【適合人群】
需要評(píng)定企業(yè)職稱(chēng)的人員
企業(yè)招投標(biāo)及申請(qǐng)資質(zhì)的人員
需要辦理積分落戶(hù)的人員
從事軟件測(cè)試工作的在職人員
參加軟件評(píng)測(cè)師考試的人員
想提升個(gè)人業(yè)務(wù)能力的在職人員
【學(xué)習(xí)內(nèi)容】
第1章:課程準(zhǔn)備
課程介紹;硬件、操作系統(tǒng)、Python、 Pip環(huán)境; Anaconda環(huán)境安裝;關(guān)于開(kāi)發(fā)環(huán)境的特別提示;
第2章:開(kāi)發(fā)工具IDE
jupyter notebook介紹和安裝配置;基本功能導(dǎo)覽;jupyter notebook美化和編程實(shí)踐;常用插件安裝和使用實(shí)踐
第3章:數(shù)據(jù)可視化
matplotlib介紹安裝配置和驗(yàn)證;繪制月度體溫變化折線(xiàn)圖;交互式繪圖和小結(jié);散點(diǎn)圖、成績(jī)對(duì)比柱狀圖、年度開(kāi)支餅圖;科目均衡雷達(dá)圖、繪制子圖;面向?qū)ο箫L(fēng)格API冗余代碼抽象; matplotlib解剖圖和課堂總結(jié);作業(yè)
第4章:科學(xué)計(jì)算
學(xué)習(xí)目標(biāo)、numpy介紹、面向數(shù)組的編程思想;ndarray數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)輸入輸出;內(nèi)存分布方案、序列化和反序列化、隨機(jī)數(shù)創(chuàng)建數(shù)組;Ones和Zeros創(chuàng)建數(shù)組、數(shù)值范圍創(chuàng)建數(shù)組;數(shù)組形狀操作;拷貝和視圖;切片和索引;ndarray廣 播原則;算術(shù)運(yùn)算符;矩陣乘法和手機(jī)選購(gòu)打分;通用函數(shù)ufunc;線(xiàn)性代數(shù)計(jì)算;統(tǒng)計(jì)函數(shù);協(xié)方差、差、標(biāo)準(zhǔn)差、相關(guān)系數(shù);課堂總結(jié);項(xiàng)目實(shí)戰(zhàn)-圖片馬賽克;作業(yè)
第5章:數(shù)據(jù)分析
Pandas介紹及特色、與numpy異同;Pandas核心數(shù)據(jù)結(jié)構(gòu)、Series ;Series(創(chuàng)建、屬性.數(shù)據(jù)變更、切片和案引) ;Series (侈改索引、數(shù)據(jù)類(lèi)型和結(jié)構(gòu)轉(zhuǎn)換、統(tǒng)計(jì)函數(shù)、排序);Series (缺失值、唯-值.重復(fù)值遍歷元素小結(jié));
DataFrame構(gòu)成數(shù)據(jù)輸入輸出;數(shù)據(jù)訪(fǎng)問(wèn)方式整理;數(shù)據(jù)處理(清洗、計(jì)算轉(zhuǎn)換、合并.拼接) ;數(shù)據(jù)分析(基本統(tǒng)計(jì)、分組聚合);DataFrame (創(chuàng)建、常用屬性.探索數(shù)據(jù)) ;DataFrame (索引和切片);
DataFrame (缺失和重復(fù)值處理、合并與拼接);DataFrame (數(shù)據(jù)透視.熔焊);Pandas數(shù)據(jù)可視化;Series案例(時(shí)間字列股票行情分析);綜合案例(篩查富同卷)從MySQL獲取數(shù)據(jù)、探索和清洗數(shù)據(jù);綜合案例(篩查富同卷)進(jìn)一步探索數(shù)據(jù)、聚合分析;綜合案例(篩查富同卷)嘗試富同分析;
綜合案例(篩查富同卷)數(shù)據(jù)透視.計(jì)算相關(guān)系數(shù)、數(shù)據(jù)抽查;綜合案例(篩查富同卷)再次數(shù)據(jù)清洗、再次數(shù)據(jù)抽查;綜合案例(飾查醬同巖)相關(guān)性分析結(jié)果回寫(xiě)MySQL.聯(lián)合佐證;綜合案例(篩查雷同卷) networkx會(huì)制網(wǎng)絡(luò)圖;Pandas課堂回顧;作業(yè)
第6章:機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)定義;數(shù)據(jù)(結(jié)構(gòu)化與非結(jié)構(gòu)化、原始與加工、樣本內(nèi)與樣本外);任務(wù)(有監(jiān)督、無(wú)監(jiān)督、半監(jiān)督、增強(qiáng)學(xué)習(xí));性能度量(偏差、方差、誤差);性能度量(回歸誤差和分類(lèi)誤差、損失函數(shù)代價(jià)函數(shù));
性能度量(錯(cuò)誤率準(zhǔn)確率、精準(zhǔn)率召回率);為什么要使用機(jī)器學(xué)習(xí);機(jī)器學(xué)習(xí)的主要挑戰(zhàn);課堂回顧;klearn介紹與自帶數(shù)據(jù)集導(dǎo)覽;sklearn自帶數(shù)據(jù)集導(dǎo)覽(鳶尾花);sklearn自帶數(shù)據(jù)集導(dǎo)覽(加州房產(chǎn)、隨機(jī)生成);
sklearn核心API(估計(jì)器、線(xiàn)性回歸);sklearn核心API(預(yù)測(cè)器、分割數(shù)據(jù)集、邏輯回歸);sklearn核心API(轉(zhuǎn)換器、標(biāo)簽和獨(dú)熱編碼、特征縮放、課堂回顧);sklearn高級(jí)API(元基估計(jì)器、集成學(xué)習(xí)、決策樹(shù)與隨機(jī)森林);
sklearn高級(jí)API(實(shí)踐:隨機(jī)森林和投票分類(lèi)器);sklearn高級(jí)API(多分類(lèi)、多標(biāo)簽估計(jì)器);sklearn高級(jí)API(多輸出估計(jì)器);sklearn高級(jí)API(模型選擇、交叉驗(yàn)證、網(wǎng)格和隨機(jī)追蹤);sklearn高級(jí)API(實(shí)踐:模型選擇);
sklearn高級(jí)API(Pipeline和FeatureUnion);sklearn高級(jí)API(課堂回顧);加州房?jī)r(jià)預(yù)測(cè)案例(需求和背景介紹、思路分析);加州房?jī)r(jià)預(yù)測(cè)案例(獲取數(shù)據(jù));加州房?jī)r(jià)預(yù)測(cè)案例(觀察和探索數(shù)據(jù));
加州房?jī)r(jià)預(yù)測(cè)案例(創(chuàng)建測(cè)試集);加州房?jī)r(jià)預(yù)測(cè)案例(繪制綜合分布圖);加州房?jī)r(jià)預(yù)測(cè)案例(尋找相關(guān)性);加州房?jī)r(jià)預(yù)測(cè)案例(數(shù)據(jù)預(yù)處理:缺失值);加州房?jī)r(jià)預(yù)測(cè)案例(數(shù)據(jù)預(yù)處理:分類(lèi)型特征);
加州房?jī)r(jià)預(yù)測(cè)案例(數(shù)據(jù)預(yù)處理:定制轉(zhuǎn)換器);加州房?jī)r(jià)預(yù)測(cè)案例(數(shù)據(jù)預(yù)處理:特征縮放);加州房?jī)r(jià)預(yù)測(cè)案例(選擇模型并訓(xùn)練);加州房?jī)r(jià)預(yù)測(cè)案例(微調(diào)和zui佳模型選擇并zui終測(cè)試與交付);
人工智能-sklearn-算法1-1-算法和數(shù)學(xué)基礎(chǔ);人工智能-sklearn-算法1-2-代數(shù)視角看線(xiàn)性回歸;人工智能-sklearn-算法1-3-梯度下降法求解-上;人工智能-sklearn-算法1-4-梯度下降法求解-下;
人工智能-sklearn-算法1-5-多項(xiàng)式回歸;人工智能-sklearn-算法1-6-正則線(xiàn)性回歸;人工智能-sklearn-算法1-7-課堂回顧;作業(yè)
第7章:機(jī)器視覺(jué)
人工智能-opencv-01-近年計(jì)算機(jī)視覺(jué)的發(fā)展水平;人工智能-opencv-02-計(jì)算機(jī)視覺(jué)的用途和經(jīng)典任務(wù);人工智能-opencv-03-OpenCV主要模塊和擴(kuò)展模塊介紹;人工智能-opencv-04-圖像處理基礎(chǔ)知識(shí)、色彩空間和卷積濾波;
人工智能-opencv-05-讀取并顯示圖片和視頻;人工智能-opencv-06-高斯模糊邊緣提取和形態(tài)學(xué)處理;人工智能-opencv-07-調(diào)整大小修剪繪制形狀和文本;人工智能-opencv-08-仿射變換和透視變換;
人工智能-opencv-09-圖像拼接;人工智能-opencv-10-色彩檢測(cè)和圖像分割;人工智能-opencv-11-輪廓和形狀檢測(cè);人工智能-opencv-12-模板匹配法;人工智能-opencv-13-級(jí)聯(lián)分類(lèi)器和人臉檢測(cè);
人工智能-opencv-14-小項(xiàng)目:霍夫變換法實(shí)現(xiàn)答題卡歪斜校正(上);人工智能-opencv-15-小項(xiàng)目:霍夫變換法實(shí)現(xiàn)答題卡歪斜校正(下);人工智能-opencv-16-小項(xiàng)目:拍照掃描文稿;人工智能-opencv-17-小項(xiàng)目:中國(guó)車(chē)牌檢測(cè);人工智能-opencv-18-課堂總結(jié);作業(yè)課程資料;作業(yè)
【課程優(yōu)勢(shì)】
強(qiáng)大背景實(shí)力
專(zhuān)注軟件測(cè)試培訓(xùn)16年,50W學(xué)員的選擇,服務(wù)全國(guó)
10W+企事業(yè)單位
大咖講師團(tuán)隊(duì)
資深軟考培訓(xùn)導(dǎo)師領(lǐng)銜授課,獨(dú)創(chuàng)自有培訓(xùn)模式,把
握2022考試重點(diǎn)方向
多元課程體系
全面智能題庫(kù)+內(nèi)部輔導(dǎo)教材+個(gè)性化學(xué)習(xí)計(jì)劃+知識(shí)
體系梳理+全程督導(dǎo)
考前模擬測(cè)試
多年經(jīng)驗(yàn),找準(zhǔn)考試規(guī)律,結(jié)合zui新考試大綱,精心準(zhǔn)備考前模擬題
【證書(shū)樣本】
【報(bào)考條件】
報(bào)考時(shí)間
一年一次,下半年具體時(shí)間以各省份通知為準(zhǔn)
報(bào)考條件
無(wú)學(xué)歷、專(zhuān)業(yè)及工作年限限制
報(bào)考流程
報(bào)名人員可登陸各地官網(wǎng)進(jìn)行統(tǒng)一網(wǎng).上報(bào)名
報(bào)考費(fèi)用
軟考報(bào)名費(fèi)用在100-200元之間,各省份之間略有差異
考試科目/題型
基礎(chǔ)科目為選擇題,應(yīng)用科目為問(wèn)答題
成績(jī)查詢(xún)
考后兩到三個(gè)月出成績(jī),計(jì)算機(jī)技術(shù)職業(yè)資格網(wǎng)查詢(xún)
合格標(biāo)準(zhǔn)
軟考科目總分均為75分,歷年合格標(biāo)準(zhǔn)線(xiàn)在45分左右
證書(shū)領(lǐng)取
按照各省份通知持身份證到相應(yīng)地點(diǎn)辦理證書(shū)領(lǐng)取
【教學(xué)老師】
Moment講師
講師介紹:
多年安全測(cè)試以及測(cè)試管理工作經(jīng)驗(yàn),長(zhǎng)期為各大企業(yè)提供考前內(nèi)訓(xùn)輔導(dǎo),深受學(xué)員好評(píng)!
著作:《LOADRUNNER性能測(cè)試巧匠訓(xùn)練營(yíng)》
授課風(fēng)格:
課程嚴(yán)謹(jǐn)細(xì)致卻不乏生動(dòng),善于歸納總結(jié),從原理本質(zhì)剖析并引入到考點(diǎn)。善于利用通俗易懂的故事和口訣幫助學(xué)員記憶考點(diǎn),讓無(wú)數(shù)學(xué)員喜愛(ài)。
【軟考證書(shū)價(jià)值】
含金量高
軟考是國(guó)家職業(yè)資格目錄下指定的考試
跳槽加分
軟考證書(shū)已經(jīng)成為大部分企業(yè)衡量員工專(zhuān)業(yè)水平的標(biāo)準(zhǔn)
個(gè)稅抵扣
抵扣3600元個(gè)人所得稅
以考代評(píng)
通過(guò)人員無(wú)需在單位進(jìn)行職稱(chēng)資格評(píng)定,拿證即獲對(duì)應(yīng)級(jí)別的職稱(chēng)
積分落戶(hù)
軟考證書(shū)符合一線(xiàn)城市積分落戶(hù)加分條件
入專(zhuān)家?guī)?br>
具有中級(jí)(包括)以上職稱(chēng)或同等專(zhuān)業(yè)水平等條件,可進(jìn)入評(píng)標(biāo)專(zhuān)家?guī)?/p>
老有所依
退休金每月可多領(lǐng)200元左右退休補(bǔ)貼
企業(yè)投標(biāo)
根據(jù)政府采購(gòu)法及招標(biāo)文件要求,持軟考中高級(jí)證書(shū)可獲加分,增加中標(biāo)率
【合作企業(yè)】
100%滿(mǎn)意度
成都51testing軟件測(cè)試培訓(xùn)學(xué)院
綜合
環(huán)境 : 5.0師資 : 5.0教學(xué) : 5.0