Python人工智能全棧班

在當(dāng)今數(shù)字化時(shí)代，Python已成為人工智能領(lǐng)域的首選編程語言。本課程旨在培養(yǎng)具備Python開發(fā)、數(shù)據(jù)爬蟲、數(shù)據(jù)庫管理、數(shù)據(jù)分析與挖掘、人工智能及機(jī)器學(xué)習(xí)等全棧技能的復(fù)合型人才。通過分階段教學(xué)，幫助學(xué)員從基礎(chǔ)入門到實(shí)戰(zhàn)應(yīng)用，全面提升個(gè)人競(jìng)爭(zhēng)力，為職業(yè)生涯的飛躍打下堅(jiān)實(shí)基礎(chǔ)。

非凡教育Python人工智能全棧班

入學(xué)條件

想要從事Python編程、人工智能、大數(shù)據(jù)分析、軟件開發(fā)等工作

課程課時(shí)

512

輔導(dǎo)材料

學(xué)院內(nèi)部教輔資料，實(shí)戰(zhàn)案例

可考證書

《Python開發(fā)工程師》《Python人工智能》等認(rèn)證（考試費(fèi)用另外支付）

學(xué)習(xí)周期

全日制4-5個(gè)月；業(yè)日制7-9個(gè)月

教學(xué)目標(biāo)

1.掌握Python編程基礎(chǔ)

2.精通人工智能與機(jī)器學(xué)習(xí)技術(shù)

3.提升實(shí)戰(zhàn)能力與項(xiàng)目經(jīng)驗(yàn)

教學(xué)大綱

1.Python開發(fā)基礎(chǔ)

1.1 Python基礎(chǔ)

Python開發(fā)環(huán)境搭建，Anaconda安裝，PyCharm安裝，Python環(huán)境配置，Python程序的調(diào)試和運(yùn)行

文件類型、編碼規(guī)則、變量和常量、數(shù)據(jù)類型、運(yùn)算符和表達(dá)式

python基礎(chǔ)語法、 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)

Jupyter使用，變量，數(shù)據(jù)類型，字符串，數(shù)值，布爾，列表，元祖，字典，集合，Python輸入輸出，Python循環(huán)，Python分支

函數(shù)初步、細(xì)說參數(shù)、變量作用域、遞歸調(diào)用

字符串相關(guān)-string、列表-list、 元組-tuple、 集合-set、 字典-dict

1.2 Python基礎(chǔ)（提升）

文件基本操作、目錄操作、文件和流、文件處理實(shí)例

概述、類和對(duì)象、屬性和方法、繼承、重載、設(shè)計(jì)模式

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)庫編程、 Python多進(jìn)程與進(jìn)程間通信

異常處理、Pythonwin調(diào)試程序、Pycharm調(diào)試程序

管理目錄與文件；日志管理；Python文件管理案例；Python控制服務(wù)器

Python多線程、 Python網(wǎng)絡(luò)編程、 Python GUI編程，面向?qū)ο蟾攀?；封裝；多態(tài)；Python開發(fā)環(huán)境搭建；網(wǎng)絡(luò)編程；進(jìn)程與線程

2.Python爬蟲技術(shù)

2.1 Web前端基礎(chǔ)

Web程序原理

Html基礎(chǔ)

Css基礎(chǔ)

Javascript基礎(chǔ)

ajax

2.2 網(wǎng)絡(luò)爬蟲基礎(chǔ)

初識(shí)爬蟲：什么是爬蟲、爬蟲的流程

抓分析：charles及fiddler的使用

獲取內(nèi)容：urllib、urllib3、requests等庫的使用

HTML解析：正則表達(dá)式、beautifulsoup4

數(shù)據(jù)保存：保存為文件、保存進(jìn)數(shù)據(jù)庫

基礎(chǔ)爬蟲實(shí)戰(zhàn)：url管理器、html下載器、html解析器、數(shù)據(jù)存儲(chǔ)器、爬蟲調(diào)度器

反爬與突破反爬蟲：設(shè)置ip代理、驗(yàn)證碼、動(dòng)態(tài)渲染等

selenium框架

2.3 Scrapy爬蟲框架

初識(shí)Scrapy：Scrapy架構(gòu)、創(chuàng)建項(xiàng)目、執(zhí)行流程

Scrapy基本使用：編寫spider、使用item封裝數(shù)據(jù)、pipline處理數(shù)據(jù)、標(biāo)簽提取、導(dǎo)出數(shù)據(jù)、下載圖片和文件、中間件等

增量式爬蟲：重方案、布隆過濾器等

分布式爬蟲：redis基礎(chǔ)、分布式爬蟲原理、scrapy實(shí)現(xiàn)分布式爬蟲

部署爬蟲：Scrapyd的安裝及使用

3.SQL數(shù)據(jù)庫管理

3.1 數(shù)據(jù)庫管理

數(shù)據(jù)庫基本管理，數(shù)據(jù)庫查詢管理

多表查詢，了解連接，查詢與內(nèi)連接，查詢外連接，交叉連接，自連接

使用內(nèi)置函數(shù)，內(nèi)置函數(shù)編寫查詢，使用轉(zhuǎn)換函數(shù)，使用邏輯函數(shù)，NULL相關(guān)函數(shù)。使用子查詢，自包含的子查詢，相關(guān)子查詢，使用EXISTS謂詞的子查詢

分組和匯總數(shù)據(jù)，使用聚合函數(shù)，使用GROUP BY子句，是用HAVING篩選

數(shù)據(jù)庫觸發(fā)器管理，數(shù)據(jù)庫編程及優(yōu)化

3.2 SQL數(shù)據(jù)庫系統(tǒng)管理（提升）

4.Python數(shù)據(jù)分析及挖

4.1 數(shù)據(jù)整理和數(shù)據(jù)清洗

Numpy中的數(shù)據(jù)類型--ndarray數(shù)組的創(chuàng)建；Numpy數(shù)組基礎(chǔ)：索引、切片、變形、分裂

Numpy數(shù)組運(yùn)算：通用函數(shù)；Numpy數(shù)組變形、拼接

Numpy數(shù)組計(jì)算：廣播、聚合、比較和掩碼、數(shù)組排序

Pandas對(duì)象簡(jiǎn)介：Series、Dataframe、Index；Pandas數(shù)據(jù)加載與存儲(chǔ)

Pandas數(shù)值運(yùn)算方法：通用函數(shù)、聚合函數(shù)、遍歷；Panda層次化索引

Pandas數(shù)據(jù)處理：數(shù)據(jù)類型轉(zhuǎn)換、缺失值處理、字符串轉(zhuǎn)換；Pandas數(shù)據(jù)表的合并與連接；Pandas數(shù)據(jù)的累計(jì)與分組

高性能Pandas：query（）、eval（）實(shí)現(xiàn)高性能運(yùn)算

Pandas數(shù)據(jù)規(guī)整化：清理、轉(zhuǎn)換、合并、重塑；Pandas時(shí)間序列&金融數(shù)據(jù)處理

4.2 數(shù)據(jù)可視化技術(shù)

繪圖思想的基本原理；Python數(shù)據(jù)可視化包-Matplotlib介紹

使用Matplotlib進(jìn)行基本的圖形繪制；使用Python數(shù)據(jù)處理包Pandas做可視化

Python數(shù)據(jù)可視化包-Seaborn介紹與圖形繪制

Python數(shù)據(jù)可視化包-Pyecharts介紹與圖形繪制

使用Python進(jìn)行地圖繪制-Pyecharts；數(shù)據(jù)可視化技巧

4.3 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘概要，數(shù)據(jù)挖掘方法論

基礎(chǔ)數(shù)據(jù)挖掘技術(shù)，進(jìn)階數(shù)據(jù)挖掘技術(shù)

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

5.Python人工智能及機(jī)器學(xué)習(xí)

5.1 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，偏差與方差，混淆矩陣/準(zhǔn)確率/精確率/召回率，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， 一元/多元， 多項(xiàng)式

線性回歸，嶺回歸，隨機(jī)梯度下降法，交叉驗(yàn)證

邏輯回歸，二分類，多分類

K近鄰算法，kNN回歸，kNN分類

5.2 機(jī)器學(xué)習(xí)中的典型算法進(jìn)階

決策樹，回歸數(shù)，分類樹，模型參數(shù)網(wǎng)絡(luò)搜索，隨機(jī)森林

樸素貝葉斯，高斯貝葉斯分類器，多項(xiàng)式貝葉斯分類器，伯努利貝貝葉斯分類器

支持向量機(jī)，核函數(shù)，SVC，SVR

人工神經(jīng)網(wǎng)絡(luò)，感知器，神經(jīng)網(wǎng)絡(luò)

5.3 機(jī)器學(xué)習(xí)中的典型算法擴(kuò)展

無監(jiān)督學(xué)習(xí)聚類，Kmean

集成學(xué)習(xí)方法，Adaboost，Gradientboosting，RandomForest

關(guān)聯(lián)分析-Apriori算法，頻繁項(xiàng)集，關(guān)聯(lián)規(guī)則

關(guān)聯(lián)分析-FP-growth算法，F(xiàn)P樹

5.4 深度學(xué)習(xí)初步

深度學(xué)習(xí)簡(jiǎn)介，深度學(xué)習(xí)引入，深度學(xué)習(xí)歷史，深度學(xué)習(xí)應(yīng)用，TensorFlow

TensorFlow入門計(jì)算模型，數(shù)據(jù)模型，運(yùn)行模型，TensorFlow實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)

深度學(xué)習(xí)模型改進(jìn)，MNIST數(shù)據(jù)處理，模型訓(xùn)練及對(duì)比，變量管理，模型持久化

5.5 深度學(xué)習(xí)進(jìn)階

卷積神經(jīng)網(wǎng)絡(luò)，圖像識(shí)別問題，卷積神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)常用結(jié)構(gòu)，典型卷積神經(jīng)網(wǎng)絡(luò)模型

圖像數(shù)據(jù)處理，TFRecord輸入數(shù)據(jù)格式，圖像數(shù)據(jù)處理，數(shù)據(jù)集框架

Tensorflow高層封裝，Keras，Estimator

TensorBoard可視化，TensorBoard計(jì)算圖可視化，監(jiān)控指標(biāo)可視化，高維向量可視化

6.Python智能辦公自動(dòng)化

6.1 Word自動(dòng)化處理

python-docx模塊安裝和介紹

讀/寫 word文檔

Word文件樣式設(shè)置（字體，段落）

向word文檔插入圖表

Word樣式設(shè)置（表格）

實(shí)戰(zhàn)：自動(dòng)生成請(qǐng)假單

6.2 PPT自動(dòng)化處理

PPT模塊介紹和安裝

創(chuàng)建PPT文件、寫入和讀取

向PPT添加圖片和表格

設(shè)置PPT樣式

6.3 Excel電子表格自動(dòng)化

單元格讀取和填充和數(shù)據(jù)校驗(yàn)

函數(shù)和公式使用

數(shù)據(jù)排序和統(tǒng)計(jì)

柱狀圖和餅圖

去除重復(fù)項(xiàng)和行列倒置

操作行、操作列

連接查詢merge和concat表連接

數(shù)據(jù)過濾、分組統(tǒng)計(jì)

字符串的常用方法

將數(shù)據(jù)從mysql導(dǎo)入excel

6.4 郵件自動(dòng)化處理

郵件自動(dòng)化模塊介紹和安裝

發(fā)送一份簡(jiǎn)單郵件

發(fā)送一份html郵件

定時(shí)郵件發(fā)送郵件任務(wù)

讀取郵件，刪除郵件

7.畢業(yè)設(shè)計(jì)

7.1 畢業(yè)設(shè)計(jì)答辯

要求學(xué)員在完成實(shí)訓(xùn)階段課程后，從立案到素材、材料收集整理，再到風(fēng)格定位、PPT制作，獨(dú)立或成組完成項(xiàng)目畢業(yè)設(shè)計(jì)答辯，其中需包含個(gè)人現(xiàn)場(chǎng)講解以及作品重點(diǎn)演示，對(duì)自己在整個(gè)學(xué)習(xí)階段做一個(gè)完美的總結(jié)。全程項(xiàng)目老師指導(dǎo)

7.2 職業(yè)素養(yǎng)

心態(tài)與服務(wù)、職場(chǎng)商務(wù)禮儀、溝通與口才強(qiáng)化、職業(yè)素養(yǎng)提升、團(tuán)隊(duì)合作

7.3 就業(yè)指導(dǎo)

畢業(yè)作品整理、行業(yè)規(guī)范與合同、職場(chǎng)與行業(yè)分析、企業(yè)觀模與規(guī)劃、職場(chǎng)崗位實(shí)戰(zhàn)模擬、創(chuàng)業(yè)指導(dǎo)、實(shí)習(xí)與預(yù)工作