成都軟考中級(jí)軟件評(píng)測(cè)師培訓(xùn)班

【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)】