实战,让学习更简单     全国咨询热线:400-009-1906

北京 切换校区

全国24小时免费热线

400-009-1906

人工智能就业岗位?

就业截图

就业薪资

一个让你轻松跃迁至年薪50—60万,甚至年薪百万的行业!

  • 0%
    0-20k

  • 10.12%
    20k-25k

  • 45.16%
    25k-30k

  • 35.48%
    30k-35k

  • 9.24%
    35k以上

学习AI的痛点?我们帮你解决!

  • 一碰到数学就头疼
    一深入就看不懂,学不透

    算法的学习,要学透一定会涉及到公式推导,我们课程线下会把机器学习三十大算法一一推导,让学生具备自行推导的算法的能力

  • 学习过程中
    有问题无人当面解答

    课程授课老师为全日制,并有丰富线下代课经验老师,可以很深入浅出的讲解,当面回答学生问题,除了周末上课时间,平日也可以给同学进行面试以及工作中遇到问题的辅导

  • 代码能力弱
    缺乏实战项目经验

    机器学习每个算法都会配有案例,让学生可以学以致用,不仅机器学学,包括深度学习,都有丰富的企业级实战项目,项目来自联想、华为、百度等知名企业。

  • 面试
    拿不到高薪

    面试拿不到高薪,主要原因还是算法学习的不够深入,或者项目不会举一反三,课程中三十大机器学习算法都会深入剖析,公式推导,从是什么,到为什么,怎么用,怎么用好,几个角度给学生讲透。对于项目也会深入细致的讲解,让学生不仅了解项目,可以对学过的项目举一反三。

你的课程学习Tips

  • 人群
    特点
    学习Tips
  • 在校大学生

    数学好,编程基础略差的

    除了透彻理解好机器学习阶段,深度学习阶段课程外,平日python基础也可以适当注重下,上课老师讲解的python代码项目一定要敲几遍。有余力的话,课程内的大数据spark阶段也可以掌握好,作为加分项。

  • 产品经理

    数学弱,编程也弱,但从事互联网行业的

    需要花费比其他同学更多的努力,不管是在代码练习上,还是算法理解,证明推导上,建议首先不必事无巨细,而是更宏观一点的掌握住重点的机器学习,深度学习原理,然后慢慢在练习代码过程中提高编程能力以及加深算法的理解。成为一个具备算法工程师水平的人工智能产品经理,这也是企业中急需的人才!

  • 有工作经验的开发人员

    有一定编程基础,数学弱

    因为有一定的编程经验,那python代码理解起来不是难事,更要把重点放在机器学习算法理解,推导上,深度学习的内容以及项目上,python代码和大数据spark学习起来不用花太多经历,但是项目代码还是需要敲的。

  • 在职BI,大数据分析工程师

    有一定数据处理数据分析能力的

    因为有一定的代码能力,重点应放在机器学习算法推导和理解上,以及深度学习的学习和项目上。平时更多注意把学到的知识应用到工作的业务场景中,时刻在脑海中有举一反三和学以致用的思想。这样未来找工作也将会轻松一些。

适合你的AI免费学习福利

  • 01

    机器学习本质已有72174人下载

    免费索取
  • 02

    环境安装配置已有34683人下载

    免费索取
  • 03

    优化算法梯度下降法深入剖析已有35861人下载

    免费索取
  • 04

    代码实战机器学习案例已有21060人下载

    免费索取
  • 05

    模型评估代码实战已有28795人下载

    免费索取
  • 06

    深度学习已有16633人下载

    免费索取

好的老师,必然带出优秀的你!

尚学堂AI课程十大优势

100% AI课程

入学至少会一门编程语言或有互联网工作经验

就业目标明确AI工程师

17年已开线下班

全日制金牌讲师

线下班面授,课堂互动

及时答疑,当面解惑

企业级实战AI项目,课程不断升级,和大企业深入合作引入项目

算法原理、数学推导细致彻底学透

就业辅导、老学员交流经验高薪就业

90%python全栈+少量10%AI

无编程基础或无互联网工作经验

就业目标包含爬虫、网站开发等

18年才计划招生

业余时间兼职讲师

线上授课,难以了解学生想法

无法找到老师解答

把小案例当项目充数

算法推导囫囵吞枣,只听了皮毛

就业全靠自己

AI课程设计理念
  •  

    数据基础

    主要从数据分析、概率论和线性代数及矩阵这三大块讲解基础,方便大家后续课程的学习中更好的理解机器学习和深度学习的相关算法内容。

  •  

    Python基础

    Python作为人工智能首选编程语言,随着人工智能时代的到来,Python开发效率非常高,Python有非常强大的第三方库。这里帮助大家打好python的基础以及人工智能常用库的使用方法,方便后面机器学习和深度学习代码实战时更好的理解代码实现。

  •  

    机器学习

    三十大机器学习算法,从原理到推导进行一步步深入解析,同时包含对应算法的实战案例。本部分内容体现出算法工程师的高门槛,也是高薪就业的必经之路,我们通过全面深入透彻的讲解让大家对算法在脑海中构建成体系,知其然并知其所以然,成为优秀的人工智能工程师,可以hold住面试以及工作。

  •  

    Spark MLlib

    人工智能需要大量的数据进行训练,所以课程教授大家一个大数据的优秀计算框架Spark,可以帮助大家去找工作时成为一个加分项(但不是必要项),同时会对Spark框架中的ML、MLlib这两个机器学习的算法库有着重的实战讲解。

  •  

    深度学习

    深度学习是实现机器学习的一种技术。随着深度学习的快速发展,人工智能才得以长足进步,课程会把深度学习从基础CNN、RNN到对抗生成网络等流行的算法和模型进行深入讲解,并且会全面的实战讲解TensorFlow、Keras、Caffe等深度学习框架。并用丰富的案例让大家可以对学过的知识融会贯通。

  •  

    实战项目

    带你做时下热门的项目实战,并通过我们的教学让大家学习一个项目的同时可以举一反三,工作中可以轻松应对企业需求,成为合格推荐系统工程师,图像识别工程师,自然语音处理工程师等。(我们做人工智能是认真的、踏实的,不会把一些浅层机器学习算法小案例称之为项目)

带你做时下热门的实战项目

  • 推荐系统项目
  • 用户画像分析系统项目
  • 皮肤癌检测项目
  • 自动聊天机器人项目
  • 深度学习目标检测
  • 人脸识别项目
  • 图像风格迁移
  • 机器翻译引擎构建
  • 推荐系统项目:

    项目简介

    使用数据来自某互联网平台手机助手,项目目标通过机器学习所学知识挖掘平台手机用户喜好,给用户准确推荐手机软件,类似360手机助手、华为手机助手、百度手机助手推荐功能,做到实时个性化推荐

    项目特色

    架构完善综合大项目,从前到后贯穿,利用分布式文件系统存储用户行为数据,使用Spark程序进行数据分析,利用分布式SQL来进行数据清洗,特征抽取,python脚本构建训练集,利用分布式机器学习算法训练模型,线上Web来调用使用模型
  • 用户画像分析系统项目:

    项目简介

    用户画像是真实用户的虚拟代表,是建立在一系列真实数据之上的目标用户模型。通过用户调研去了解用户,根据他们的目标、行为和观点的差异,将他们区分为不同的类型,然后每种类型中抽取出典型特征,赋予名字、照片、一些人口统计学要素、场景等描述,就形成了一个人物原型。通过人物原型,可以给用户更加精准的搜索和推荐结果。

    项目特色

    根据用户历史浏览数据,对用户进行行为分析,精准建模。通过用户模型,可以对用户进行精准推荐,精准投放广告。
  • 皮肤癌检测项目:

    项目简介

    黑色素瘤,又称恶性黑色素瘤,是来源于黑色素细胞的一类恶性肿瘤,常见于皮肤,亦见于黏膜、眼脉络膜等部位。黑色素瘤是皮肤肿瘤中恶性程度最高的瘤种,容易出现远处转移。该疾病如果早期治疗,患者可以完全康复。可见早期诊断和治疗因而显得尤为重要。我们开发一款app,面向手机用户,你可以随时用app开个摄像头让机器医生帮我们看一看,这是不是皮肤癌的早期症状。

    项目特色

    面向手机用户,操作方便,利用深度学习高级框架Keras进行开发,代码简洁,训练时间短,模型准确率高。
  • 自动聊天机器人项目:

    项目简介

    聊天机器人是一个用来模拟人类对话或聊天的程序。聊天机器人主要应用场景包括智能客服、虚拟机器人、智能手表、智能车载和智能家居。我们开发一款基于深度学习的中文聊天机器人,可在中文语义理解方面达到较高的准确率。

    项目特色

    基于深度学习的中文聊天机器人,项目涵盖了中文分词,语义分析,命名实体识别等中文NLP技术。
  • 深度学习目标检测:

    项目简介

    目标检测,工业界关注的主要是人脸,人,车这些对监控、交通等领域非常重要的目标。 我们将所有的方法都概括成:候选窗口 + 分类or回归。人在识别物体的时候,第一次可能只是知道这是一个单独的物体,也知道bounding box,但是不知道类别;当人类通过其他渠道学习到类别的时候,下一次就能够识别了;目标检测也是如此,我们不可能标注所有的物体的类别,我们将这种快速学习的机制引入。

    项目特色

    基于深度学习,使语意信息和分割结合,为目标检测提供信息,进行目标检测。
  • 人脸识别项目:

    项目简介

    智能人脸识别基于深度学习以及以GPU 为核心的异构并行计算架构,接入高清网络摄像机,实现高质量的人脸特征提取、人脸自动抓拍、自动识别、自动比对等功能。

    项目特色

    对视频监控中出现的人脸进行自动检测,进行目标库检索,输出在目标库中检索出与该人脸图片相似度高的对应的目标库人员的详细信息。
  • 图像风格迁移:

    项目简介

    所谓图像风格迁移,是指利用算法学习著名画作的风格,然后再把这种风格应用到另外一张图片上的技术。著名的图像处理应用Prisma是利用风格迁移技术,将普通用户的照片自动变换为具有艺术家的风格的图片。

    项目特色

    不仅讲解了原始图像风格迁移的基本原理,其中内容损失、风格损失两种损失函数的定义尤为关键。接着讲解了快速图像风格迁移的原理,并实现快速图像风格迁移,并对项目一些实现细节进行研究,掌握风格迁移这一领域的思想与TensorFlow种相应的实现方法。
  • 机器翻译引擎构建:

    项目简介

    机器翻译是指用机器将一种语言自动翻译成另外一种语言的技术。传统机器翻译采取基于规则或基于词组统计规律的方法。随着深度学习技术的发展,神经网络机器翻译首先将源句子向量化,转化成计算机可以“理解”的形式,再生成另一种语言的译文,更贴合原意也更符合语法规范的翻译。各大商业公司都开始使用神经网络机器翻译代替原来的机器翻译系统。

    项目特色

    利用RNN网络结构:Encoder-Decoder(也叫Seq2Seq),并且引入它的重要改进—注意力机制,接着构建两个神经网络翻译模型,最后详细剖析关于Encoder-Decoder结构和注意力机制的源代码。
  • 1.数学基础
  • 2.Python基础
  • 3.机器学习
  • 4.大数据机器学习
  • 5.深度学习
  • 6.实战项目
数学基础
阶段
主讲内容 技术要点
数学基础 一、数据分析 1)常数e 2)导数 3)梯度 4)Taylor 5)gini系数 6)信息熵与组合数
二、概率论 1)概率论基础 2)古典模型 3)常见概率分布 4)大数定理和中心极限定理 5)协方差(矩阵)和相关系数 6)最大似然估计和最大后验估计
三、线性代数及矩阵 1)线性空间及线性变换 2)矩阵的基本概念练 3)状态转移矩阵 4)特征向量 5)矩阵的相关乘法 6)矩阵的QR分解 7)对称矩阵、正交矩阵、正定矩阵 8)矩阵的SVD分解 9)矩阵的求导 10)数据白化及其应用
Python基础
阶段
主讲内容 技术要点
Python基础 一、环境搭建 1)Python环境安装 2)Anaconda 3)PyCharm
二、Python基础语法 1)变量 2)数据类型 3)列表 4)元组 5)字典 6)控制语句 7)循环语句 8)函数 9)类对象
三、Python常用库 1)numpy:

用Numpy创建数组并查看其属性 Numpy的基本运算 Numpy的基本函数 索引,切片和迭代 形状操作 深拷贝 广播法则

2)pandas:

Series的创建和基本的操作 DataFrame的创建和基本的操作 Panel的创建和基本的操作 用Pandas常用函数查看和操作数据

3)scipy:

基本可以代替Matlab的工具包,方便、易于使用、专为科学和工程设计的Python工具包.它包括统计,优化,整合,线性代数模块,傅里叶变换,信号和图像处理,常微分方程求解器等

4)matplotlib:

Python中最著名的绘图系统

散点图,折线图,条形图,直方图,饼状图,箱形图的绘制

坐标轴的调整,添加文字注释,区域填充,及特殊图形patches的使用

5)seaborn:

在matplotlib的基础上进行了更高级API的封装,从而使得作图变得更加容易。

6)time

Python 时间模块常用函数

四、Python机器学习模块 Scikit-Learn
机器学习
阶段
主讲内容 技术要点
机器学习 一、机器学习 1)机器学习概述 2)定义问题
二、数据预处理 1)特征抽取 2)特征转换 3)归一化
三、线性回归算法 1)线性回归 2)Ridge岭回归 3)Lasso回归 4)Elastic Net算法
四、KNN K近邻算法 1)KNN算法原理 2)KNN算法应用
五、逻辑回归算法 1)sigmoid函数 2)逻辑回归的损失函数 3)逻辑回归的优化 4)逻辑回归的多分类问题 5)Softmax回归多分类
六、梯度下降算法 1)批量梯度下降 2)随机梯度下降 3)mini-batch梯度下降
七、牛顿法与拟牛顿法 1)牛顿法求函数根 2)牛顿法求解函数最优化问题 3)拟牛顿法—L-BFGS
八、决策树算法 1)决策树的简介 2)CART、ID-3、C4.5 3)gini系数 4)信息增益 5)信息增益率 6)叶子节点的表达 7)回归树 8)预剪枝和后剪
九、Bagging集成算法 1)bootstrap 2)随机森林
十、Adaboost算法 1)Adaboost算法流程 2)Adaboost算法损失函数优化
十一、GBDT算法 1)函数空间梯度下降 2)GBM框架 3)GBDT算法解决回归问题
十二、XGboost和lightGBM算法 1)目标函数的建立 2)子树的分裂条件 3) 子树叶子节点的表达 4)与传统GBDT的比较
十三、支持向量机 1)线性可分支持向量机 2)软间隔支持向量机 3)核函数方法 4)SMO算法 5)SVM回归SVR和分类SVC
十四、聚类算法 1)各种相似度距离测度方法 2)K-Means算法 3)K-Means算法优缺点 4)密度聚类 5)层级聚类 6)谱聚类
十五、PCA主成分分析算法 1) 方差最大化投影 2) 矩阵的特征值与特征向量 3) PCA降维
十六、LDA降维 1) LDA投影标准 2) LDA降维算法
十七、MDS降维算法 1) 基于空间距离保持的方法 2) MDS算法原理
十八、ISO-map降维算法 1) 近似测地距离的计算 2) 最短路径距离算法 3) ISO-map算法原理
十九、LLE算法 1) 数据点的局部线性关系 2) LLE算法原理
二十、SVD奇异值分解算法 1) 方阵的特征值分解 2) 矩阵的奇异值分解 3) 左右奇异向量 4) 推荐系统应用
二十一、ALS矩阵分解算法 1) 矩阵分解的另一种方式 2) 评估近似矩阵的方法 3) ALS矩阵分解
二十二、FM 因子分解机 1) FM模型介绍 2) FM算法详解
二十三、朴素贝叶斯算法 1)朴素贝叶斯 2)文本分类上的应用
二十四、贝叶斯网络 1) 有向概率图模型 2) 生成模型 3) 贝叶斯网络联合分布的表达 4) 贝叶斯网络性质
二十五、隐马尔可夫模型 1)隐马可夫模型的基本概念 2)概率计算问题 3)前向/后向算法 4)维特比算法
二十六、最大熵模型 1) 随机变量的熵、联合熵、相对熵、互信息
2) 最大熵原理 3)最大熵模型的学习 4)最大似然估计 5)模型学习的最优化算法
二十七、EM算法 1)EM算法原理及收敛性 2)EM算法在高斯混合模型学习中的应用
二十八、条件随机场 1)条件随机场的定义与形式 2)条件随机场的学习方法
二十九、PLSA 主题模型 1) LSA潜语义分析 2) PLSA的模型拓扑 3) EM算法应用于PLSA模型训练
三十、LDA主题模型 1)LDA主题模型概述 2)共轭先验分布 3)狄利克雷分布 4)Laplace平滑 5)Gibbs采样详解 6)LDA与词向量Word2Vec效果比较
三十一、神经网络 1) 前向传播 2) 反向传播 3) 激活函数 4) 梯度弥散/消失 5) 参数初始化 6) 多层感知机
大数据机器学习
阶段
主讲内容 技术要点
大数据机器学习 一、Spark入门 1)Spark分布式安装 2)Spark核心算子操作
二、Spark进阶 1)Spark核心模块剖析 2)PySpark
三、Spark MLlib模块
四、Spark ML模块
五、Spark SQL模块
六、Spark Streaming模块
七、案例 1)PageRank 2)交通路况预测 3)股票预测
深度学习
阶段
主讲内容 技术要点
深度学习 一、 深度学习Tensorflow基础 1)TensorFlow框架特性与安装 2)Tensorflow编程基础
二、 深度神经网络DNN 1) Tensorflow深度神经网络实现
三、 卷积神经网络CNN 1)Tensorflow卷积神经网络实现 2)Tensorflow实现经典AlexNet模型 3)Tensorflow实现经典VGG模型
四、 循环神经网络RNN 1) BasicRNNCell 2) GRU单元 3) LSTM单元
五、 自编码器AutoEncoder 1) Tensorflow 自编码网络实现
六、 对抗生成网络 GAN 1) 深度卷积生成网络DCGAN
七、 Tensorflow框架进阶 1)Tensorflow源代码解析 2)Tensorboard可视化
八、 Word2Vec词向量算法 1) CBOW模式 2) Skip-Gram模式 3) Tensorflow实现Word2Vec词向量算法
九、 Keras框架 1)Keras简介及Keras中的数据处理 2)Keras中的模型 3)Keras中的重要对象 4)Keras中的网络层构造
十、 案例 1)Softmax Regression识别手写数字 2)CNN卷积神经网络做图片分类 3)机器自动写文章 4)Tensorflow中用DCGAN生成图像 5)情感分析
实战项目
阶段
项目名称 项目描述
项目一 推荐系统 项目简介
使用数据来自某互联网平台手机助手,项目目标通过机器学习所学知识挖掘平台手机用户喜好,给用户准确推荐手机软件,类似360手机助手、华为手机助手、百度手机助手推荐功能,做到实时个性化推荐
项目特色
架构完善综合大项目,从前到后贯穿,利用分布式文件系统存储用户行为数据,使用Spark程序进行数据分析,利用分布式SQL来进行数据清洗,特征抽取,python脚本构建训练集,利用分布式机器学习算法训练模型,线上Web来调用使用模型
项目二 用户画像 项目简介
用户画像是真实用户的虚拟代表,是建立在一系列真实数据之上的目标用户模型。通过用户调研去了解用户,根据他们的目标、行为和观点的差异,将他们区分为不同的类型,然后每种类型中抽取出典型特征,赋予名字、照片、一些人口统计学要素、场景等描述,就形成了一个人物原型。通过人物原型,可以给用户更加精准的搜索和推荐结果。
项目特色
根据用户历史浏览数据,对用户进行行为分析,精准建模。通过用户模型,可以对用户进行精准推荐,精准投放广告。
项目三 皮肤癌检测 项目简介
黑色素瘤,又称恶性黑色素瘤,是来源于黑色素细胞的一类恶性肿瘤,常见于皮肤,亦见于黏膜、眼脉络膜等部位。黑色素瘤是皮肤肿瘤中恶性程度最高的瘤种,容易出现远处转移。该疾病如果早期治疗,患者可以完全康复。可见早期诊断和治疗因而显得尤为重要。我们开发一款app,面向手机用户,你可以随时用app开个摄像头让机器医生帮我们看一看,这是不是皮肤癌的早期症状。
项目特色
面向手机用户,操作方便,利用深度学习高级框架Keras进行开发,代码简洁,训练时间短,模型准确率高。
项目四 自动聊天机器人 项目简介
聊天机器人是一个用来模拟人类对话或聊天的程序。聊天机器人主要应用场景包括智能客服、虚拟机器人、智能手表、智能车载和智能家居。我们开发一款基于深度学习的中文聊天机器人,可在中文语义理解方面达到较高的准确率。
项目特色
基于深度学习的中文聊天机器人,项目涵盖了中文分词,语义分析,命名实体识别等中文NLP技术。
项目五 深度学习目标检测 项目简介
目标检测,工业界关注的主要是人脸,人,车这些对监控、交通等领域非常重要的目标。
我们将所有的方法都概括成:候选窗口 + 分类or回归。人在识别物体的时候,第一次可能只是知道这是一个单独的物体,也知道bounding box,但是不知道类别;当人类通过其他渠道学习到类别的时候,下一次就能够识别了;目标检测也是如此,我们不可能标注所有的物体的类别,我们将这种快速学习的机制引入。
项目特色
基于深度学习,使语意信息和分割结合,为目标检测提供信息,进行目标检测。
项目六 人脸识别项目 项目简介
智能人脸识别基于深度学习以及以GPU 为核心的异构并行计算架构,接入高清网络摄像机,实现高质量的人脸特征提取、人脸自动抓拍、自动识别、自动比对等功能。
项目特色
对视频监控中出现的人脸进行自动检测,进行目标库检索,输出在目标库中检索出与该人脸图片相似度高的对应的目标库人员的详细信息。
项目七 图像风格迁移 项目简介
所谓图像风格迁移,是指利用算法学习著名画作的风格,然后再把这种风格应用到另外一张图片上的技术。著名的图像处理应用Prisma是利用风格迁移技术,将普通用户的照片自动变换为具有艺术家的风格的图片。
项目特色
不仅讲解了原始图像风格迁移的基本原理,其中内容损失、风格损失两种损失函数的定义尤为关键。接着讲解了快速图像风格迁移的原理,并实现快速图像风格迁移,并对项目一些实现细节进行研究,掌握风格迁移这一领域的思想与TensorFlow种相应的实现方法。
项目八 机器翻译引擎构建 项目简介
机器翻译是指用机器将一种语言自动翻译成另外一种语言的技术。传统机器翻译采取基于规则或基于词组统计规律的方法。随着深度学习技术的发展,神经网络机器翻译首先将源句子向量化,转化成计算机可以“理解”的形式,再生成另一种语言的译文,更贴合原意也更符合语法规范的翻译。各大商业公司都开始使用神经网络机器翻译代替原来的机器翻译系统。
项目特色
利用RNN网络结构:Encoder-Decoder(也叫Seq2Seq),并且引入它的重要改进—注意力机制,接着构建两个神经网络翻译模型,最后详细剖析关于Encoder-Decoder结构和注意力机制的源代码。

机会每个人都有的!

但许多人不知道他们碰到过它。

把握良机
开始逆袭
  • 北京校区
  • 山西校区
  • 郑州校区
  • 武汉校区
  • 四川校区
  • 长沙校区
  • 深圳校区
  • 上海校区
  • 广州校区
  • 保定招生办

北京海淀区校区(总部):北京市海淀区西三旗街道建材城西路中腾建华商务大厦东侧二层尚学堂
北京京南校区:北京亦庄经济开发区科创十四街6号院1号楼 赛蒂国际工业园
咨询电话:400-009-1906 / 010-56233821
面授课程: JavaEE培训大数据就业班培训大数据云计算周末班培训零基础大数据连读班培训大数据云计算高手班培训人工智能周末班培训人工智能+Python全栈培训H5+PHP全栈工程师培训

山西学区地址:山西省晋中市榆次区大学城大学生活广场万科商业A1座702
咨询电话:0354-3052381 / 18903441162

郑州学区地址:金水区东风路经三路北100米注协大厦10楼
咨询电话:0371-55177956 

武汉学区地址:湖北省武汉市江夏区江夏大道26号 宏信悦谷创业园4楼
咨询电话:027-87989193

四川学区地址:成都市高新区锦晖西一街99号布鲁明顿大厦2栋1003室
咨询电话:028-65176856 / 13880900114

长沙学区地址:长沙市岳麓区麓源路湖南电子商务基地5楼(公交车站:六沟垅)
咨询电话:0731-83072091

深圳校区地址:深圳市宝安区航城街道航城大道航城创新创业园A4栋210(固戍地铁站C出口)
咨询电话:0755-23061965 / 18898413781

上海尚学堂松江校区地址:上海市松江区荣乐东路2369弄45号绿地伯顿大厦2层
咨询电话:021-67690939

广州校区地址:广州市天河区元岗横路31号慧通产业广场B区B1栋6楼尚学堂(地铁3号线或6号线到“天河客运站”D出口,右拐直走约800米)
咨询电话:020-2989 6995

保定招生办公室

地址:河北省保定市竞秀区朝阳南大街777号鸿悦国际1101室

电话:15132423123

Copyright 2006-2018 北京尚学堂科技有限公司  京ICP备13018289号-19  京公网安备11010802015183  
媒体联系:18610174079 闫老师