进行智能推荐
5 期末考试及点评讲解
- 课程时间 -
【课程1】Python零基础入门与科学计算
【时间】4 月 9 日 至 5 月 4 日（共 20 学时）
【课程2】Python机器学习与数据挖掘实践
【时间】5 月 7 日 至 6 月 2 日（共 20 学时）
【课程3】Python深度学习与数据挖掘实战
【时间】6 月 4 日 至 6 月 29 日（共 20 学时）
- 适合人群 -
◎ 零基础编程能力的中学生、大学生、研究生
◎ 转行 Python 编程的在职人士
◎ 想学数据挖掘基础到高级的老师和学生
◎ 想学人工智能基础理论和 Python 实现的学员
- 课程目标 -
◎ 零基础入门到掌握 Python 编程
◎ 掌握常用机器学习算法和 Python 实现
◎ 掌握常用深度学习算法和 Python 实现
◎ 掌握数据挖掘从基础到高级技术
- 课程形式 -
1、全程录播课，定时发布，主讲老师和助教同步答疑；
2、课程最大的特点是配套丰富、灵活、有趣的编程作业题和实践项目；
3、课程配专属答疑群，全程陪同，随时解答疑惑。
编程作业预览
▼
- 限量优惠 & 福利 -
1、报名现在添加极值学院助教微信（jizhicollege2），发送“我爱python”，即可领取限量大额优惠券（仅限 100 个，先到先得！）
报一门课，可领 100 元优惠码
两门连报，可领 300 元优惠码
三门联报，可领 500 元优惠码
极值学院助教微信
2、现在报名课程，即可获得 10G Python资料大礼包 ：
扫码添加极值学院微信
立即领取大额优惠券＋报名资料礼包！
▼