課程簡介：

Python是一門易學(xué)易懂適合快速開發(fā)的編程語言，既能滿足互聯(lián)網(wǎng)行業(yè)的Web應(yīng)用和服務(wù)器應(yīng)用開發(fā)，又可以作為方便強大的Linux服務(wù)器及網(wǎng)絡(luò)運維工作的開發(fā)工具，完成系統(tǒng)運維的工作。大數(shù)據(jù)快速發(fā)展也擴展了Python語言的新天地，作為數(shù)據(jù)抓取和分析的語言，Python又煥發(fā)了新的活力。因此Web應(yīng)用開發(fā)、系統(tǒng)網(wǎng)絡(luò)運維、大數(shù)據(jù)的科學(xué)與數(shù)字計算，甚至3D游戲開發(fā)都是Python工程師非常適應(yīng)的職業(yè)發(fā)展方向。

注：本課程適合零基礎(chǔ)學(xué)員或有意向轉(zhuǎn)行的技術(shù)人員。

入學(xué)基礎(chǔ)：

有Linux使用經(jīng)驗\ 有HTML5 前端開發(fā)經(jīng)驗 ，可以減免部分前置課程。

課程大綱：

Python基礎(chǔ)

Python概述:

  計算機語言概述

  python簡史

  python相關(guān)

python語法基礎(chǔ)

  Python環(huán)境配置

  python基礎(chǔ)語法

  變量

  數(shù)據(jù)類型

  表達式和運算符

  分支結(jié)構(gòu)

  循環(huán)結(jié)構(gòu)

函數(shù)

  函數(shù)初步

  細說參數(shù)

  變量作用域

  遞歸調(diào)用

內(nèi)置函數(shù)

  字符串相關(guān)-string

  列表-list

  元組-tuple

  集合-set

  字典-dict

Python 高階

Python面向?qū)ο蟾呒壘幊?/p>

面向?qū)ο缶幊袒A(chǔ)

公有私有

繼承

組合 & Mixin

模塊

模塊概述

搜索路徑

  Python正則表達式

  Python與數(shù)據(jù)庫編程

  Python多進程與進程間通信

  Python多線程

  Python網(wǎng)絡(luò)編程

  Python GUI編程

  項目實踐

Python Web 開發(fā)

Python Web開發(fā)簡介

Django開發(fā)環(huán)境搭建

Django基礎(chǔ)

Django視圖

Django URL映射

Django模板

Django模型與數(shù)據(jù)庫

Django表單

Django用戶驗證

Cookies和Sessions

Django模板繼承

Bootstrap結(jié)合

Jquery結(jié)合

AJAX結(jié)合

項目部署

Django項目實踐-在線商城

Python 爬蟲技術(shù)

爬蟲概述

  爬蟲定義

  爬蟲在行業(yè)中的地位

頁面獲取

  urllib基本使用

  requtests基本使用

  反爬蟲策略和反反爬蟲

內(nèi)容提取

  正則

  XPath

  BeautifulSoap

scrapy

  概述

  Scrapy核心部件使用

  Scrapy Shell

Python 人工智能

數(shù)據(jù)分析和數(shù)據(jù)挖掘

數(shù)據(jù)科學(xué)和AI概述

數(shù)據(jù)結(jié)構(gòu)和算法

Python 數(shù)據(jù)分析與數(shù)據(jù)挖掘簡介、環(huán)境搭建

Python數(shù)據(jù)分析工具箱

數(shù)據(jù)加載與存儲

  數(shù)據(jù)類型

  數(shù)據(jù)結(jié)構(gòu)

  數(shù)據(jù)導(dǎo)入

  數(shù)據(jù)導(dǎo)出

數(shù)據(jù)規(guī)范化和處理

  數(shù)據(jù)清洗

  數(shù)據(jù)抽取

  數(shù)據(jù)合并

  數(shù)據(jù)計算

  數(shù)據(jù)轉(zhuǎn)換

數(shù)據(jù)分析

  基本統(tǒng)計

  分組分析

  結(jié)構(gòu)分析

  分布分析

  交叉分析

  矩陣分析

  RFM分析

數(shù)據(jù)挖掘

  相關(guān)分析

  簡單線性回歸

  多重線性回歸

  邏輯回歸

  決策樹分析

  聚類分析

  因子分析

  關(guān)聯(lián)規(guī)則

  時間序列分析

數(shù)據(jù)可視化

項目實踐

Python人工智能算法和框架

--機器學(xué)習(xí)與深度學(xué)習(xí) 

      章 初識機器學(xué)習(xí)

      概述

           1、 概念與術(shù)語（人工智能、數(shù)據(jù)挖掘、機器學(xué)習(xí)、深度學(xué)習(xí)）

           2、 數(shù)據(jù)挖掘的對象

           3、 數(shù)據(jù)挖掘的關(guān)鍵技術(shù)

           4、 知識的表達

           5、 Python的安裝

      Python數(shù)據(jù)挖掘工具箱

           1、 Numpy, Scipy

           2、 Pandas

           3、 Sci*****earn,

           4、 Matplotlib

           5、 TensorFlow

      數(shù)據(jù)加載與存儲

           1、 csv/json/Excel/mySQL

      數(shù)據(jù)預(yù)處理與規(guī)范化

           2、 數(shù)據(jù)合并

           3、 數(shù)據(jù)轉(zhuǎn)換

           4、 數(shù)據(jù)清洗

           5、 數(shù)據(jù)聚合

           6、 數(shù)據(jù)分組

           7、 透視表與交叉表

      第二章 機器學(xué)習(xí)中的典型算法

      機器學(xué)習(xí)框架

      模型評估方法

           1、 偏差與方差

           2、 混淆矩陣/準確率/精確率/召回率

           3、 ROC/AUC/F1

      特征提取(分類變量/文本/圖像)

      數(shù)據(jù)預(yù)處理（標準化/正則化）

      線性回歸

           1. 一元/多元

           2. 多項式

      線性回歸

           1、 嶺回歸

           2、 隨機梯度下降法

           3、 交叉驗證

      邏輯回歸

           1. 二分類

           2. 多分類

      K近鄰算法

           1. kNN回歸

           2. kNN分類

      第三章 機器學(xué)習(xí)中的典型算法進階

      決策樹（

           1、 回歸數(shù)

           2、 分類樹

           3、 模型參數(shù)網(wǎng)絡(luò)搜索

           4、 隨機森林

      樸素貝葉斯

           1. 高斯貝葉斯分類器

           2. 多項式貝葉斯分類器

           3. 伯努利貝貝葉斯分類器

      支持向量機

           1、 核函數(shù)

           2、 SVC

           3、 SVR

      人工神經(jīng)網(wǎng)絡(luò)

           1、 感知器

           2、 神經(jīng)網(wǎng)絡(luò)

      第四章 機器學(xué)習(xí)中的典型算法擴展

      無監(jiān)督學(xué)習(xí)聚類

           1、 Kmean

      PCA降維

      集成學(xué)習(xí)方法

           1、 Adaboost

           2、 Gradientboosting

           3、 RandomForest

      關(guān)聯(lián)分析- Apriori算法

           1、 頻繁項集

           2、 關(guān)聯(lián)規(guī)則

      關(guān)聯(lián)分析- FP-growth算法

           1、 FP樹

      第五章 深度學(xué)習(xí)初步

      深度學(xué)習(xí)簡介

           1、 深度學(xué)習(xí)引入

           2、 深度學(xué)習(xí)歷史

           3、 深度學(xué)習(xí)應(yīng)用

           4、 TensorFlow

      TensorFlow入門

           1、 計算模型

           2、 數(shù)據(jù)模型

           3、 運行模型

           4、 TensorFlow實現(xiàn)神經(jīng)網(wǎng)絡(luò)

      深層神經(jīng)網(wǎng)絡(luò)（

           1、 深度學(xué)習(xí)與深層神經(jīng)網(wǎng)絡(luò)

           2、 損失函數(shù)定義

           3、 神經(jīng)網(wǎng)絡(luò)優(yōu)化算法

           4、 神經(jīng)網(wǎng)絡(luò)進一步優(yōu)化

      深度學(xué)習(xí)模型改進

           1、 MNIST數(shù)據(jù)處理

           2、 模型訓(xùn)練及對比

           3、 變量管理

           4、 模型持久化

      第六章 深度學(xué)習(xí)進階

      卷積神經(jīng)網(wǎng)絡(luò)

           1、 圖像識別問題

           2、 卷積神經(jīng)網(wǎng)絡(luò)

           3、 卷積神經(jīng)網(wǎng)絡(luò)常用結(jié)構(gòu)

           4、 典型卷積神經(jīng)網(wǎng)絡(luò)模型

      圖像數(shù)據(jù)處理

           1、 TFRecord輸入數(shù)據(jù)格式

           2、 圖像數(shù)據(jù)處理

           3、 數(shù)據(jù)集框架

      循環(huán)神經(jīng)網(wǎng)絡(luò)

           1、 循環(huán)神經(jīng)網(wǎng)絡(luò)簡介

           2、 長短時記憶網(wǎng)絡(luò)LSTM

           3、 循環(huán)神經(jīng)網(wǎng)絡(luò)變種

      Tensorflow高層封裝

           1、 Keras

           2、 Estimator

      TensorBoard可視化（

           1、 TensorBoard計算圖可視化

           2、 監(jiān)控指標可視化

           3、 高維向量可視化

Python數(shù)據(jù)分析和人工智能

--配套項目一覽

(根據(jù)實際進度安排)

穿插在整個培訓(xùn)中 

      項目群 1

           1、 Anaconda安裝

           2、 Tensorflow安裝

           3、 二維布朗運動

           4、 泰坦尼克號生存者名單處理

           5、上海證券大盤指數(shù)分析

           6、 QQ聊天群數(shù)據(jù)分析

           7、 中國地震數(shù)據(jù)分析

      項目群 2

           1、 酒品質(zhì)預(yù)測

           2、 波士頓住房數(shù)據(jù)來預(yù)測房屋價格

           3、 垃圾郵件分類

           4、 影評電影分類

           5、 美國入學(xué)申請錄取分類

      項目群 3

           1、 廣告屏蔽

           2、 泰坦尼克號乘客生還情況

           3、 iris(鳶尾花)

           4、 20類新聞數(shù)據(jù)分類

      項目群 4

           1、 臉部識別

           2、 手寫數(shù)字識別

           3、 新聞類別分類

           4、 自然圖片字母與數(shù)字識別

      項目群 5

           1、 美國參議院黨派分類

           2、 各省經(jīng)濟水平分類

           3、 手寫識別

           4、 糖尿病病人

           5、 毒蘑菇相似特征

           6、 從新聞網(wǎng)站點擊流中挖掘新聞報道

      項目群 6

           1、 Tensorflow安裝

           2、 神經(jīng)網(wǎng)絡(luò)實現(xiàn)

           3、 MNIST手寫數(shù)字識別

           4、 訓(xùn)練模型保存與恢復(fù)

      項目群 7

           1、 Lenet5網(wǎng)絡(luò)

           2、 圖像數(shù)據(jù)

           1、 RNN網(wǎng)絡(luò)實現(xiàn)時序預(yù)測

           2、 Keras實現(xiàn)IMDB自然語言情感分類

選修課程：

RED HAT LINUX系統(tǒng)運維

*前置課程

在bash shell命令行模式下運行常用基本Unix命令

從shell命令行及Xwindow界面運行應(yīng)用程序

配置XFree86系統(tǒng)及常用XWindow桌面環(huán)境

使用X GUI應(yīng)用程序完成一般的工作

了解Linux EXT2 和EXT3文件系統(tǒng)結(jié)構(gòu)

完成普通的文件維護操作

了解和維護文件存取權(quán)限

復(fù)制和存取不同文件系統(tǒng)下的文件

使用vi文本編輯器編輯和運行Shell 腳本文件

使用sed、awk及perl正則表達式過濾和處理文本

使用Linux本底打印命令和相關(guān)實用工具實現(xiàn)Unix下的文本打印

使用電子郵件和Openoffice完成Linux下的電子辦公

用標準的輸入/輸出重定向及管道連接程序和文件

控制Linux系統(tǒng)進程

查詢Linux系統(tǒng)內(nèi)的rpm軟件包

使用Unix常用網(wǎng)絡(luò)程序和相關(guān)實用工具控制本底機網(wǎng)絡(luò)

使用基于SSL的方式安全傳輸文件

掌握RedHat提供給用戶的系統(tǒng)工具

掌握基本的shell script 腳本

MYSQL/ORACLE 數(shù)據(jù)庫管理

*必備數(shù)據(jù)庫技術(shù)

描述Oracle MySQL架構(gòu)、安裝和升級Oracle MySQL

利用 INFORMATION_SCHEMA 數(shù)據(jù)庫訪問元數(shù)據(jù)

完成 Oracle MySQL 啟動和關(guān)閉操作

在運行時間配置 Oracle MySQL 服務(wù)器選項

利用 Oracle MySQL 管理員圖形用戶界面管理 Oracle MySQL 服務(wù)器

為解決性能問題評估數(shù)據(jù)類型及字符集

了解數(shù)據(jù)鎖定概念以及在 Oracle MySQL 中不同級別鎖定

了解和使用Oracle MySQL InnoDB引擎

保持Oracle MySQL安裝一致性

使用觸發(fā)器執(zhí)行管理任務(wù)

使用企業(yè)審計和插入式驗證

配置高級復(fù)制技術(shù)來實現(xiàn)ORACLE MYSQL高可用性

描述介紹性能調(diào)優(yōu)技術(shù)

執(zhí)行備份和恢復(fù)操作

管理任務(wù)自動化與排程事件

HTML5+CSS3

*必備前端技術(shù)

HTML 5的結(jié)構(gòu)

表單及其他新增和改良元素

繪制圖形

多媒體相關(guān)API

History API

本地存儲

離線應(yīng)用程序

文件API

通信API

WebRTC通信

擴展的XMLHttpRequest API

使用Web Workers處理線程

獲取地理位置信息

拖放API與通知API

Page Visibility API

Fullscreen API

鼠標指針鎖定API

JavaScript

*必備前端技術(shù)

JavaScript概述

詞法結(jié)構(gòu)

類型

值和變量

表達式和運算符

語句

對象

數(shù)組

函數(shù)

類和模塊

正則表達式的模式匹配

JavaScript的子集和擴展

客戶端JavaScript

服務(wù)器端JavaScript

JQuery

*必備前端技術(shù)

初識jQuery

jQuery選擇器

jQuery中DOM的操作

jQuery的事件處理

jQuery的動畫效果

jQuery與Ajax

jQuery常用插件