Python人工智能全棧班

在當(dāng)今數(shù)字化時代，Python已成為人工智能領(lǐng)域的首選編程語言。本課程旨在培養(yǎng)具備Python開發(fā)、數(shù)據(jù)爬蟲、數(shù)據(jù)庫管理、數(shù)據(jù)分析與挖掘、人工智能及機器學(xué)習(xí)等全棧技能的復(fù)合型人才。通過分階段教學(xué)，幫助學(xué)員從基礎(chǔ)入門到實戰(zhàn)應(yīng)用，全面提升個人競爭力，為職業(yè)生涯的飛躍打下堅實基礎(chǔ)。

非凡教育Python人工智能全棧班

入學(xué)條件

想要從事Python編程、人工智能、大數(shù)據(jù)分析、軟件開發(fā)等工作

課程課時

512

輔導(dǎo)材料

學(xué)院內(nèi)部教輔資料，實戰(zhàn)案例

可考證書

《Python開發(fā)工程師》《Python人工智能》等認(rèn)證（考試費用另外支付）

學(xué)習(xí)周期

全日制4-5個月；業(yè)日制7-9個月

教學(xué)目標(biāo)

1.掌握Python編程基礎(chǔ)

2.精通人工智能與機器學(xué)習(xí)技術(shù)

3.提升實戰(zhàn)能力與項目經(jīng)驗

教學(xué)大綱

1.Python開發(fā)基礎(chǔ)

1.1 Python基礎(chǔ)

Python開發(fā)環(huán)境搭建，Anaconda安裝，PyCharm安裝，Python環(huán)境配置，Python程序的調(diào)試和運行

文件類型、編碼規(guī)則、變量和常量、數(shù)據(jù)類型、運算符和表達式

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)

Jupyter使用，變量，數(shù)據(jù)類型，字符串，數(shù)值，布爾，列表，元祖，字典，集合，Python輸入輸出，Python循環(huán)，Python分支

函數(shù)初步、細(xì)說參數(shù)、變量作用域、遞歸調(diào)用

字符串相關(guān)-string、列表-list、 元組-tuple、 集合-set、 字典-dict

1.2 Python基礎(chǔ)（提升）

文件基本操作、目錄操作、文件和流、文件處理實例

概述、類和對象、屬性和方法、繼承、重載、設(shè)計模式

Python面向?qū)ο蟾呒壘幊?、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

異常處理、Pythonwin調(diào)試程序、Pycharm調(diào)試程序

管理目錄與文件；日志管理；Python文件管理案例；Python控制服務(wù)器

Python多線程、 Python網(wǎng)絡(luò)編程、 Python GUI編程，面向?qū)ο蟾攀?；封裝；多態(tài)；Python開發(fā)環(huán)境搭建；網(wǎng)絡(luò)編程；進程與線程

2.Python爬蟲技術(shù)

2.1 Web前端基礎(chǔ)

Web程序原理

Html基礎(chǔ)

Css基礎(chǔ)

Javascript基礎(chǔ)

ajax

2.2 網(wǎng)絡(luò)爬蟲基礎(chǔ)

初識爬蟲：什么是爬蟲、爬蟲的流程

抓分析：charles及fiddler的使用

獲取內(nèi)容：urllib、urllib3、requests等庫的使用

HTML解析：正則表達式、beautifulsoup4

數(shù)據(jù)保存：保存為文件、保存進數(shù)據(jù)庫

基礎(chǔ)爬蟲實戰(zhàn)：url管理器、html下載器、html解析器、數(shù)據(jù)存儲器、爬蟲調(diào)度器

反爬與突破反爬蟲：設(shè)置ip代理、驗證碼、動態(tài)渲染等

selenium框架

2.3 Scrapy爬蟲框架

初識Scrapy：Scrapy架構(gòu)、創(chuàng)建項目、執(zhí)行流程

Scrapy基本使用：編寫spider、使用item封裝數(shù)據(jù)、pipline處理數(shù)據(jù)、標(biāo)簽提取、導(dǎo)出數(shù)據(jù)、下載圖片和文件、中間件等

增量式爬蟲：重方案、布隆過濾器等

分布式爬蟲：redis基礎(chǔ)、分布式爬蟲原理、scrapy實現(xiàn)分布式爬蟲

部署爬蟲：Scrapyd的安裝及使用

3.SQL數(shù)據(jù)庫管理

3.1 數(shù)據(jù)庫管理

數(shù)據(jù)庫基本管理，數(shù)據(jù)庫查詢管理

多表查詢，了解連接，查詢與內(nèi)連接，查詢外連接，交叉連接，自連接

使用內(nèi)置函數(shù)，內(nèi)置函數(shù)編寫查詢，使用轉(zhuǎn)換函數(shù)，使用邏輯函數(shù)，NULL相關(guān)函數(shù)。使用子查詢，自包含的子查詢，相關(guān)子查詢，使用EXISTS謂詞的子查詢

分組和匯總數(shù)據(jù)，使用聚合函數(shù)，使用GROUP BY子句，是用HAVING篩選

數(shù)據(jù)庫觸發(fā)器管理，數(shù)據(jù)庫編程及優(yōu)化

3.2 SQL數(shù)據(jù)庫系統(tǒng)管理（提升）

4.Python數(shù)據(jù)分析及挖

4.1 數(shù)據(jù)整理和數(shù)據(jù)清洗

Numpy中的數(shù)據(jù)類型--ndarray數(shù)組的創(chuàng)建；Numpy數(shù)組基礎(chǔ)：索引、切片、變形、分裂

Numpy數(shù)組運算：通用函數(shù)；Numpy數(shù)組變形、拼接

Numpy數(shù)組計算：廣播、聚合、比較和掩碼、數(shù)組排序

Pandas對象簡介：Series、Dataframe、Index；Pandas數(shù)據(jù)加載與存儲

Pandas數(shù)值運算方法：通用函數(shù)、聚合函數(shù)、遍歷；Panda層次化索引

Pandas數(shù)據(jù)處理：數(shù)據(jù)類型轉(zhuǎn)換、缺失值處理、字符串轉(zhuǎn)換；Pandas數(shù)據(jù)表的合并與連接；Pandas數(shù)據(jù)的累計與分組

高性能Pandas：query（）、eval（）實現(xiàn)高性能運算

Pandas數(shù)據(jù)規(guī)整化：清理、轉(zhuǎn)換、合并、重塑；Pandas時間序列&金融數(shù)據(jù)處理

4.2 數(shù)據(jù)可視化技術(shù)

繪圖思想的基本原理；Python數(shù)據(jù)可視化包-Matplotlib介紹

使用Matplotlib進行基本的圖形繪制；使用Python數(shù)據(jù)處理包Pandas做可視化

Python數(shù)據(jù)可視化包-Seaborn介紹與圖形繪制

Python數(shù)據(jù)可視化包-Pyecharts介紹與圖形繪制

使用Python進行地圖繪制-Pyecharts；數(shù)據(jù)可視化技巧

4.3 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘概要，數(shù)據(jù)挖掘方法論

基礎(chǔ)數(shù)據(jù)挖掘技術(shù)，進階數(shù)據(jù)挖掘技術(shù)

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

5.Python人工智能及機器學(xué)習(xí)

5.1 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，偏差與方差，混淆矩陣/準(zhǔn)確率/精確率/召回率，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， 一元/多元， 多項式

線性回歸，嶺回歸，隨機梯度下降法，交叉驗證

邏輯回歸，二分類，多分類

K近鄰算法，kNN回歸，kNN分類

5.2 機器學(xué)習(xí)中的典型算法進階

決策樹，回歸數(shù)，分類樹，模型參數(shù)網(wǎng)絡(luò)搜索，隨機森林

樸素貝葉斯，高斯貝葉斯分類器，多項式貝葉斯分類器，伯努利貝貝葉斯分類器

支持向量機，核函數(shù)，SVC，SVR

人工神經(jīng)網(wǎng)絡(luò)，感知器，神經(jīng)網(wǎng)絡(luò)

5.3 機器學(xué)習(xí)中的典型算法擴展

無監(jiān)督學(xué)習(xí)聚類，Kmean

集成學(xué)習(xí)方法，Adaboost，Gradientboosting，RandomForest

關(guān)聯(lián)分析-Apriori算法，頻繁項集，關(guān)聯(lián)規(guī)則

關(guān)聯(lián)分析-FP-growth算法，F(xiàn)P樹

5.4 深度學(xué)習(xí)初步

深度學(xué)習(xí)簡介，深度學(xué)習(xí)引入，深度學(xué)習(xí)歷史，深度學(xué)習(xí)應(yīng)用，TensorFlow

TensorFlow入門計算模型，數(shù)據(jù)模型，運行模型，TensorFlow實現(xiàn)神經(jīng)網(wǎng)絡(luò)

深度學(xué)習(xí)模型改進，MNIST數(shù)據(jù)處理，模型訓(xùn)練及對比，變量管理，模型持久化

5.5 深度學(xué)習(xí)進階

卷積神經(jīng)網(wǎng)絡(luò)，圖像識別問題，卷積神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)常用結(jié)構(gòu)，典型卷積神經(jīng)網(wǎng)絡(luò)模型

圖像數(shù)據(jù)處理，TFRecord輸入數(shù)據(jù)格式，圖像數(shù)據(jù)處理，數(shù)據(jù)集框架

Tensorflow高層封裝，Keras，Estimator

TensorBoard可視化，TensorBoard計算圖可視化，監(jiān)控指標(biāo)可視化，高維向量可視化

6.Python智能辦公自動化

6.1 Word自動化處理

python-docx模塊安裝和介紹

讀/寫 word文檔

Word文件樣式設(shè)置（字體，段落）

向word文檔插入圖表

Word樣式設(shè)置（表格）

實戰(zhàn)：自動生成請假單

6.2 PPT自動化處理

PPT模塊介紹和安裝

創(chuàng)建PPT文件、寫入和讀取

向PPT添加圖片和表格

設(shè)置PPT樣式

6.3 Excel電子表格自動化

單元格讀取和填充和數(shù)據(jù)校驗

函數(shù)和公式使用

數(shù)據(jù)排序和統(tǒng)計

柱狀圖和餅圖

去除重復(fù)項和行列倒置

操作行、操作列

連接查詢merge和concat表連接

數(shù)據(jù)過濾、分組統(tǒng)計

字符串的常用方法

將數(shù)據(jù)從mysql導(dǎo)入excel

6.4 郵件自動化處理

郵件自動化模塊介紹和安裝

發(fā)送一份簡單郵件

發(fā)送一份html郵件

定時郵件發(fā)送郵件任務(wù)

讀取郵件，刪除郵件

7.畢業(yè)設(shè)計

7.1 畢業(yè)設(shè)計答辯

要求學(xué)員在完成實訓(xùn)階段課程后，從立案到素材、材料收集整理，再到風(fēng)格定位、PPT制作，獨立或成組完成項目畢業(yè)設(shè)計答辯，其中需包含個人現(xiàn)場講解以及作品重點演示，對自己在整個學(xué)習(xí)階段做一個完美的總結(jié)。全程項目老師指導(dǎo)

7.2 職業(yè)素養(yǎng)

心態(tài)與服務(wù)、職場商務(wù)禮儀、溝通與口才強化、職業(yè)素養(yǎng)提升、團隊合作

7.3 就業(yè)指導(dǎo)

畢業(yè)作品整理、行業(yè)規(guī)范與合同、職場與行業(yè)分析、企業(yè)觀模與規(guī)劃、職場崗位實戰(zhàn)模擬、創(chuàng)業(yè)指導(dǎo)、實習(xí)與預(yù)工作