课程简介：Python是一门易学易懂适合快速开发的编程语言，既能满足互联网行业的Web应用和服务器应用开发，又可以作为方便强大的Linux服务器及网络运维工作的开发工具，完成系统运维的工作。大数据快速发展也扩展了Python语言的新天地，作为数据抓取和分析的语言，Python又焕发了新的活力。因此Web应用开发、系统网络运维、大数据的科学与数字计算，甚至3D游戏开发都是Python工程师非常适应的职业发展方向。注：本课程适合零基础学员或有意向转行的技术人员。入学基础：有Linux使用经验\ 有HTML5 前端开发经验 ，可以减免部分前置课程。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-dictPython 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SessionsDjango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 BeautifulSoapscrapy 概述 Scrapy核心部件使用 Scrapy ShellPython 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 章 初识机器学习 概述 1、 概念与术语（人工智能、数据挖掘、机器学习、深度学习） 2、 数据挖掘的对象 3、 数据挖掘的关键技术 4、 知识的表达 5、 Python的安装 Python数据挖掘工具箱 1、 Numpy, Scipy 2、 Pandas 3、 Scikit.learn, 4、 Matplotlib 5、 TensorFlow 数据加载与存储 1、 csv/json/Excel/mySQL 数据预处理与规范化 2、 数据合并 3、 数据转换 4、 数据清洗 5、 数据聚合 6、 数据分组 7、 透视表与交叉表 第二章 机器学习中的典型算法 机器学习框架 模型评估方法 1、 偏差与方差 2、 混淆矩阵/准确率/精确率/召回率 3、 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 1. 一元/多元 2. 多项式 线性回归 1、 岭回归 2、 随机梯度下降法 3、 交叉验证 逻辑回归 1. 二分类 2. 多分类 K近邻算法 1. kNN回归 2. kNN分类 第三章 机器学习中的典型算法进阶 决策树（ 1、 回归数 2、 分类树 3、 模型参数网络搜索 4、 随机森林 朴素贝叶斯 1. 高斯贝叶斯分类器 2. 多项式贝叶斯分类器 3. 伯努利贝贝叶斯分类器 支持向量机 1、 核函数 2、 SVC 3、 SVR 人工神经网络 1、 感知器 2、 神经网络 第四章 机器学习中的典型算法扩展 无监督学习聚类 1、 Kmean PCA降维 集成学习方法 1、 Adaboost 2、 Gradientboosting 3、 RandomForest 关联分析- Apriori算法 1、 频繁项集 2、 关联规则 关联分析- FP-growth算法 1、 FP树 第五章 深度学习初步 深度学习简介 1、 深度学习引入 2、 深度学习历史 3、 深度学习应用 4、 TensorFlow TensorFlow入门 1、 计算模型 2、 数据模型 3、 运行模型 4、 TensorFlow实现神经网络 深层神经网络（ 1、 深度学习与深层神经网络 2、 损失函数定义 3、 神经网络优化算法 4、 神经网络进一步优化 深度学习模型改进 1、 MNIST数据处理 2、 模型训练及对比 3、 变量管理 4、 模型持久化 第六章 深度学习进阶 卷积神经网络 1、 图像识别问题 2、 卷积神经网络 3、 卷积神经网络常用结构 4、 典型卷积神经网络模型 图像数据处理 1、 TFRecord输入数据格式 2、 图像数据处理 3、 数据集框架 循环神经网络 1、 循环神经网络简介 2、 长短时记忆网络LSTM 3、 循环神经网络变种 Tensorflow高层封装 1、 Keras 2、 Estimator TensorBoard可视化（ 1、 TensorBoard计算图可视化 2、 监控指标可视化 3、 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 项目群 1 1、 Anaconda安装 2、 Tensorflow安装 3、 二维布朗运动 4、 泰坦尼克号生存者名单处理 5、上海证券大盘指数分析 6、 QQ聊天群数据分析 7、 中国地震数据分析 项目群 2 1、 酒品质预测 2、 波士顿住房数据来预测房屋价格 3、 垃圾邮件分类 4、 影评电影分类 5、 美国入学申请录取分类 项目群 3 1、 广告屏蔽 2、 泰坦尼克号乘客生还情况 3、 iris(鸢尾花) 4、 20类新闻数据分类 项目群 4 1、 脸部识别 2、 手写数字识别 3、 新闻类别分类 4、 自然图片字母与数字识别 项目群 5 1、 美国参议院党派分类 2、 各省经济水平分类 3、 手写识别 4、 糖尿病病人 5、 毒蘑菇相似特征 6、 从新闻网站点击流中挖掘新闻报道 项目群 6 1、 Tensorflow安装 2、 神经网络实现 3、 MNIST手写数字识别 4、 训练模型保存与恢复 项目群 7 1、 Lenet5网络 2、 图像数据 1、 RNN网络实现时序预测 2、 Keras实现IMDB自然语言情感分类选修课程：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APIHistory API本地存储离线应用程序文件API通信APIWebRTC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APIPage Visibility APIFullscreen API鼠标指针锁定APIJavaScript*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JavaScriptJQuery*必备前端技术初识jQueryjQuery选择器jQuery中DOM的操作jQuery的事件处理jQuery的动画效果jQuery与AjaxjQuery常用插件
