上海Python全棧開發(fā)+人工智能培訓(xùn)班

【課程介紹】

Python是一門易學(xué)易懂適合快速開發(fā)的編程語言，既能滿足互聯(lián)網(wǎng)行業(yè)的Web應(yīng)用和服務(wù)器應(yīng)用開發(fā)，又可以作為方便強大的Linux服務(wù)器及網(wǎng)絡(luò)運維工作的開發(fā)工具，完成系統(tǒng)運維的工作。大數(shù)據(jù)快速發(fā)展也擴展了Python語言的新天地，作為數(shù)據(jù)抓取和分析的語言，Python又煥發(fā)了新的活力。因此Web應(yīng)用開發(fā)、系統(tǒng)網(wǎng)絡(luò)運維、大數(shù)據(jù)的科學(xué)與數(shù)字計算，甚至3D游戲開發(fā)都是Python工程師非常適應(yīng)的職業(yè)發(fā)展方向。

【適合對象】

適合零基礎(chǔ)學(xué)員或有意向轉(zhuǎn)行的技術(shù)人員

入學(xué)基礎(chǔ)：

有Linux使用經(jīng)驗\有HTML5前端開發(fā)經(jīng)驗，可以減免部分前置課程。

【課程大綱】

一、Python概述:

計算機語言概述

python簡史

python相關(guān)

python語法基礎(chǔ)

Python環(huán)境配置

python基礎(chǔ)語法

變量

數(shù)據(jù)類型

表達式和運算符

分支結(jié)構(gòu)

循環(huán)結(jié)構(gòu)

函數(shù)

函數(shù)初步

細說參數(shù)

變量作用域

遞歸調(diào)用

內(nèi)置函數(shù)

字符串相關(guān)-string

列表-list

元組-tuple

集合-set

字典-dict

二、Python 高階

Python面向?qū)ο蟾呒壘幊?/p>

面向?qū)ο缶幊袒A(chǔ)

公有私有

繼承

組合&Mixin

模塊

模塊概述

搜索路徑

Python正則表達式

Python與數(shù)據(jù)庫編程

Python多進程與進程間通信

Python多線程

Python網(wǎng)絡(luò)編程

Python GUI編程

項目實踐

三、Python Web開發(fā)

Python Web開發(fā)簡介

Django開發(fā)環(huán)境搭建

Django基礎(chǔ)

Django視圖

Django URL映射

Django模板

Django模型與數(shù)據(jù)庫

Django表單

Django用戶驗證

Cookies和Sessions

Django模板繼承

Bootstrap結(jié)合

Jquery結(jié)合

AJAX結(jié)合

項目部署

Django項目實踐-在線商城

四、Python 爬蟲技術(shù)

爬蟲概述

爬蟲定義

爬蟲在行業(yè)中的地位

頁面獲取

urllib基本使用

requtests基本使用

反爬蟲策略和反反爬蟲

內(nèi)容提取

正則

XPath

BeautifulSoap

Scrapy

概述

Scrapy核心部件使用

Scrapy Shell

五、Python人工智能數(shù)據(jù)分析和數(shù)據(jù)挖掘

數(shù)據(jù)科學(xué)和AI概述

數(shù)據(jù)結(jié)構(gòu)和算法

Python數(shù)據(jù)分析與數(shù)據(jù)挖掘簡介、環(huán)境搭建

Python數(shù)據(jù)分析工具箱

數(shù)據(jù)加載與存儲

數(shù)據(jù)類型

數(shù)據(jù)結(jié)構(gòu)

數(shù)據(jù)導(dǎo)入

數(shù)據(jù)導(dǎo)出

數(shù)據(jù)規(guī)范化和處理

數(shù)據(jù)清洗

數(shù)據(jù)抽取

數(shù)據(jù)合并

數(shù)據(jù)計算

數(shù)據(jù)轉(zhuǎn)換

數(shù)據(jù)分析

基本統(tǒng)計

分組分析

結(jié)構(gòu)分析

分布分析

交叉分析

矩陣分析

RFM分析

數(shù)據(jù)挖掘

相關(guān)分析

簡單線性回歸

多重線性回歸

邏輯回歸

決策樹分析

聚類分析

因子分析

關(guān)聯(lián)規(guī)則

時間序列分析

數(shù)據(jù)可視化

六、Python人工智能算法和框架--機器學(xué)習(xí)與深度學(xué)習(xí)

第 一章初識機器學(xué)習(xí)

概述

1、概念與術(shù)語（人工智能、數(shù)據(jù)挖掘、機器學(xué)習(xí)、深度學(xué)習(xí)）

2、數(shù)據(jù)挖掘的對象

3、數(shù)據(jù)挖掘的關(guān)鍵技術(shù)

4、知識的表達

5、Python的安裝

Python數(shù)據(jù)挖掘工具箱

1、 Numpy, Scipy

2、 Pandas

3、 Scikit.learn,

4、 Matplotlib

5、 TensorFlow

數(shù)據(jù)加載與存儲

1、 csv/json/Excel/mySQL

數(shù)據(jù)預(yù)處理與規(guī)范化

2、 數(shù)據(jù)合并

3、 數(shù)據(jù)轉(zhuǎn)換

4、 數(shù)據(jù)清洗

5、 數(shù)據(jù)聚合

6、 數(shù)據(jù)分組

7、 透視表與交叉表

第二章 機器學(xué)習(xí)中的典型算法

機器學(xué)習(xí)框架

模型評估方法

1、 偏差與方差

2、 混淆矩陣/準(zhǔn)確率/精確率/召回率

3、 ROC/AUC/F1

特征提取(分類變量/文本/圖像)

數(shù)據(jù)預(yù)處理（標(biāo)準(zhǔn)化/正則化）

線性回歸

1. 一元/多元

2. 多項式

線性回歸

1、 嶺回歸

2、 隨機梯度下降法

3、 交叉驗證

邏輯回歸

1. 二分類

2. 多分類

K近鄰算法

1. kNN回歸

2. kNN分類

第三章 機器學(xué)習(xí)中的典型算法進階

決策樹

1、 回歸數(shù)

2、 分類樹

3、 模型參數(shù)網(wǎng)絡(luò)搜索

4、 隨機森林

樸素貝葉斯

1. 高斯貝葉斯分類器

2. 多項式貝葉斯分類器

3. 伯努利貝貝葉斯分類器

支持向量機

1、 核函數(shù)

2、 SVC

3、 SVR

人工神經(jīng)網(wǎng)絡(luò)

1、 感知器

2、 神經(jīng)網(wǎng)絡(luò)

第四章 機器學(xué)習(xí)中的典型算法擴展無監(jiān)督學(xué)習(xí)聚類

1、 Kmean

PCA降維

集成學(xué)習(xí)方法

1、 Adaboost

2、 Gradientboosting

3、 RandomForest

關(guān)聯(lián)分析- Apriori算法

1、 頻繁項集

2、 關(guān)聯(lián)規(guī)則

關(guān)聯(lián)分析- FP-growth算法

1、 FP樹

第五章 深度學(xué)習(xí)初步

深度學(xué)習(xí)簡介

1、 深度學(xué)習(xí)引入

2、 深度學(xué)習(xí)歷史

3、 深度學(xué)習(xí)應(yīng)用

4、 TensorFlow

TensorFlow入門

1、 計算模型

2、 數(shù)據(jù)模型

3、 運行模型

4、 TensorFlow實現(xiàn)神經(jīng)網(wǎng)絡(luò)

深層神經(jīng)網(wǎng)絡(luò)

1、 深度學(xué)習(xí)與深層神經(jīng)網(wǎng)絡(luò)

2、 損失函數(shù)定義

3、 神經(jīng)網(wǎng)絡(luò)優(yōu)化算法

4、 神經(jīng)網(wǎng)絡(luò)進一步優(yōu)化

深度學(xué)習(xí)模型改進

1、 MNIST數(shù)據(jù)處理

2、 模型訓(xùn)練及對比

3、 變量管理

4、 模型持久化

第六章 深度學(xué)習(xí)進階

卷積神經(jīng)網(wǎng)絡(luò)

1、 圖像識別問題

2、 卷積神經(jīng)網(wǎng)絡(luò)

3、 卷積神經(jīng)網(wǎng)絡(luò)常用結(jié)構(gòu)

4、 典型卷積神經(jīng)網(wǎng)絡(luò)模型

圖像數(shù)據(jù)處理

1、 TFRecord輸入數(shù)據(jù)格式

2、 圖像數(shù)據(jù)處理

3、 數(shù)據(jù)集框架

循環(huán)神經(jīng)網(wǎng)絡(luò)

1、 循環(huán)神經(jīng)網(wǎng)絡(luò)簡介

2、 長短時記憶網(wǎng)絡(luò)LSTM

3、 循環(huán)神經(jīng)網(wǎng)絡(luò)變種

Tensorflow高層封裝

1、 Keras

2、 Estimator

TensorBoard可視化（

1、 TensorBoard計算圖可視化

2、 監(jiān)控指標(biāo)可視化

3、 高維向量可視化

七、Python數(shù)據(jù)分析和人工智能--配套項目一覽(根據(jù)實際進度安排)穿插在整個培訓(xùn)中

項目群 1

1、 Anaconda安裝

2、 Tensorflow安裝

3、 二維布朗運動

4、 泰坦尼克號生存者名單處理

5、上海證券大盤指數(shù)分析

6、 QQ聊天群數(shù)據(jù)分析

7、 中國地震數(shù)據(jù)分析

項目群 2

1、 酒品質(zhì)預(yù)測

2、 波士頓住房數(shù)據(jù)來預(yù)測房屋價格

3、 垃圾郵件分類

4、 影評電影分類

5、 美國入學(xué)申請錄取分類

項目群 3

1、 廣告屏蔽

2、 泰坦尼克號乘客生還情況

3、 iris(鳶尾花)

4、 20類新聞數(shù)據(jù)分類

項目群 4

1、 臉部識別

2、 手寫數(shù)字識別

3、 新聞類別分類

4、 自然圖片字母與數(shù)字識別

項目群 5

1、 美國參議院黨派分類

2、 各省經(jīng)濟水平分類

3、 手寫識別

4、 糖尿病病人

5、 毒蘑菇相似特征

6、 從新聞網(wǎng)站瀏覽流中挖掘新聞報道

項目群 6

1、 Tensorflow安裝

2、 神經(jīng)網(wǎng)絡(luò)實現(xiàn)

3、 MNIST手寫數(shù)字識別

4、 訓(xùn)練模型保存與恢復(fù)

項目群 7

1、 Lenet5網(wǎng)絡(luò)

2、 圖像數(shù)據(jù)

1、 RNN網(wǎng)絡(luò)實現(xiàn)時序預(yù)測

2、 Keras實現(xiàn)IMDB自然語言情感分類

【IT研究院簡介】

上海交大教育集團.IT研究院致力于培養(yǎng)面向互聯(lián)網(wǎng)領(lǐng)域的高端人才，以學(xué)員提升職業(yè)競爭力為目的，優(yōu)質(zhì)就業(yè)為宗旨。課程體系涵蓋了Web前端工程師、Java工程師、Python工程師、人工智能開發(fā)工程師、互聯(lián)網(wǎng)運維工程師、移動開發(fā)工程師、大數(shù)據(jù)工程師、Linux 云計算工程師、軟件測試工程師、網(wǎng)絡(luò)安全工程師、嵌入式開發(fā)工程師、C/C++工程師、SEM競價師、SEO優(yōu)化師、新媒體運營師、電商運營師等課程為一體的IT培訓(xùn)研究院。

為培養(yǎng)真正符合時代需求的高端IT人才，上海交大教育集團.IT研究院以高瞻的視野，經(jīng)多年布局，打造人才培訓(xùn)服務(wù)體系。以企業(yè)需求為導(dǎo)向，以行業(yè)未來為驅(qū)動，向企業(yè)和社會不斷輸送IT人才。

【教學(xué)模式】

1、隨到隨學(xué)

學(xué)員報名之后立馬就可以開始學(xué)習(xí), 無需再等人數(shù)夠了再開班，每個學(xué)員都可以根據(jù)自己的時間安排制定自己的學(xué)習(xí)計劃，不會再因為時間不統(tǒng)一落下課。

2、多對一輔導(dǎo)

授課老師、助教老師、班主任、就業(yè)指導(dǎo)老師4對1的服務(wù)模式，學(xué)員可以實時在線在線與授課老師和助教老師1對1溝通問題，就業(yè)指導(dǎo)老師會在就業(yè)前對學(xué)員進行1對1就業(yè)指導(dǎo)。

3、免費重修機制

學(xué)員報名就業(yè)課程學(xué)制結(jié)束未成功就業(yè)，不限次數(shù)免費重修。報名課程學(xué)不會，效果不理想，可申請免費換課。更有多種支付學(xué)費的方式可以提供。

4、名企推薦就業(yè)

我們已經(jīng)和超過500家企業(yè)建立人才推薦合作，遍及全國20多個城市，參加我們就業(yè)實訓(xùn)類培訓(xùn)的學(xué)員都可以獲得免費推薦就業(yè)的機會，我們的課程的宗旨就是系統(tǒng)學(xué)習(xí)IT技術(shù)，為你的職場晉升助力。

【環(huán)境展示】