课程阶段 课程简介 课程内容





第一阶段

Python开发基础

Python开发环境
Python基本语法
文件操作
面向对象编程
设计模式
异常处理
模块

认识python;开发环境pycharm

注释;变量以及类型;标识符;输出/输入;
控制语句使用思路、运算符;数据类型的转换;
字符串介绍;字符串的输出/输入;下标和切片;字符串常见操作;
列表的操作;元组操作;字典操作

函数的概念;函数的定义和调用;函数的文档说明;
函数参数;函数的返回值;
种函数的类型;函数的嵌套调用;
局部变量;全局变量;
函数应用:学生管理系统(函数版);
引用;函数参数高级;递归函数;匿名函数;

文件介绍;文件的打开与关闭;文件的读写;
应用练习:文件拷贝;
文件的随机读写定位概念的理解;
文件重命名、删除; 文件夹的相关操作;
应用练习:批量修改文件名;
文件应用:学生管理系统(文件版);


面向对象编程介绍;类和对象;类的定义;
创建对象;魔法方法;self;
保护对象的属性;__del__()方法;
单继承;多继承;重写方法以及调用被重写的方法;多态;类属性和实例属性;

工厂模式;单例模式;__new__()方法;
异常;捕获异常;异常的传递;自定义异常;异常处理中抛出异常;

模块制作;模块发布;
模块安装;模块使用;
import 语句;from…import 语句;rom…import* 语句;





第二阶段

Python开发进阶

LINUX操作系统使用
Python GUI编程
Python网络编程
多进程、多线程
Python访问数据库
Python函数式编程
错误、调试和测试
实战项目:模拟银行ATM取款机/腾讯QQ即时聊天程序

shell操作;文件和目录;文件属性修改命令;查找与检索命令;
磁盘管理;压缩包管理;进程管理;用户管理;网络管理;
其他命令;常用服务器ftp/ssh/samba;编辑器vim/sublime/gedit;
gcc工具链;ubuntu软件安装与卸载;
RedHat软件安装与卸载;centOS软件安装与卸载;

多任务-进程;多任务-协程;多任务-线程 ;
TCP/UDP服务端客户端软件开发,能够实现ftp、http服务器,开发邮件软件,收发文件夹;
网络协议与数据包解析;

MySQL数据库操作和设计;
能够自己建立数据库,表,并进行基本数据库操作;
掌握非关系数据库MongoDB的使用,掌握Redis开发;
mysql与python交互;
项目验收与总结;





第三阶段

Python Web开发

Web前端技术
Django框架开发
Flask web框架
多进程、多线程
Python访问数据库
Python函数式编程
错误、调试和测试
实战项目:电商平台、租房网

HTML、CSS入门
HTM5和CSS3
JavaScript编程,DOM操作
jQuery框架使用

Django入门;Django模型;
Django视图;
Django模板;Django常用;

Flask入门;模板与表单;
数据库;第三方扩展和部署;

SVN版本控制;Redis开发;
购物电商平台项目编码;
Nginx配置和uWSGI部署;






第四阶段

Python 爬虫开发

爬虫开发技术
Mongodb应用开发
Scrapy框架
Scrapy-redis分布式组件
实战项目:电商数据平台分布式爬虫

爬虫知识体系和urllib2库基本使用;urllib2高级与Requests模块;
结构化数据和非结构化数据提取;多线程爬虫+Selenium+PhantomJS;
定向抓取互联网中指定领域的海量信息;
数据分析,清洗数据,进行数据分析和挖掘;

基本使用增删改查;聚合操作;
备份和恢复;
Mongodb和python交互;

配置安装、入门案例;
Scrapy Shell;
item Pipline、Spider;
CrawlSpider;
Downloader Middlewares;
Settings;

Scrapy-redis提供了下面四种组件(components):(这四个模块都要做相应的修改);
Scheduler;
Duplication Filter;
Item Pipeline;
Base Spider;






第五阶段

人工智能(机器学习、深度学习)

数学基础
数据分析
机器学习
实战项目:机器学习项目

微积分与概率论基础;
线性代数与矩阵运算;
数理统计与参数估计;
凸优化基础;
梯度下降和拟牛顿、最大熵模型;

科学计算numpy、pandas;
分析策略;数据可视化matpalotlib;
自然语言处理NLTK;

scikit-learn;机器学习与特征工程;
分类算法;回归与非监督学习。
numpy数据处理Ipython入门、numpy导入、ndarray属性与基本操作
pandas 什么是Series、什么是DataFrame、DataFrame的数据丢失处理、pandas层次化索引、pandas 拼接操作、美国各州人口数据分析、pandas数据处理、pandas绘图函数、pandas读取数据、学生使用pandas练习数据处理
scipy scipy安装、scipy 高数积分、scipy实现登月图片消噪、scipy图像处理ndimage、pandas 透视表和交叉表 ;
matplotlib 图像的灰度化处理、 matplotlib风格和样式 、matplotlib基础知识、matplotlib四图;
KNN算法 KNN算法原理、KNN回归案例、KNN入门案例、KNN分类案例;
线性回归&逻辑斯蒂回归算法 导数回顾、实例糖尿病的线性回归、岭回归与Lasso回归、线性回归原理、矩阵的回顾、逻辑斯蒂回归算法;
决策树算法&朴素贝叶斯算法 决策树原理、贝叶斯原理、决策树实例、贝叶斯实例;
VM支持向量机&聚类k-means算法.SVM原理、K-Means算法原理、SVM 实例、K-Means算法实际应用案例

算法与项目相结合,选择经典kaggle项目,从数据预处理开始一步步代码实战带大家快速入门机器学习。选择经典案例基于真实数据集,从数据预处理开始到建立机器学习模型以及效果评估,完整的讲解如何使用python及其常用库进行数据的分析和模型的建立。使用pandas进行数据的预处理和分析,使用matplotlib进行可视化的展示以及基于scikit-learn库的机器学习模型的建立
实战案例:
人脸识别;
手迹识别;
预测年收入;
自动脸补全;
使用聚类手写数字识别;
汽车车牌识别;

在线客服