Python培訓(xùn)

第一階段（python基礎(chǔ)）

python入門 1、Python版本特性介紹 2、Python應(yīng)用場景及趨勢發(fā)展 3、Python開發(fā)環(huán)境搭建 4、Python開發(fā)工具及運(yùn)行環(huán)境 5、標(biāo)識符與關(guān)鍵字，注釋 6、Python在各系統(tǒng)中的安裝 7、應(yīng)用場景及數(shù)據(jù)存儲設(shè)計(jì) 8、Python程序開發(fā)基礎(chǔ)指南 9、如何運(yùn)行python代碼

python基本語法 1、Python選擇與循環(huán) 2、Python字符串處理 3、可視化python編程 4、數(shù)據(jù)及類型操作 5、Python對象、數(shù)字、序列 6、Python映射和集合類型 7、Python條件和循環(huán) 8、Python文件和輸入輸出 9、python錯(cuò)誤和異常

python高級語法 1、函數(shù)和函數(shù)式編程 2、Python面向?qū)ο缶幊? 3、Python正則表達(dá)式 4、Python函數(shù)編程 5、Python多線程編程 6、Python圖形界面編程 7、Python數(shù)據(jù)庫編程創(chuàng)建 8、Python擴(kuò)展

Python編程開發(fā) 1、PYQT實(shí)現(xiàn)GUI工具 2、如何運(yùn)行python代碼 3、Python在Linux中的開發(fā) 4、GitHub的使用 5、python程序開發(fā) 6、Python api使用及二次開發(fā)

第二階段（關(guān)系型數(shù)據(jù)庫MySQL）

數(shù)據(jù)庫設(shè)計(jì) 1、數(shù)據(jù)庫設(shè)計(jì)及運(yùn)行管理 2、數(shù)據(jù)庫設(shè)計(jì)過程講解 3、概念結(jié)構(gòu)設(shè)計(jì)與ER圖 4、邏輯結(jié)構(gòu)設(shè)計(jì)與ER轉(zhuǎn)換規(guī)則 5、數(shù)據(jù)流圖與數(shù)據(jù)字典 6、數(shù)據(jù)庫設(shè)計(jì)物理模型 7、數(shù)據(jù)庫事務(wù)與隔離級別

數(shù)據(jù)庫范式及ACID特性 1、數(shù)據(jù)庫的范式的實(shí)例 2、數(shù)據(jù)庫設(shè)計(jì)三大范式應(yīng)用 3、數(shù)據(jù)庫管理系統(tǒng)事務(wù) 4、數(shù)據(jù)庫ACID的四大特性 5、數(shù)據(jù)庫四大特性應(yīng)用 6、分庫分表大數(shù)據(jù)解決方案 7、分庫分表實(shí)施與分析

數(shù)據(jù)庫基礎(chǔ) 1、數(shù)據(jù)庫概念介紹 2、MySQL安裝與登錄 3、數(shù)據(jù)庫創(chuàng)建與刪除 4、表結(jié)構(gòu)創(chuàng)建/查看 5、字段類型與數(shù)據(jù)類型 6、字段增加，重命名，刪除

視圖及索引 1、記錄的增加，修改，刪除 2、表查詢 3、條件查詢 4、模糊查詢 5、視圖創(chuàng)建與操作 6、索引創(chuàng)建與操作

第三階段（文檔數(shù)據(jù)庫MongoDB）

Mongodb初識與部署 1、Mongodb介紹 2、Mongodb應(yīng)用場景 3、Mongodb快速部署 4、Mongodb配置指南

Mongodb基本操作 1、Mongodb數(shù)據(jù)庫操作 2、Mongodb collection操作 3、Mongodb文檔操作

Mongodb高級操作 1、Mongodb存儲過程 2、Mongodb聚合管道 3、Mongodb批量寫 4、Mongodb MapReduce

Mongodb運(yùn)維與編程 1、Mongodb數(shù)據(jù)導(dǎo)入/導(dǎo)出/備份/恢復(fù) 2、Mongodb安全 3、Mongodb權(quán)限控制 4、Mongodb包引入 5、Mongodb Python API

第四階段（內(nèi)存數(shù)據(jù)庫Redis）

Redis精講 1、REDIS分布式緩存介紹 2、REDIS網(wǎng)絡(luò)模型與內(nèi)存管理 3、REDIS的數(shù)據(jù)一致性問題 4、REDIS支持的KEY類型 5、REDIS水平動(dòng)態(tài)擴(kuò)展 6、REDIS數(shù)據(jù)淘汰策略

Redis操作 1、REDIS訪問工具 2、REDIS shell api

Redis編程 1、REDIS包引入 2、REDIS Python API

第五階段（網(wǎng)絡(luò)爬蟲）

urllib.lib庫 1、Python urllib認(rèn)識 2、urllib庫的基本操作 3、urllib基本get請求 4、urllib基本post請求 5、代理與API 6、超時(shí)配置與會(huì)話對象

requests庫 1、通過pip安裝requests 2、發(fā)送請求與傳遞參數(shù) 3、Response對象與文件上傳 4、身份驗(yàn)證 5、Cookies與會(huì)話對象 6、超時(shí)與異常 7、CSS選擇器與bs4 8、BeautifulSoup基本介紹，安裝與基本語法 9、BeautifulSoup的基本運(yùn)算符與語法定位

css選擇器與Xpath 1、CSS選擇器基本使用 2、Xpath基本介紹 3、Xpath基本語法 4、XPath 軸與表達(dá)式 5、Xpath的基本運(yùn)算符 6、Xpath語法定位 7、常用的反爬蟲技術(shù)

爬蟲高級技術(shù) 1、多線程與多進(jìn)程爬蟲 2、代理設(shè)置與Cookie操作 3、動(dòng)態(tài)網(wǎng)頁內(nèi)容的抓取 4、Selenium與PhantomJS 5、模擬表單登錄

第六階段（人工智能相關(guān)python包）

數(shù)值計(jì)算包學(xué)習(xí) 1、數(shù)值計(jì)算包工具介紹 2、Numpy多維數(shù)組 3、數(shù)組的屬性與操作 4、基本的數(shù)組運(yùn)算 5、Scipy工作原理介紹 6、SciPy交互工作

數(shù)據(jù)處理包Pandas 1、本地環(huán)境安裝 2、加載工具庫 3、Pandas創(chuàng)建對象 4、操作行和塊 5、窺視數(shù)據(jù) 6、缺失值處理、合并于分組

數(shù)據(jù)加載與存儲 1、Pandas導(dǎo)入導(dǎo)出數(shù)據(jù) 2、與SQL/Excel 對比 3、數(shù)據(jù)體量與工具選擇 4、范式中的切片與分組 5、Pandas索引與排序 6、文本轉(zhuǎn)化為虛擬變量 7、Pandas數(shù)據(jù)回歸 8、讀取文本文件

Pandas與數(shù)據(jù)庫 1、函數(shù)解析 2、利用DataFrame 3、關(guān)系型數(shù)據(jù)庫驅(qū)動(dòng) 4、非關(guān)系型數(shù)據(jù)庫驅(qū)動(dòng) 5、Web API操作網(wǎng)絡(luò)資源

第七階段（機(jī)器學(xué)習(xí)算法）

聚類算法 1、有監(jiān)督與無監(jiān)督問題 2、k-means聚類算法原理 3、層次聚類算法 4、SOM聚類算法 5、FCM聚類算法 6、python實(shí)現(xiàn)k-means算法 7、聚類算法應(yīng)用場景與特征工程

回歸算法 1、線性回歸算法原理推導(dǎo) 2、多元線性回歸問題推導(dǎo) 3、非線性回歸問題求解 4、實(shí)現(xiàn)簡易回歸算法 5、邏輯回歸算法原題 6、實(shí)戰(zhàn)梯度下降算法

貝葉斯分類與最近鄰分類 1、貝葉斯算法原理推導(dǎo) 2、基于貝葉斯理論的垃圾郵件攔截 3、基于貝葉斯理論的輿情系統(tǒng)設(shè)計(jì) 4、最近鄰（KNN）算法原理詳解 5、最近鄰算法在手寫體數(shù)字識別中的應(yīng)用

支持向量機(jī) 1、SVM要解決的問題 2、線性SVM原理推導(dǎo) 3、SVM對偶問題與核變換 4、soft支持向量機(jī)問題 5、多類別分類問題解決方案

第八階段（機(jī)器項(xiàng)目學(xué)習(xí)實(shí)戰(zhàn)）

泰坦尼克船員獲救案例 1、泰坦尼克船員獲救預(yù)測 2、使用pandas庫進(jìn)行數(shù)據(jù)讀取與缺失值預(yù)處理 3、使用scikit-learn庫對比回歸模型與隨機(jī)森林模型 4、GBDT構(gòu)造原理 5、特征的選擇與重要性衡量指標(biāo) 6、機(jī)器學(xué)習(xí)中的級聯(lián)模型 7、使用級聯(lián)模型再戰(zhàn)泰坦尼克

個(gè)人信用模型 1、個(gè)人信用模型分析 2、個(gè)人信用模型構(gòu)建 3、數(shù)據(jù)收集與樣本設(shè)計(jì) 4、選擇構(gòu)建模型工具 5、模型驗(yàn)證與檢驗(yàn) 6、選擇臨界值分值及修正 7、個(gè)人信用模型檢測

第九階段（深度學(xué)習(xí)）

神經(jīng)網(wǎng)絡(luò)模型 1、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 2、前向傳播與反向傳播結(jié)構(gòu) 3、激活函數(shù)、損失函數(shù) 4、正則化方法 5、梯度下降 6、深入神經(jīng)網(wǎng)絡(luò)細(xì)節(jié) 7、神經(jīng)網(wǎng)絡(luò)表現(xiàn)效果

卷積神經(jīng)網(wǎng)絡(luò) 1、卷積神經(jīng)網(wǎng)絡(luò)詳解-卷積層 2、卷積神經(jīng)網(wǎng)絡(luò)詳解-池化層 3、激活層 4、全連接層 5、Softmax分類器

框架：tensorflow 1、Tensorflow安裝與簡介 2、Tensorflow簡單使用 3、tensorflow實(shí)戰(zhàn)技巧

框架：keras 1、1.keras安裝與環(huán)境配置 2、keras簡單使用 3、keras實(shí)戰(zhàn)技巧

第十階段（深度學(xué)習(xí)項(xiàng)目實(shí)戰(zhàn)）

Mnist手寫體識別 1、mnist手寫體數(shù)字簡介 2、mnist加載數(shù)據(jù) 3、keras數(shù)據(jù)預(yù)處理 4、預(yù)處理類標(biāo)簽 5、定義模型架構(gòu)與編譯模型 6、N數(shù)據(jù)模型擬合與數(shù)據(jù)評估 7、神經(jīng)網(wǎng)絡(luò)表現(xiàn)效果

Cifar10 項(xiàng)目目標(biāo)分類 1、cifar10數(shù)據(jù)集簡介 2、cifar10數(shù)據(jù)導(dǎo)入 3、cifar10網(wǎng)絡(luò)模型設(shè)計(jì) 4、cifar10分類模型調(diào)優(yōu)