Who is the course suitable for?
在职想提升人员
想要提升IT技术
编程零基础人员
Course upgrade, many advantages
What does this course cover
课程模块 | 课程内容 | 实训目标 |
初识企业级开发环境 | 计算机的体系结构、Linux的使用、目录树、文件相关命令 | 学习企业开发环境的架设和使用 |
学习企业开发环境的架设和使用 | ||
学习企业开发环境的架设和使用 | ||
Python开发基础 | python IDE、Python程序运行、变量和基本输入输出函数 | 学习编程语言 |
分支语句、循环语句 |
课程模块 | 课程内容 | 实训目标 |
Python核心 | 人工智能解读、Python 简介、计算机核心架构、软件开发本质论、Python程序运行原理、Python IDE | 学习Python核心语法、掌握Python核心技能。通过算法培养编程思维、逐步建立解决问题能力。2048项目 |
数据基本运算:常用快捷键、Python 核心数据类型、变量、运算符、内置函数、程序调试 | ||
语句:物理行、逻辑行、缩进、pass语句、选择语句、循环语句、跳转语句 | ||
列表与元组:基础操作、内存分配、扩容原理、列表推导式、常用方法 | ||
字典:基础操作、内存分配、哈希算法、字典推导式、常用方法 | ||
集合:基础操作、内存分配、数据运算、固定集合 | ||
函数:参数列表、内存分配、设计原则、递归 | ||
算法:经典基础算法、2048游戏核心算法 | ||
Python面向对象编程 | OOP:对象和类、实例成员、类成员、静态方法、内存分配 | 通过“天龙八部”游戏技能系统、了解面向对象架构设计过程。通过“仓储信息管理系统”、体会真实项目的多层架构 |
多继承、内建函数重写、运算符重载、PEP8编码规范 | ||
OOA : UML、类关系、分析方法与分析技巧 | ||
OOD:三大特征、设计原则、架构思想 | ||
“天龙八部”游戏技能系统框架设计 | ||
Python高级 | Python 程序结构、模块、包、异常处理 | 通过Python函数式编程思想、实现集成操作框架 |
迭代思想、大数据生成器、迭代工具 | ||
lambda 表达式、集成操作框架 | ||
闭包函数、python装饰器 | ||
阶段项目实战 | 二手房源信息管理系统项目 | 分析项目需求,理解项目算法,熟练掌握Python软件开发技术,深入理解Python语言精髓 |
课程模块 | 课程内容 | 实训目标 |
Linux操作系统 | Linux操作系统、操作系统功能、文件系统、通配符使用、管道、输入输出重定向、vi使用 | 熟练使用Linux常用命令和编辑工具,能够动手完成文件/目录的多种操作 |
shell 命令:ls cd mv cp rm rmdir mkdir touch echo cat tar chmod reboot sudo touch pwd find grep等,创建用户,SSH使用 | ||
数据处理 | IO、文件读写、字节流操作、文件缓存、文件偏移量 | 掌握文件读写操作,掌握正则表达式的使用和python操作正则表达式的方法 |
正则表达式应用、正则表达式元字符、正则表达式规则、re模块使用 | 掌握文件读写操作,掌握正则表达式的使用和python操作正则表达式的方法。掌握网络编程通信方法,熟悉HTTP协议,了解基本网络概念能够熟练应用SQL语句操作数据,掌握数据库存储理念;能够熟练使用MySQL数据库进行数据的存储和数据库设计能力,能够使用Python语言操作MySQL数据库 | |
数据库基础、MySQL数据库特点、MySQL数据类型、数据库创建、数据表创建、增加、查询、修改和删除 | ||
alter语句,时间日期处理、高级查询,聚合操作,索引操作 | ||
外键处理,表外键关联设计、关联查询 | ||
视图,存储过程和函数,事务控制,数据库范式,数据库引擎 | ||
mysql优化、数据库备份,用户和权限管理、pymysql模块使用 | ||
网络并发编程 | 网络通信基础概念、OSI模型、网络协议、套接字,UDP套接字通信 | 掌握网络编程通信方法,熟悉HTTP协议 |
三次握手和四次挥手、TCP套接字、struct模块使用、HTTP协议、HTTP服务模型 | 了解基本网络概念掌握进程线程编程方法,理解进程线程功能和作用掌握并发编程方法,掌握多任务编程思想进一步理解程序中的IO行为,掌握IO并发事件处理方法 | |
进程基础、multiprocessing进程模块、僵尸进程处理 | ||
聊天室程序、进程池技术,threading线程模块 | ||
自定义线程类、同步互斥,GIL问题,进程线程对比 | ||
进程线程网络并发模型,ftp文件服务器,IO模型, 阻塞IO和非阻塞IO | ||
IO网络并发,IO多路复用select方法、poll方法、epoll方法、HTTPServer模型 | ||
阶段项目实战 | 代码管理工具、git基本使用、github使用 | 初步对软件项目认知,培养项目开发思路,掌握项目工具的使用,通过项目实例对所学内容进行综合应用,培养项目编写能力 |
软件项目特点、项目开发流程、项目注意事项、在线电子词典 | ||
HTTPServer 框架模型 |
课程模块 | 课程内容 | 实训目标 |
HTML | WEB与Internet、HTML基本介绍、HTML基础语法、文本标记、列表标记、图像和链接、表格标记、表单 | 掌握前端软件开发的核心技术、能够独立完成前端软件的开发,熟练掌握WEB前端开发的技能 |
CSS | CSS介绍、CSS的使用方式、CSS样式表特征、CSS选择器、框模型 | 掌握前端软件开发的核心技术、能够独立完成前端软件的开发,熟练掌握WEB前端开发的技能 |
浮动定位、其他定位方式、显示效果、列表属性、过渡属性 | ||
JavaScript | 掌握前端软件开发的核心技术、能够独立完成前端软件的开发,熟练掌握WEB前端开发的技能 | |
学习企业开发环境的架设和使用 | ||
学习企业开发环境的架设和使用 | ||
学习企业开发环境的架设和使用 | ||
学习企业开发环境的架设和使用 | ||
阶段项目实战 | 电商项目前端页面 | 完成电商项目部分前端页面效果 |
Python Django框架 | Django安装、路由、URL配置、视图处理、Http请求和响应、ContentType类型 | 以"网络云笔记"和"电商"项目贯穿本阶段、掌握Python服务端软件开发的核心技术,能够独立完成服务端软件开发,深入理解Python开发服务端的软件的精髓 |
MVC与MTV设计模式、模板的加载、模板的传参、模板变量、if标签、for标签、模板注释、过滤器、模板继承 | ||
学习企业开发环境的架设和使用 | ||
学习企业开发环境的架设和使用 | ||
学习企业开发环境的架设和使用 | ||
学习企业开发环境的架设和使用 | ||
学习企业开发环境的架设和使用 | ||
学习企业开发环境的架设和使用 | ||
Redis非关系型数据库 | 关系型vs非关系型数据库、NoSQL简介、Redis安装与配置、基础命令、string 列表、Redis与python交互、redis内存淘汰机制 | 理解非关系型数据的思想及应用,掌握使用非关系型数据 Redis的开发技能 |
Redis主从配置、持久化aof和rdb、哨兵模式、分布式锁 | ||
位图操作 、hash、set、zset,Redis发布订阅 | ||
Ajax | Ajax、XHR 创建对象、XHR 请求、XHR 响应、XHR readyState 、JSON、使用JSON进行数据交换、Jquery对Ajax的支持 | 掌握Ajax和JSON开发、使用方法,熟练进行编程 |
前后端分离阶段项目实战 | 前后端分离的概念及优缺点、http无状态问题、ajax跨域、csrf问题、JWT、校验jwt规则、搜索引擎优化(SEO)、BASE64、安全散列算法之SHA-256、hmac算法 | 熟悉项目开发流程、前后端分离的设计思想、完成 前后端分离的电商 网站的后端代码编写以及部署网站到服务器 |
跨域资源共享(CORS) 简单请求(Simple requests)和预检请求(Preflighted requests)、RESTful特征的API 用户模块-登录、注册、邮件激活码 | ||
celery 短信注册 装饰器校验 类视图 用户模块-地址 | ||
Oauth2.0授权-校验码模式、微博授权登录 | ||
数据库范式和反范式、SKU和SPU介绍、商品模块表设计、首页功能、列表页功能、详情功能 | ||
ES查询、django与ES结合 | ||
订单模块-订单设计、生成订单、查询订单 | ||
支付宝支付 + 正式环境部署、docker |
课程模块 | 课程内容 | 实训目标 |
Python爬虫工程师 | 爬虫介绍、分类、用途,robots协议,HTTPS协议解析,requests请求模块基本使用,urllib编码模块、re模块、正则表达式精细抓取文本信息、非结构化数据抓取 | 理解爬虫的作用,掌握爬虫的原理、技术,能够使用Python熟练编写爬虫软件 |
数据持久化存储、数据库MySQL、MongoDB、Redis的使用,增量爬虫概述、基于MySQL、Redis实现增量爬虫、lxml+xpath抓取文本信息 | ||
requests模块高级,建立User-Agent池应对反爬虫、代理IP详解、代理IP池应对反爬虫、Post请求数据抓取、JS加密反爬虫突破、动态网站数据抓取、json模块、多进程多线程爬虫 | ||
selenium+PhantomJS/Chrome基本使用,处理Ajax动态加载、JS分页加载网站,模拟点击、执行JavaScript、Scrapy框架介绍、配置安装,Scrapy框架爬取原理、Scrapy框架Spider类 | ||
Scrapy Shell、Item Pipeline、Request/Response、Downloader Middlewares、Settings、多线程在Scrapy框架中的使用、基于Scrapy框架的数据持久化存储、中间件介绍、Downloader Middlewares添加中间件 | ||
分布式爬虫介绍及案例、机器视觉与tesseract,验证码识别、移动端手机app数据抓取 | ||
Hadoop | Hadoop介绍、基本概念、运行模型、环境搭建、启动Hadoop、HDFS集群、yarn集群、Hadoop分布式文件系统、Hadoop文件I/O详解 | 掌握Hadoop的架构原理和使用场景,熟练使用Hadoop进行MapReduce程序开发 |
python3调用HDFS集群API、MapReduce入门、MapReduce工作原理、MapReduce编程开发、Python3调用Hadoop MapReduce API | ||
MapReduce实战案例、map + combine +reduce使用、Hive环境搭建、基本操作、存储类型与复合数据类型、数据加载、修改、高级查询 | ||
Hive内置函数、调优与安全、项目实战 | ||
数据结构与算法 | 数据结构与算法概述、时间复杂度、逻辑结构和存储结构、线性表、顺序表、链表、栈模型、队列模型 | 掌握数据结构基本算法,训练逻辑思维能力,强化编程思想与编程能力 |
算法基础、递归算法设计、冒泡排序,插入排序、快速排序 、归并排序、二分查找、算法题实战 | ||
树形结构、二叉树、广度遍历、深度遍历、哈希表构造、算法题实战 | ||
Flask框架【视频】 | Flask基础、Flask系统、路由、视图、模版、ORM数据访问 | 掌握使用Flask进行项目开发 |
Python Tornado框架【视频】 | Tornado基础、Tornado系统 | 掌握使用Tornado框架进行项目开发 |
路由、视图、Tornado异步处理机制 | ||
数据访问、安全应用、Python编码 |
课程模块 | 课程内容 | 实训目标 |
数据分析 | 【数据分析行业剖析】、Numpy、NumPy开发环境、数组对象、多维数组、Numpy内置数据类型、索引与切片、改变维度(视图变维、复制变维、就地变维、视图转置)、组合数组、分割数组(垂直、水平、深度)、ndarray对象的属性 | 了解机器学习必备的数学知识、算法;掌握使用Python数据运算、分析、可视化的模块的使用。结合项目和数据分析小游戏降低晦涩的知识点的枯燥性。股票数分析项目功能包括:使用Numpy计算股票的算数;平均价格;计算股票的时间加权平均价格(TWAP);计算股票的价格范围、价格幅度;计算股票的中位价格;计算股票的价格波动率;计算股票价格的平均真实波幅(ATR) ;绘制指数移动平均线(EMA)、绘制指数布林带(EBB);计算两只股票收益率的相关系数;找到两支股票收益率的交叉点;绘制经窗口函数平滑后的移动平均线;绘制K线图、分时图;movielens电影评分数据分析;与可视化;北京二手房数据分析与可视化;电信用户流失预测数据分析与可视化 |
【数据可视化-基础】:缺省样式、设置线型、线宽和颜色、设置坐标轴刻度标签、将矩形坐标轴改成十字坐标轴、显示图例、图形对象、子坐标图、栅格布局、自由布局、散点图、读取csv文件、柱状图、统计直方图、饼图 | ||
【数据可视化-进阶】:等高线图、热图、三维散点图、三维曲面图、三维线框图。【数据分析核心方法论】:统计学概述、算数平均值、加权平均值、最小值、极差、中位数、标准差、轴向统计。协方差、相关性矩阵 | ||
【金融行业量化分析】:移动均线、卷积运算、加权卷积、布林带、OBV、矢量化回测模型。针对更多行业的业务分析思维扩展 | ||
【数据建模思想】:线性模型(线性预测、线性拟合),多项式模型(多项式拟合),数据降噪与平滑 | ||
【核心编程接口】:通用函数(加法与乘法通用函数,除法与取整通用函数,位运算通用函数)、线性代数模块编程接口(矩阵操作、特征值提取、奇异值分解)、快速傅里叶变换模块编程接口(傅里叶变换、频域滤波)、随机数模块编程接口(二项分布、超几何分布、标准正态分布)、排序、积分、插值 | ||
【pandas】:pandas基础、pandas核心数据结构、pandas数据合并、数据清洗、数据标准化、数据规约、ipython介绍、Jupyter notebook的使用、分组聚合、透视表与交叉表 | ||
整合东方财富智能财富系统(相关数据分析) | 完成东方财富智能云系统数据分析模块的开发、整合、测试、提交工作 | |
机器学习 | 【人工智能领域详细介绍】、数据预处理、均值移除、范围缩放、归一化、独热编码、标记编码。【回归模型】:线性回归、损失函数推导、梯度下降、岭回归、多项式回归 | 项目:估算房价,汽车质量评估,收入等级估算 |
【回归模型】:决策树回归模型,正向激励,自助聚合、随机森林。【分类模型】:简单分类器、逻辑回归分类器、朴素贝叶斯分类器、训练集和测试集划分、交叉验证、交叉验证指标、混淆矩阵、分类报告 | 项目:交通流量估算 | |
【分类模型】:基于SVM线性分类器、基于SVM非线性分类器、类型数不平衡问题、置信概率、超参数、事件预测器 | 项目:市场分析 | |
【聚类模型】:k-means算法、矢量量化、均值漂移、凝聚层次、轮廓系数聚类模型评估指标。【推荐引擎】:组合函数、数据管线、欧式距离、皮尔逊相关性、IBCF与UBCF协同过滤,用户画像 | 项目:电影推荐 | |
【自然语言处理】:文本划分、词干提取、词形还原、文本分割、词袋模型、TFIDF算法、文本分类、性别识别;jieba中文分词、情感分析、主题抽取 | 项目:主题识别 | |
【语音处理】:音频信号、频域转换、音频生成、音乐合成、频域特征、语音识别 | 项目:语音识别 | |
【图像处理】:opencv图像处理、边缘检测、直方均衡、角点检测、Star检测、SIFT检测、图像特征、物体识别 | 项目:物体识别 | |
【图像处理】:颜色空间转换、阈值处理、几何变换、图像混合、图像平滑、形态学处理、轮廓检测 | 项目:人脸识别 | |
深度学习 | 【深度学习基本理论】深度学习概述(定义、优缺点、与机器学习对比、课程内容与特点、发展史)、感知机、神经网络、激活函数、损失函数、梯度下降、反向传播算法、卷积函数、卷积运算、CNN(卷积层、激活层、池化层、全连接层)、经典CNN模型介绍(LeNet、AlaxNet、VGG) | 掌握深度学习基本理论、掌握Tensorflow深度学习平台使用、掌握PaddlePaddle深度学习平台使用、利用深度学习理论分析实际工程问题的能力、利用工具和框架解决实际工程问题的能力 |
【Tensorflow基础】Tensorflow概述、体系结构、基本概念(张量、数据流、Operation、图和会话、变量和占位符)、图和会话使用、张量操作(数据类型、常用属性、类型转换、形状改变、数学计算)、变量与占位符、Tensorboard可视化、综合案例(线性回归) | ||
【Tensorflow基础】模型保存与加载、数据读取、文件队列、内容解码【综合案例1】手写体识别、浅层网络搭建、全连接模型、优化器【综合案例2】服饰识别、深层CNN网络搭建 | ||
【PaddlePaddle基础】PaddlePaddle概述、体系结构、基本概念(Tensor、Layer、Variable、Program、Optimizer)、数据读取器(顺序读取器、随机读取器、批量读取器)【综合案例1】线性回归【综合案例2】房价预测 | ||
【PaddlePaddle CV】图像分类问题概述、分类粒度、图像分类发展历程、图像分类的挑战、图像分类的应用、常用数据集(MNIST、CIFAR10、ImageNet、FDDB、WIDER Face)【综合案例】使用CNN实现彩色图像分类、图像数据标注、深度CNN搭建、模型参数调整【图像分类优化】样本优化、参数优化、模型优化 | ||
【PaddlePaddle NLP】文本分类概述、机器学习文本分类、深度学习文本分类、TextCNN模型、TextRNN模型、LSTM模型【综合案例】使用TextCNN实现中文文本分类、数据集介绍、数据字典及编码、词嵌入、TextCNN网络搭建 | ||
【PaddlePaddle高级技术】实现VGG网络、LSTM模型使用【综合案例1】使用VGG网络实现图像分类【综合案例2】使用LSTM模型实现中文情感分析 | ||
阶段项目实战 | 【目标检测基本理论】概述(定义、核心问题、算法分类、应用)、Tow Satege检测技术(R-CNN、Fast R-CNN、Faster R-CNN)、One Stage检测技术(YOLOv1、YOLOv2、YOLOv3)、常用数据集、常用图像标注工具、【图像标注工具】LabelImg工具安装、使用 | 了解目标检测的原理、发展历程Two Stage检测技术:R-CNN、Fast、R-CNN、Faster R-CNN、One Stage检测技术:YOLOv1、YOLOv2、YOLOv3、熟悉常用图像标注工具使用 |
【编码1】定义全局参数、日志工具、搭建darknet-53网络模型部分代码 | ||
【编码2】数据增强、损失函数、训练、测试部分代码 | ||
就业特训营(晚加课) | 测试、网络运维、就业指导 | 了解生产环境中的基本技能 |
Advantages of Python
Python由于简单易用,是人工智能领域中使用较广泛的编程语言之一,它可以无缝的与数据结构和其他常用的AI算法一起使用。
Python虽然是脚本语言,但是因为容易学,迅速成为科学家的工具,人工智能涉及到大量的数据计算,用Python是很自然的。
Python之所以适合AI项目,也是基于Python在AI中的使用,如Numpy提供科学的计算能力,Scipy高级计算和Pybrain机器学习。
Teaching advantages
上课 (3)
上课 (4)
办公区
门面
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询
¥询价课时:详询