上海就業(yè)培訓python

課程簡介：

Python是一門易學易懂適合快速開發(fā)的編程語言，既能滿足互聯(lián)網(wǎng)行業(yè)的Web應用和服務器應用開發(fā)，又可以作為方便強大的Linux服務器及網(wǎng)絡運維工作的開發(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應用開發(fā)、系統(tǒng)網(wǎng)絡運維、大數(shù)據(jù)的科學與數(shù)字計算，甚至3D游戲開發(fā)都是Python工程師非常適應的職業(yè)發(fā)展方向。

注：本課程適合零基礎學員或有意向轉(zhuǎn)行的技術人員。

入學基礎：

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：

Python基礎

Python概述:

  計算機語言概述

  python簡史

  python相關

python語法基礎

  Python環(huán)境配置

  python基礎語法

  變量

  數(shù)據(jù)類型

  表達式和運算符

  分支結構

  循環(huán)結構

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-string

  列表-list

  元組-tuple

  集合-set

  字典-dict

Python 高階

Python面向?qū)ο蟾呒壘幊?/p>

面向?qū)ο缶幊袒A

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)絡編程

  Python GUI編程

  項目實踐

Python Web 開發(fā)

Python Web開發(fā)簡介

Django開發(fā)環(huán)境搭建

Django基礎

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結合

Jquery結合

AJAX結合

項目部署

Django項目實踐-在線商城

Python 爬蟲技術

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

Python 人工智能

數(shù)據(jù)分析和數(shù)據(jù)挖掘

數(shù)據(jù)科學和AI概述

數(shù)據(jù)結構和算法

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)結構

  數(shù)據(jù)導入

  數(shù)據(jù)導出

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

  結構分析

  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

  關聯(lián)規(guī)則

  時間序列分析

數(shù)據(jù)可視化

項目實踐

Python人工智能算法和框架

--機器學習與深度學習 

      章 初識機器學習

      概述

           1、 概念與術語（人工智能、數(shù)據(jù)挖掘、機器學習、深度學習）

           2、 數(shù)據(jù)挖掘的對象

           3、 數(shù)據(jù)挖掘的關鍵技術

           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、 Sci*****earn,

           4、 Matplotlib

           5、 TensorFlow

      數(shù)據(jù)加載與存儲

           1、 csv/json/Excel/mySQL

      數(shù)據(jù)預處理與規(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 機器學習中的典型算法

      機器學習框架

      模型評估方法

           1、 偏差與方差

           2、 混淆矩陣/準確率/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)預處理（標準化/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 機器學習中的典型算法進階

      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

           1、 感知器

           2、 神經(jīng)網(wǎng)絡

      第四章 機器學習中的典型算法擴展

      無監(jiān)督學習聚類

           1、 Kmean

      PCA降維

      集成學習方法

           1、 Adaboost

           2、 Gradientboosting

           3、 RandomForest

      關聯(lián)分析- Apriori算法

           1、 頻繁項集

           2、 關聯(lián)規(guī)則

      關聯(lián)分析- FP-growth算法

           1、 FP樹

      第五章 深度學習初步

      深度學習簡介

           1、 深度學習引入

           2、 深度學習歷史

           3、 深度學習應用

           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

      深層神經(jīng)網(wǎng)絡（

           1、 深度學習與深層神經(jīng)網(wǎng)絡

           2、 損失函數(shù)定義

           3、 神經(jīng)網(wǎng)絡優(yōu)化算法

           4、 神經(jīng)網(wǎng)絡進一步優(yōu)化

      深度學習模型改進

           1、 MNIST數(shù)據(jù)處理

           2、 模型訓練及對比

           3、 變量管理

           4、 模型持久化

      第六章 深度學習進階

      卷積神經(jīng)網(wǎng)絡

           1、 圖像識別問題

           2、 卷積神經(jīng)網(wǎng)絡

           3、 卷積神經(jīng)網(wǎng)絡常用結構

           4、 典型卷積神經(jīng)網(wǎng)絡模型

      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

           1、 循環(huán)神經(jīng)網(wǎng)絡簡介

           2、 長短時記憶網(wǎng)絡LSTM

           3、 循環(huán)神經(jīng)網(wǎng)絡變種

      Tensorflow高層封裝

           1、 Keras

           2、 Estimator

      TensorBoard可視化（

           1、 TensorBoard計算圖可視化

           2、 監(jiān)控指標可視化

           3、 高維向量可視化

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)預測

           2、 波士頓住房數(shù)據(jù)來預測房屋價格

           3、 垃圾郵件分類

           4、 影評電影分類

           5、 美國入學申請錄取分類

      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)站點擊流中挖掘新聞報道

      項目群 6

           1、 Tensorflow安裝

           2、 神經(jīng)網(wǎng)絡實現(xiàn)

           3、 MNIST手寫數(shù)字識別

           4、 訓練模型保存與恢復

      項目群 7

           1、 Lenet5網(wǎng)絡

           2、 圖像數(shù)據(jù)

           1、 RNN網(wǎng)絡實現(xiàn)時序預測

           2、 Keras實現(xiàn)IMDB自然語言情感分類

選修課程：

RED HAT LINUX系統(tǒng)運維

*前置課程

在bash shell命令行模式下運行常用基本Unix命令

從shell命令行及Xwindow界面運行應用程序

配置XFree86系統(tǒng)及常用XWindow桌面環(huán)境

使用X GUI應用程序完成一般的工作

了解Linux EXT2 和EXT3文件系統(tǒng)結構

完成普通的文件維護操作

了解和維護文件存取權限

復制和存取不同文件系統(tǒng)下的文件

使用vi文本編輯器編輯和運行Shell 腳本文件

使用sed、awk及perl正則表達式過濾和處理文本

使用Linux本底打印命令和相關實用工具實現(xiàn)Unix下的文本打印

使用電子郵件和Openoffice完成Linux下的電子辦公

用標準的輸入/輸出重定向及管道連接程序和文件

控制Linux系統(tǒng)進程

查詢Linux系統(tǒng)內(nèi)的rpm軟件包

使用Unix常用網(wǎng)絡程序和相關實用工具控制本底機網(wǎng)絡

使用基于SSL的方式安全傳輸文件

掌握RedHat提供給用戶的系統(tǒng)工具

掌握基本的shell script 腳本

MYSQL/ORACLE 數(shù)據(jù)庫管理

*必備數(shù)據(jù)庫技術

描述Oracle MySQL架構、安裝和升級Oracle MySQL

利用 INFORMATION_SCHEMA 數(shù)據(jù)庫訪問元數(shù)據(jù)

完成 Oracle MySQL 啟動和關閉操作

在運行時間配置 Oracle MySQL 服務器選項

利用 Oracle MySQL 管理員圖形用戶界面管理 Oracle MySQL 服務器

為解決性能問題評估數(shù)據(jù)類型及字符集

了解數(shù)據(jù)鎖定概念以及在 Oracle MySQL 中不同級別鎖定

了解和使用Oracle MySQL InnoDB引擎

保持Oracle MySQL安裝一致性

使用觸發(fā)器執(zhí)行管理任務

使用企業(yè)審計和插入式驗證

配置高級復制技術來實現(xiàn)ORACLE MYSQL高可用性

描述介紹性能調(diào)優(yōu)技術

執(zhí)行備份和恢復操作

管理任務自動化與排程事件

HTML5+CSS3

*必備前端技術

HTML 5的結構

表單及其他新增和改良元素

繪制圖形

多媒體相關API

History API

本地存儲

離線應用程序

文件API

通信API

WebRTC通信

擴展的XMLHttpRequest API

使用Web Workers處理線程

獲取地理位置信息

拖放API與通知API

Page Visibility API

Fullscreen API

鼠標指針鎖定API

JavaScript

*必備前端技術

JavaScript概述

詞法結構

類型

值和變量

表達式和運算符

語句

對象

數(shù)組

函數(shù)

類和模塊

正則表達式的模式匹配

JavaScript的子集和擴展

客戶端JavaScript

服務器端JavaScript

JQuery

*必備前端技術

初識jQuery

jQuery選擇器

jQuery中DOM的操作

jQuery的事件處理

jQuery的動畫效果

jQuery與Ajax

jQuery常用插件