慧谷Python全栈开发实战课程大纲

Python 基础

• Python概述

  计算机语言概述
  python简史
  python相关

• python语法基础

  Python环境配置
  python基础语法
  变量
  数据类型
  表达式和运算符
  分支结构
  循环结构

• 函数

  函数初步
  细说参数
  变量作用域
  递归调用

• 内置函数

  字符串相关-string
  列表-list
  元组-tuple
  集合-set
  字典-dict

Python 高阶

• Python面向对象高级编程
• 面向对象编程基础
• 公有私有
• 继承
• 组合 & Mixin
• 模块
• 模块概述
• 搜索路径
  Python正则表达式
  Python与数据库编程
  Python多进程与进程间通信
  Python多线程
  Python网络编程
  Python GUI编程
  项目实践

Python Web 开发

• Python Web开发简介
• Django开发环境搭建
• Django基础
• Django视图
• Django URL映射
• Django模板
• Django模型与数据库
• Django表单
• Django用户验证
• Cookies和Sessions
• Django模板继承
• Bootstrap结合
• Jquery结合
• AJAX结合
• 项目部署
• Django项目实践-在线商城

Python 爬虫技术

• 爬虫概述

  爬虫定义
  爬虫在行业中的地位

• 页面获取

  urllib基本使用
  requtests基本使用
  反爬虫策略和反反爬虫

• 内容提取

  正则
  XPath
  BeautifulSoap

• scrapy

  概述
  Scrapy核心部件使用
  Scrapy Shell

Python 人工智能
数据分析和数据挖掘

• 数据科学和AI概述
• 数据结构和算法
• Python 数据分析与数据挖掘简介、环境搭建
• Python数据分析工具箱
• 数据加载与存储

  数据类型
  数据结构
  数据导入
  数据导出

• 数据规范化和处理

  数据清洗
  数据抽取
  数据合并
  数据计算
  数据转换

• 数据分析

  基本统计
  分组分析
  结构分析
  分布分析
  交叉分析
  矩阵分析
  RFM分析

• 数据挖掘

  相关分析
  简单线性回归
  多重线性回归
  逻辑回归
  决策树分析
  聚类分析
  因子分析
  关联规则
  时间序列分析

• 数据可视化
• 项目实践

Python人工智能算法和框架
--机器学习与深度学习

初始机器学习

• 概述

  概念与术语（人工智能、数据挖掘、机器学习、深度学习）
  数据挖掘的对象
  数据挖掘的关键技术
  知识的表达
  Python的安装


• Python数据挖掘工具箱

  Numpy，Scipy
  Pandas
  Scikit.learn
  Matplotlib
  TensorFlow


• 数据加载与存储

  csv/json/Excel/mySQL数据预处理与规范化
  数据合并
  数据转换
  数据清洗
  数据聚合
  数据分组
  透视表与交叉表


机器学习中的典型算法

• 机器学习框架
• 模型评估方法

  偏差与方差
  混淆矩阵/准确率/精确率/召回率
  ROC/AUC/F1


• 特征提取(分类变量/文本/图像)
• 数据预处理(标准化/正则化)
• 线性回归

  一元/多元
  多项式


• 线性回归

  岭回归
  随机梯度下降法
  交叉验证


• 逻辑回归

  二分类
  多分类


• K近邻算法

  kNN回归
  kNN分类


机器学习中的典型算法进阶

• 决策树

  回归数
  分类树
  模型参数网络搜索
  随机森林


• 朴素贝叶斯

  高斯贝叶斯分类器
  多项式贝叶斯分类器
  伯努利贝贝叶斯分类器


• 支持向量机

  核函数
  SVC
  SVR


• 人工神经网络

  感知器
  神经网络


机器学习中的典型算法扩展

• 无监督学习聚类

  Kmean


• PCA降维
• 集成学习方法

  Adaboost
  Gradientboosting
  RandomForest


• 关联分析-Apriori算法

  频繁项集
  关联规则


• 关联分析-FP-growth算法

  FP树


深度学习初步

• 深度学习简介

  深度学习引入
  深度学习历史
  深度学习应用
  TensorFlow


• TensorFlow入门

  计算模型
  数据模型
  运行模型
  TensorFlow实现神经网络


• 深层神经网络

  深度学习与深层神经网络
  损失函数定义
  神经网络优化算法
  神经网络进一步优化


• 深度学习模型改进

  MNIST数据处理
  模型训练及对比
  变量管理
  模型持久化


深度学习进阶

• 卷积神经网络

  图像识别问题
  卷积神经网络
  卷积神经网络常用结构
  典型卷积神经网络模型


• 图像数据处理

  TFRecord输入数据格式
  图像数据处理
  数据集框架


• 循环神经网络

  循环神经网络简介
  长短时记忆网络LSTM
  循环神经网络变种


• Tensorflow高层封装

  Keras
  Estimator


• TensorBoard可视化

  TensorBoard计算图可视化
  监控指标可视化
  高维向量可视化

Python数据分析和人工智能
--配套项目一览
(根据实际进度安排) 穿插在整个培训中

实践-案例-项目

• 项目群1

  Anaconda安装
  Tensorflow安装
  二维布朗运动
  泰坦尼克号生存者名单处理
  上海证券大盘指数分析
  QQ聊天群数据分析
  中国地震数据分析


• 项目群2

  酒品质预测
  波士顿住房数据来预测房屋价格
  垃圾邮件分类
  影评电影分类
  美国入学申请录取分类


• 项目群3

  广告屏蔽
  泰坦尼克号乘客生还情况
  iris(鸢尾花)
  20类新闻数据分类


• 项目群4

  脸部识别
  手写数字识别
  新闻类别分类
  自然图片字母与数字识别


• 项目群5

  美国参议院党派分类
  各省经济水平分类
  手写识别
  糖尿病病人
  毒蘑菇相似特征
  从新闻网站点击流中挖掘新闻报道


• 项目群6

  Tensorflow安装
  神经网络实现
  MNIST手写数字识别
  训练模型保存与恢复


• 项目群7

  Lenet5网络
  图像数据
  RNN网络实现时序预测
  Keras实现IMDB自然语言情感分类

RED HAT LINUX系统运维
*前置课程

• 在bash shell命令行模式下运行常用基本Unix命令
• 从shell命令行及Xwindow界面运行应用程序
• 配置XFree86系统及常用XWindow桌面环境
• 使用X GUI应用程序完成一般的工作
• 了解Linux EXT2 和EXT3文件系统结构
• 完成普通的文件维护操作
• 了解和维护文件存取权限
• 复制和存取不同文件系统下的文件
• 使用vi文本编辑器编辑和运行Shell 脚本文件
• 使用sed、awk及perl正则表达式过滤和处理文本
• 使用Linux本底打印命令和相关实用工具实现Unix下的文本打印
• 使用电子邮件和Openoffice完成Linux下的电子办公
• 用标准的输入/输出重定向及管道连接程序和文件
• 控制Linux系统进程
• 查询Linux系统内的rpm软件包
• 使用Unix常用网络程序和相关实用工具控制本底机网络
• 使用基于SSL的方式安全传输文件
• 掌握RedHat提供给用户的系统工具
• 掌握基本的shell script 脚本

数据分析师基础理论和实践
（基于excel的数据分析）

• 数据加工处理方法

  处理重复数据
  处理不完整数据
  处理格式错误数据
  处理异常值
  提取数据
  计算数据
  拆分、合并数据
  数据分组、排序
  数据转换
  查找、定位
  处理海量数据（Power Query）
  数据透视（Power Pivot）


• 数据可视化方法

  基本图表
  动态图表
  专业图表


• 多维度数据集搭建方法
• 透视分析
• 现状、原因分析
• 宏使用方法简介

SPSS数据统计和分析

课程基于SPSS工具手把手教学操作，数据的录入、整理、清洗、处理、分析、输出、解读等。

• SPSS软件及统计分析过程方法论简介
• 统计分析过程方法论应用：一个调查研究的实例
• SPSS for Windows的各个模块简介
• 数据输入与建立

  数据文件获取：EXCEL和其它各种ASCII文本文件，数据库数据等各种格式数据的读取
  数据文件的建立：变量名、变量标签、值标签、变量类型、缺失值等的处理方式，收集数据时的错误和误差


• 数据管理与变换

  数据分段
  衍生变量
  变量重新编码


• SPSS统计图表和报表展示

  饼图、直方图、三维直方图、散点图、条图、线图、茎叶图、箱线图、帕雷托图、Q-Q图、P-P图、控制图等


• 打印与存储输出
• 高级数据修改
• 文件管理
• SPSS编程

  基本使用方法
  SPSS编程命令语句


• 实用特性举例
• 枢轴表编辑器的用户化输出
• 集中趋势及离散趋势分析
• 正态检验
• 非参数检验
• 变量间关系描述
• SPSS交叉表分析过程

  交叉列表的分析对象、解决的问题，应用SPSS实现交叉列表分析


• 单样本及双样本T检验
• 方差分析(ANOVA)
• 多选题变量分析及SPSS实现

  多选题变量的编码形式、分析指标；多选题变量的建立、频数分析、交叉列表分析；多选题变量的探索性分析


• 如何选择合适的统计学方法

MYSQL
/ORACLE
数据库管理
*必备数据库技术

• 描述Oracle MySQL架构、安装和升级Oracle MySQL
• 利用 INFORMATION_SCHEMA 数据库访问元数据
• 完成 Oracle MySQL 启动和关闭操作
• 在运行时间配置 Oracle MySQL 服务器选项
• 利用 Oracle MySQL 管理员图形用户界面管理 Oracle MySQL 服务器
• 为解决性能问题评估数据类型及字符集
• 了解数据锁定概念以及在 Oracle MySQL 中不同级别锁定
• 了解和使用Oracle MySQL InnoDB引擎
• 保持Oracle MySQL安装一致性
• 使用触发器执行管理任务
• 使用企业审计和插入式验证
• 配置高级复制技术来实现ORACLE MYSQL高可用性
• 描述介绍性能调优技术
• 执行备份和恢复操作
• 管理任务自动化与排程事件

HTML5+CSS3
*必备前端技术

• HTML 5的结构
• 表单及其他新增和改良元素
• 绘制图形
• 多媒体相关API
• History API
• 本地存储
• 离线应用程序
• 文件API
• 通信API
• WebRTC通信
• 扩展的XMLHttpRequest API
• 使用Web Workers处理线程
• 获取地理位置信息
• 拖放API与通知API
• Page Visibility API
• Fullscreen API
• 鼠标指针锁定API

JavaScript
*必备前端技术

• JavaScript概述
• 词法结构
• 类型
• 值和变量
• 表达式和运算符
• 语句
• 对象
• 数组
• 函数
• 类和模块
• 正则表达式的模式匹配
• JavaScript的子集和扩展
• 客户端JavaScript
• 服务器端JavaScript

JQuery
*必备前端技术

• 初识jQuery
• jQuery选择器
• jQuery中DOM的操作
• jQuery的事件处理
• jQuery的动画效果
• jQuery与Ajax
• jQuery常用插件