Who is the course suitable for?
在職想提升人員
想要提升IT技術
編程零基礎人員
Course upgrade, many advantages
What does this course cover
訓練營(開班前)
Python語言核心編程
Python高級軟件開發技術
Python WEB全棧式工程師
Python 爬蟲工程師
大數據分析工程師、人工智能工程師
| 課程模塊 | 課程內容 | 實訓目標 |
| 初識企業級開發環境 | 計算機的體系結構、Linux的使用、目錄樹、文件相關命令 | 學習企業開發環境的架設和使用 |
| 學習企業開發環境的架設和使用 | ||
| 學習企業開發環境的架設和使用 | ||
| Python開發基礎 | python IDE、Python程序運行、變量和基本輸入輸出函數 | 學習編程語言 |
| 分支語句、循環語句 |
| 課程模塊 | 課程內容 | 實訓目標 |
| Python核心 | 人工智能解讀、Python 簡介、計算機核心架構、軟件開發本質論、Python程序運行原理、Python IDE | 學習Python核心語法、掌握Python核心技能。通過算法培養編程思維、逐步建立解決問題能力。2048項目 |
| 數據基本運算：常用快捷鍵、Python 核心數據類型、變量、運算符、內置函數、程序調試 | ||
| 語句：物理行、邏輯行、縮進、pass語句、選擇語句、循環語句、跳轉語句 | ||
| 列表與元組：基礎操作、內存分配、擴容原理、列表推導式、常用方法 | ||
| 字典：基礎操作、內存分配、哈希算法、字典推導式、常用方法 | ||
| 集合：基礎操作、內存分配、數據運算、固定集合 | ||
| 函數：參數列表、內存分配、設計原則、遞歸 | ||
| 算法：經典基礎算法、2048游戲核心算法 | ||
| Python面向對象編程 | OOP：對象和類、實例成員、類成員、靜態方法、內存分配 | 通過“天龍八部”游戲技能系統、了解面向對象架構設計過程。通過“倉儲信息管理系統”、體會真實項目的多層架構 |
| 多繼承、內建函數重寫、運算符重載、PEP8編碼規范 | ||
| OOA : UML、類關系、分析方法與分析技巧 | ||
| OOD：三大特征、設計原則、架構思想 | ||
| “天龍八部”游戲技能系統框架設計 | ||
| Python高級 | Python 程序結構、模塊、包、異常處理 | 通過Python函數式編程思想、實現集成操作框架 |
| 迭代思想、大數據生成器、迭代工具 | ||
| lambda 表達式、集成操作框架 | ||
| 閉包函數、python裝飾器 | ||
| 階段項目實戰 | 二手房源信息管理系統項目 | 分析項目需求，理解項目算法，熟練掌握Python軟件開發技術，深入理解Python語言精髓 |
| 課程模塊 | 課程內容 | 實訓目標 |
| Linux操作系統 | Linux操作系統、操作系統功能、文件系統、通配符使用、管道、輸入輸出重定向、vi使用 | 熟練使用Linux常用命令和編輯工具，能夠動手完成文件/目錄的多種操作 |
| shell 命令：ls cd mv cp rm rmdir mkdir touch echo cat tar chmod reboot sudo touch pwd find grep等，創建用戶，SSH使用 | ||
| 數據處理 | IO、文件讀寫、字節流操作、文件緩存、文件偏移量 | 掌握文件讀寫操作，掌握正則表達式的使用和python操作正則表達式的方法 |
| 正則表達式應用、正則表達式元字符、正則表達式規則、re模塊使用 | 掌握文件讀寫操作，掌握正則表達式的使用和python操作正則表達式的方法。掌握網絡編程通信方法，熟悉HTTP協議，了解基本網絡概念能夠熟練應用SQL語句操作數據，掌握數據庫存儲理念；能夠熟練使用MySQL數據庫進行數據的存儲和數據庫設計能力，能夠使用Python語言操作MySQL數據庫 | |
| 數據庫基礎、MySQL數據庫特點、MySQL數據類型、數據庫創建、數據表創建、增加、查詢、修改和刪除 | ||
| alter語句，時間日期處理、高級查詢，聚合操作，索引操作 | ||
| 外鍵處理，表外鍵關聯設計、關聯查詢 | ||
| 視圖，存儲過程和函數，事務控制，數據庫范式，數據庫引擎 | ||
| mysql優化、數據庫備份，用戶和權限管理、pymysql模塊使用 | ||
| 網絡并發編程 | 網絡通信基礎概念、OSI模型、網絡協議、套接字，UDP套接字通信 | 掌握網絡編程通信方法，熟悉HTTP協議 |
| 三次握手和四次揮手、TCP套接字、struct模塊使用、HTTP協議、HTTP服務模型 | 了解基本網絡概念掌握進程線程編程方法，理解進程線程功能和作用掌握并發編程方法，掌握多任務編程思想進一步理解程序中的IO行為，掌握IO并發事件處理方法 | |
| 進程基礎、multiprocessing進程模塊、僵尸進程處理 | ||
| 聊天室程序、進程池技術，threading線程模塊 | ||
| 自定義線程類、同步互斥，GIL問題，進程線程對比 | ||
| 進程線程網絡并發模型，ftp文件服務器，IO模型， 阻塞IO和非阻塞IO | ||
| IO網絡并發，IO多路復用select方法、poll方法、epoll方法、HTTPServer模型 | ||
| 階段項目實戰 | 代碼管理工具、git基本使用、github使用 | 初步對軟件項目認知，培養項目開發思路，掌握項目工具的使用，通過項目實例對所學內容進行綜合應用，培養項目編寫能力 |
| 軟件項目特點、項目開發流程、項目注意事項、在線電子詞典 | ||
| HTTPServer 框架模型 |
| 課程模塊 | 課程內容 | 實訓目標 |
| HTML | WEB與Internet、HTML基本介紹、HTML基礎語法、文本標記、列表標記、圖像和鏈接、表格標記、表單 | 掌握前端軟件開發的核心技術、能夠獨立完成前端軟件的開發，熟練掌握WEB前端開發的技能 |
| CSS | CSS介紹、CSS的使用方式、CSS樣式表特征、CSS選擇器、框模型 | 掌握前端軟件開發的核心技術、能夠獨立完成前端軟件的開發，熟練掌握WEB前端開發的技能 |
| 浮動定位、其他定位方式、顯示效果、列表屬性、過渡屬性 | ||
| JavaScript | 掌握前端軟件開發的核心技術、能夠獨立完成前端軟件的開發，熟練掌握WEB前端開發的技能 | |
| 學習企業開發環境的架設和使用 | ||
| 學習企業開發環境的架設和使用 | ||
| 學習企業開發環境的架設和使用 | ||
| 學習企業開發環境的架設和使用 | ||
| 階段項目實戰 | 電商項目前端頁面 | 完成電商項目部分前端頁面效果 |
| Python Django框架 | Django安裝、路由、URL配置、視圖處理、Http請求和響應、ContentType類型 | 以"網絡云筆記"和"電商"項目貫穿本階段、掌握Python服務端軟件開發的核心技術，能夠獨立完成服務端軟件開發，深入理解Python開發服務端的軟件的精髓 |
| MVC與MTV設計模式、模板的加載、模板的傳參、模板變量、if標簽、for標簽、模板注釋、過濾器、模板繼承 | ||
| 學習企業開發環境的架設和使用 | ||
| 學習企業開發環境的架設和使用 | ||
| 學習企業開發環境的架設和使用 | ||
| 學習企業開發環境的架設和使用 | ||
| 學習企業開發環境的架設和使用 | ||
| 學習企業開發環境的架設和使用 | ||
| Redis非關系型數據庫 | 關系型vs非關系型數據庫、NoSQL簡介、Redis安裝與配置、基礎命令、string 列表、Redis與python交互、redis內存淘汰機制 | 理解非關系型數據的思想及應用，掌握使用非關系型數據 Redis的開發技能 |
| Redis主從配置、持久化aof和rdb、哨兵模式、分布式鎖 | ||
| 位圖操作 、hash、set、zset，Redis發布訂閱 | ||
| Ajax | Ajax、XHR 創建對象、XHR 請求、XHR 響應、XHR readyState 、JSON、使用JSON進行數據交換、Jquery對Ajax的支持 | 掌握Ajax和JSON開發、使用方法，熟練進行編程 |
| 前后端分離階段項目實戰 | 前后端分離的概念及優缺點、http無狀態問題、ajax跨域、csrf問題、JWT、校驗jwt規則、搜索引擎優化(SEO)、BASE64?安全散列算法之SHA-256、hmac算法 | 熟悉項目開發流程、前后端分離的設計思想、完成 前后端分離的電商 網站的后端代碼編寫以及部署網站到服務器 |
| 跨域資源共享(CORS) 簡單請求(Simple requests)和預檢請求(Preflighted requests)、RESTful特征的API 用戶模塊-登錄、注冊、郵件激活碼 | ||
| celery 短信注冊 裝飾器校驗 類視圖 用戶模塊-地址 | ||
| Oauth2.0授權-校驗碼模式、微博授權登錄 | ||
| 數據庫范式和反范式、SKU和SPU介紹、商品模塊表設計、首頁功能、列表頁功能、詳情功能 | ||
| ES查詢、django與ES結合 | ||
| 訂單模塊-訂單設計、生成訂單、查詢訂單 | ||
| 支付寶支付 + 正式環境部署、docker |
| 課程模塊 | 課程內容 | 實訓目標 |
| Python爬蟲工程師 | 爬蟲介紹、分類、用途，robots協議，HTTPS協議解析，requests請求模塊基本使用，urllib編碼模塊、re模塊、正則表達式精細抓取文本信息、非結構化數據抓取 | 理解爬蟲的作用，掌握爬蟲的原理、技術，能夠使用Python熟練編寫爬蟲軟件 |
| 數據持久化存儲、數據庫MySQL、MongoDB、Redis的使用，增量爬蟲概述、基于MySQL、Redis實現增量爬蟲、lxml+xpath抓取文本信息 | ||
| requests模塊高級，建立User-Agent池應對反爬蟲、代理IP詳解、代理IP池應對反爬蟲、Post請求數據抓取、JS加密反爬蟲突破、動態網站數據抓取、json模塊、多進程多線程爬蟲 | ||
| selenium+PhantomJS/Chrome基本使用，處理Ajax動態加載、JS分頁加載網站，模擬點擊、執行JavaScript、Scrapy框架介紹、配置安裝，Scrapy框架爬取原理、Scrapy框架Spider類 | ||
| Scrapy Shell、Item Pipeline、Request/Response、Downloader Middlewares、Settings、多線程在Scrapy框架中的使用、基于Scrapy框架的數據持久化存儲、中間件介紹、Downloader Middlewares添加中間件 | ||
| 分布式爬蟲介紹及案例、機器視覺與tesseract，驗證碼識別、移動端手機app數據抓取 | ||
| Hadoop | Hadoop介紹、基本概念、運行模型、環境搭建、啟動Hadoop、HDFS集群、yarn集群、Hadoop分布式文件系統、Hadoop文件I/O詳解 | 掌握Hadoop的架構原理和使用場景，熟練使用Hadoop進行MapReduce程序開發 |
| python3調用HDFS集群API、MapReduce入門、MapReduce工作原理、MapReduce編程開發、Python3調用Hadoop MapReduce API | ||
| MapReduce實戰案例、map + combine +reduce使用、Hive環境搭建、基本操作、存儲類型與復合數據類型、數據加載、修改、高級查詢 | ||
| Hive內置函數、調優與安全、項目實戰 | ||
| 數據結構與算法 | 數據結構與算法概述、時間復雜度、邏輯結構和存儲結構、線性表、順序表、鏈表、棧模型、隊列模型 | 掌握數據結構基本算法，訓練邏輯思維能力，強化編程思想與編程能力 |
| 算法基礎、遞歸算法設計、冒泡排序，插入排序、快速排序 、歸并排序、二分查找、算法題實戰 | ||
| 樹形結構、二叉樹、廣度遍歷、深度遍歷、哈希表構造、算法題實戰 | ||
| Flask框架【視頻】 | Flask基礎、Flask系統、路由、視圖、模版、ORM數據訪問 | 掌握使用Flask進行項目開發 |
| Python Tornado框架【視頻】 | Tornado基礎、Tornado系統 | 掌握使用Tornado框架進行項目開發 |
| 路由、視圖、Tornado異步處理機制 | ||
| 數據訪問、安全應用、Python編碼 |
| 課程模塊 | 課程內容 | 實訓目標 |
| 數據分析 | 【數據分析行業剖析】、Numpy、NumPy開發環境、數組對象、多維數組、Numpy內置數據類型、索引與切片、改變維度（視圖變維、復制變維、就地變維、視圖轉置）、組合數組、分割數組（垂直、水平、深度）、ndarray對象的屬性 | 了解機器學習必備的數學知識、算法；掌握使用Python數據運算、分析、可視化的模塊的使用。結合項目和數據分析小游戲降低晦澀的知識點的枯燥性。股票數分析項目功能包括：使用Numpy計算股票的算數；平均價格；計算股票的時間加權平均價格(TWAP)；計算股票的價格范圍、價格幅度；計算股票的中位價格；計算股票的價格波動率；計算股票價格的平均真實波幅(ATR) ；繪制指數移動平均線(EMA)、繪制指數布林帶(EBB)；計算兩只股票收益率的相關系數；找到兩支股票收益率的交叉點；繪制經窗口函數平滑后的移動平均線；繪制K線圖、分時圖；movielens電影評分數據分析；與可視化；北京二手房數據分析與可視化；電信用戶流失預測數據分析與可視化 |
| 【數據可視化-基礎】：缺省樣式、設置線型、線寬和顏色、設置坐標軸刻度標簽、將矩形坐標軸改成十字坐標軸、顯示圖例、圖形對象、子坐標圖、柵格布局、自由布局、散點圖、讀取csv文件、柱狀圖、統計直方圖、餅圖 | ||
| 【數據可視化-進階】：等高線圖、熱圖、三維散點圖、三維曲面圖、三維線框圖。【數據分析核心方法論】：統計學概述、算數平均值、加權平均值、最小值、極差、中位數、標準差、軸向統計。協方差、相關性矩陣 | ||
| 【金融行業量化分析】：移動均線、卷積運算、加權卷積、布林帶、OBV、矢量化回測模型。針對更多行業的業務分析思維擴展 | ||
| 【數據建模思想】：線性模型（線性預測、線性擬合），多項式模型（多項式擬合），數據降噪與平滑 | ||
| 【核心編程接口】：通用函數（加法與乘法通用函數，除法與取整通用函數，位運算通用函數）、線性代數模塊編程接口（矩陣操作、特征值提取、奇異值分解）、快速傅里葉變換模塊編程接口（傅里葉變換、頻域濾波）、隨機數模塊編程接口（二項分布、超幾何分布、標準正態分布）、排序、積分、插值 | ||
| 【pandas】：pandas基礎、pandas核心數據結構、pandas數據合并、數據清洗、數據標準化、數據規約、ipython介紹、Jupyter notebook的使用、分組聚合、透視表與交叉表 | ||
| 整合東方財富智能財富系統（相關數據分析） | 完成東方財富智能云系統數據分析模塊的開發、整合、測試、提交工作 | |
| 機器學習 | 【人工智能領域詳細介紹】、數據預處理、均值移除、范圍縮放、歸一化、獨熱編碼、標記編碼。【回歸模型】：線性回歸、損失函數推導、梯度下降、嶺回歸、多項式回歸 | 項目：估算房價，汽車質量評估，收入等級估算 |
| 【回歸模型】：決策樹回歸模型，正向激勵，自助聚合、隨機森林。【分類模型】：簡單分類器、邏輯回歸分類器、樸素貝葉斯分類器、訓練集和測試集劃分、交叉驗證、交叉驗證指標、混淆矩陣、分類報告 | 項目：交通流量估算 | |
| 【分類模型】：基于SVM線性分類器、基于SVM非線性分類器、類型數不平衡問題、置信概率、超參數、事件預測器 | 項目：市場分析 | |
| 【聚類模型】：k-means算法、矢量量化、均值漂移、凝聚層次、輪廓系數聚類模型評估指標。【推薦引擎】：組合函數、數據管線、歐式距離、皮爾遜相關性、IBCF與UBCF協同過濾，用戶畫像 | 項目：電影推薦 | |
| 【自然語言處理】：文本劃分、詞干提取、詞形還原、文本分割、詞袋模型、TFIDF算法、文本分類、性別識別；jieba中文分詞、情感分析、主題抽取 | 項目：主題識別 | |
| 【語音處理】：音頻信號、頻域轉換、音頻生成、音樂合成、頻域特征、語音識別 | 項目：語音識別 | |
| 【圖像處理】：opencv圖像處理、邊緣檢測、直方均衡、角點檢測、Star檢測、SIFT檢測、圖像特征、物體識別 | 項目：物體識別 | |
| 【圖像處理】：顏色空間轉換、閾值處理、幾何變換、圖像混合、圖像平滑、形態學處理、輪廓檢測 | 項目：人臉識別 | |
| 深度學習 | 【深度學習基本理論】深度學習概述（定義、優缺點、與機器學習對比、課程內容與特點、發展史）、感知機、神經網絡、激活函數、損失函數、梯度下降、反向傳播算法、卷積函數、卷積運算、CNN（卷積層、激活層、池化層、全連接層）、經典CNN模型介紹（LeNet、AlaxNet、VGG） | 掌握深度學習基本理論、掌握Tensorflow深度學習平臺使用、掌握PaddlePaddle深度學習平臺使用、利用深度學習理論分析實際工程問題的能力、利用工具和框架解決實際工程問題的能力 |
| 【Tensorflow基礎】Tensorflow概述、體系結構、基本概念（張量、數據流、Operation、圖和會話、變量和占位符）、圖和會話使用、張量操作（數據類型、常用屬性、類型轉換、形狀改變、數學計算）、變量與占位符、Tensorboard可視化、綜合案例（線性回歸） | ||
| 【Tensorflow基礎】模型保存與加載、數據讀取、文件隊列、內容解碼【綜合案例1】手寫體識別、淺層網絡搭建、全連接模型、優化器【綜合案例2】服飾識別、深層CNN網絡搭建 | ||
| 【PaddlePaddle基礎】PaddlePaddle概述、體系結構、基本概念（Tensor、Layer、Variable、Program、Optimizer）、數據讀取器（順序讀取器、隨機讀取器、批量讀取器）【綜合案例1】線性回歸【綜合案例2】房價預測 | ||
| 【PaddlePaddle CV】圖像分類問題概述、分類粒度、圖像分類發展歷程、圖像分類的挑戰、圖像分類的應用、常用數據集（MNIST、CIFAR10、ImageNet、FDDB、WIDER Face）【綜合案例】使用CNN實現彩色圖像分類、圖像數據標注、深度CNN搭建、模型參數調整【圖像分類優化】樣本優化、參數優化、模型優化 | ||
| 【PaddlePaddle NLP】文本分類概述、機器學習文本分類、深度學習文本分類、TextCNN模型、TextRNN模型、LSTM模型【綜合案例】使用TextCNN實現中文文本分類、數據集介紹、數據字典及編碼、詞嵌入、TextCNN網絡搭建 | ||
| 【PaddlePaddle高級技術】實現VGG網絡、LSTM模型使用【綜合案例1】使用VGG網絡實現圖像分類【綜合案例2】使用LSTM模型實現中文情感分析 | ||
| 階段項目實戰 | 【目標檢測基本理論】概述（定義、核心問題、算法分類、應用）、Tow Satege檢測技術（R-CNN、Fast R-CNN、Faster R-CNN）、One Stage檢測技術（YOLOv1、YOLOv2、YOLOv3）、常用數據集、常用圖像標注工具、【圖像標注工具】LabelImg工具安裝、使用 | 了解目標檢測的原理、發展歷程Two Stage檢測技術：R-CNN、Fast、R-CNN、Faster R-CNN、One Stage檢測技術：YOLOv1、YOLOv2、YOLOv3、熟悉常用圖像標注工具使用 |
| 【編碼1】定義全局參數、日志工具、搭建darknet-53網絡模型部分代碼 | ||
| 【編碼2】數據增強、損失函數、訓練、測試部分代碼 | ||
| 就業特訓營(晚加課) | 測試、網絡運維、就業指導 | 了解生產環境中的基本技能 |
Advantages of Python
Python由于簡單易用，是人工智能領域中使用較廣泛的編程語言之一，它可以無縫的與數據結構和其他常用的AI算法一起使用。
Python雖然是腳本語言，但是因為容易學，迅速成為科學家的工具，人工智能涉及到大量的數據計算，用Python是很自然的。
Python之所以適合AI項目，也是基于Python在AI中的使用，如Numpy提供科學的計算能力，Scipy高級計算和Pybrain機器學習。
Teaching advantages
上課 (2)
上課 (3)
上課 (4)
課室 (2)
￥詢價課時：詳詢
￥詢價課時：詳詢
￥詢價課時：詳詢
￥詢價課時：詳詢
￥詢價課時：詳詢
￥詢價課時：詳詢
￥詢價課時：詳詢
￥詢價課時：詳詢
￥詢價課時：詳詢
￥詢價課時：詳詢
￥詢價課時：詳詢
￥詢價課時：詳詢
勤學教育網
