課程簡(jiǎn)介:
Python是一門易學(xué)易懂適合快速開發(fā)的編程語(yǔ)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(qiáng)大的Linux服務(wù)器及網(wǎng)絡(luò)運(yùn)維工作的開發(fā)工具,完成系統(tǒng)運(yùn)維的工作。大數(shù)據(jù)快速發(fā)展也擴(kuò)展了Python語(yǔ)言的新天地,作為數(shù)據(jù)抓取和分析的語(yǔ)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(yùn)維、大數(shù)據(jù)的科學(xué)與數(shù)字計(jì)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(yàn)\ 有HTML5 前端開發(fā)經(jīng)驗(yàn) ,可以減免部分前置課程。
課程大綱:
Python基礎(chǔ)
| - Python概述:
計(jì)算機(jī)語(yǔ)言概述
python簡(jiǎn)史
python相關(guān) - python語(yǔ)法基礎(chǔ)
Python環(huán)境配置
python基礎(chǔ)語(yǔ)法
變量
數(shù)據(jù)類型
表達(dá)式和運(yùn)算符
分支結(jié)構(gòu)
循環(huán)結(jié)構(gòu) - 函數(shù)
函數(shù)初步
細(xì)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?jí)編程
- 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(dá)式
- Python與數(shù)據(jù)庫(kù)編程
- Python多進(jìn)程與進(jìn)程間通信
- Python多線程
- Python網(wǎng)絡(luò)編程
- Python GUI編程
- 項(xiàng)目實(shí)踐
|
Python Web 開發(fā)
| - Python Web開發(fā)簡(jiǎn)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(kù)
- Django表單
- Django用戶驗(yàn)證
- cookies和Sessions
- Django模板繼承
- Bootstrap結(jié)合
- Jquery結(jié)合
- AJAX結(jié)合
- 項(xiàng)目部署
- Django項(xiàng)目實(shí)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(yè)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(jiǎn)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(chǔ)
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(jì)算
數(shù)據(jù)轉(zhuǎn)換 - 數(shù)據(jù)分析
基本統(tǒng)計(jì)
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(jiǎn)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(shí)間序列分析 - 數(shù)據(jù)可視化
- 項(xiàng)目實(shí)踐
|
Python人工智能算法和框架
--機(jī)器學(xué)習(xí)與深度學(xué)習(xí) | *章 初識(shí)機(jī)器學(xué)習(xí)
概述
1、 概念與術(shù)語(yǔ)(人工智能、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、深度學(xué)習(xí))
2、 數(shù)據(jù)挖掘的對(duì)象
3、 數(shù)據(jù)挖掘的關(guān)鍵技術(shù)
4、 知識(shí)的表達(dá)
5、 Python的安裝
Python數(shù)據(jù)挖掘工具箱
1、 Numpy, Scipy
2、 Pandas
3、 Scikit.learn,
4、 Matplotlib
5、 TensorFlow
數(shù)據(jù)加載與存儲(chǔ)
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(jī)器學(xué)習(xí)中的典型算法
機(jī)器學(xué)習(xí)框架
模型評(píng)估方法
1、 偏差與方差
2、 混淆矩陣/準(zhǔn)確率/*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(biāo)準(zhǔn)化/正則化)
線性回歸
1. 一元/多元
2. 多項(xiàng)式
線性回歸
1、 嶺回歸
2、 隨機(jī)梯度下降法
3、 交叉驗(yàn)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(jī)器學(xué)習(xí)中的典型算法進(jìn)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(jī)森林
樸素貝葉斯
1. 高斯貝葉斯分類器
2. 多項(xiàng)式貝葉斯分類器
3. 伯努利貝貝葉斯分類器
支持向量機(jī)
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(jī)器學(xué)習(xí)中的典型算法擴(kuò)展
無(wú)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(xiàng)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(jiǎn)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(jì)算模型
2、 數(shù)據(jù)模型
3、 運(yùn)行模型
4、 TensorFlow實(shí)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(jìn)一步優(yōu)化
深度學(xué)習(xí)模型改進(jìn)
1、 MNIST數(shù)據(jù)處理
2、 模型訓(xùn)練及對(duì)比
3、 變量管理
4、 模型持久化
第六章 深度學(xué)習(xí)進(jìn)階
卷積神經(jīng)網(wǎng)絡(luò)
1、 圖像識(shí)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(jiǎn)介
2、 長(zhǎng)短時(shí)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(jì)算圖可視化
2、 監(jiān)控指標(biāo)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(xiàng)目一覽
(根據(jù)實(shí)際進(jìn)度安排)
穿插在整個(gè)培訓(xùn)中 | 項(xiàng)目群 1
1、 Anaconda安裝
2、 Tensorflow安裝
3、 二維布朗運(yùn)動(dòng)
4、 泰坦尼克號(hào)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、 *地震數(shù)據(jù)分析
項(xiàng)目群 2
1、 酒品質(zhì)預(yù)測(cè)
2、 波士頓住房數(shù)據(jù)來預(yù)測(cè)房屋價(jià)格
3、 垃圾郵件分類
4、 影評(píng)電影分類
5、 美國(guó)入學(xué)申請(qǐng)錄取分類
項(xiàng)目群 3
1、 廣告屏蔽
2、 泰坦尼克號(hào)乘客生還情況
3、 iris(鳶尾花)
4、 20類新聞數(shù)據(jù)分類 項(xiàng)目群 4
1、 臉部識(shí)別
2、 手寫數(shù)字識(shí)別
3、 新聞?lì)悇e分類
4、 自然圖片字母與數(shù)字識(shí)別
項(xiàng)目群 5
1、 美國(guó)參議院黨派分類
2、 各省經(jīng)濟(jì)水平分類
3、 手寫識(shí)別
4、 糖尿病病人
5、 毒蘑菇相似特征
6、 從新聞網(wǎng)站點(diǎn)擊流中挖掘新聞報(bào)道 項(xiàng)目群 6
1、 Tensorflow安裝
2、 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)
3、 MNIST手寫數(shù)字識(shí)別
4、 訓(xùn)練模型保存與恢復(fù) 項(xiàng)目群 7
1、 Lenet5網(wǎng)絡(luò)
2、 圖像數(shù)據(jù)
1、 RNN網(wǎng)絡(luò)實(shí)現(xiàn)時(shí)序預(yù)測(cè)
2、 Keras實(shí)現(xiàn)IMDB自然語(yǔ)言情感分類
|
選修課程:
RED HAT LINUX系統(tǒng)運(yùn)維
*前置課程
| - 在bash shell命令行模式下運(yùn)行常用基本Unix命令
- 從shell命令行及Xwindow界面運(yùn)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(hù)操作
- 了解和維護(hù)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(yùn)行Shell 腳本文件
- 使用sed、awk及perl正則表達(dá)式過濾和處理文本
- 使用Linux本底打印命令和相關(guān)實(shí)用工具實(shí)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(biāo)準(zhǔn)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(jìn)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(shí)用工具控制本底機(jī)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(kù)管理
*必備數(shù)據(jù)庫(kù)技術(shù)
| - 描述Oracle MySQL架構(gòu)、安裝和升級(jí)Oracle MySQL
- 利用 INFORMATION_SCHEMA 數(shù)據(jù)庫(kù)訪問元數(shù)據(jù)
- 完成 Oracle MySQL 啟動(dòng)和關(guān)閉操作
- 在運(yùn)行時(shí)間配置 Oracle MySQL 服務(wù)器選項(xiàng)
- 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(píng)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(jí)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(jì)和插入式驗(yàn)證
- 配置高級(jí)復(fù)制技術(shù)來實(shí)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(dòng)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(chǔ)
- 離線應(yīng)用程序
- 文件API
- 通信API
- WebRTC通信
- 擴(kuò)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(biāo)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(dá)式和運(yùn)算符
- 語(yǔ)句
- 對(duì)象
- 數(shù)組
- 函數(shù)
- 類和模塊
- 正則表達(dá)式的模式匹配
- Javascript的子集和擴(kuò)展
- 客戶端Javascript
- 服務(wù)器端Javascript
|
JQuery
*必備前端技術(shù) | - 初識(shí)jQuery
- jQuery選擇器
- jQuery中DOM的操作
- jQuery的事件處理
- jQuery的動(dòng)畫效果
- jQuery與Ajax
- jQuery常用插件
|
