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; |