上海Python全栈开发+人工智能培训班
【课程介绍】
Python是一门易学易懂适合快速开发的编程语言,既能满足互联网行业的Web应用和服务器应用开发,又可以作为方便强大的Linux服务器及网络运维工作的开发工具,完成系统运维的工作。大数据快速发展也扩展了Python语言的新天地,作为数据抓取和分析的语言,Python又焕发了新的活力。因此Web应用开发、系统网络运维、大数据的科学与数字计算,甚至3D游戏开发都是Python工程师非常适应的职业发展方向。
【适合对象】
适合零基础学员或有意向转行的技术人员
入学基础:
有Linux使用经验\有HTML5前端开发经验,可以减免部分前置课程。
【课程大纲】
一、Python概述:
计算机语言概述
python简史
python相关
python语法基础
Python环境配置
python基础语法
变量
数据类型
表达式和运算符
分支结构
循环结构
函数
函数初步
细说参数
变量作用域
递归调用
内置函数
字符串相关-string
列表-list
元组-tuple
集合-set
字典-dict
二、Python 高阶
Python面向对象高级编程
面向对象编程基础
公有私有
继承
组合&Mixin
模块
模块概述
搜索路径
Python正则表达式
Python与数据库编程
Python多进程与进程间通信
Python多线程
Python网络编程
Python GUI编程
项目实践
三、Python Web开发
Python Web开发简介
Django开发环境搭建
Django基础
Django视图
Django URL映射
Django模板
Django模型与数据库
Django表单
Django用户验证
Cookies和Sessions
Django模板继承
Bootstrap结合
Jquery结合
AJAX结合
项目部署
Django项目实践-在线商城
四、Python 爬虫技术
爬虫概述
爬虫定义
爬虫在行业中的地位
页面获取
urllib基本使用
requtests基本使用
反爬虫策略和反反爬虫
内容提取
正则
XPath
BeautifulSoap
Scrapy
概述
Scrapy核心部件使用
Scrapy Shell
五、Python人工智能数据分析和数据挖掘
数据科学和AI概述
数据结构和算法
Python数据分析与数据挖掘简介、环境搭建
Python数据分析工具箱
数据加载与存储
数据类型
数据结构
数据导入
数据导出
数据规范化和处理
数据清洗
数据抽取
数据合并
数据计算
数据转换
数据分析
基本统计
分组分析
结构分析
分布分析
交叉分析
矩阵分析
RFM分析
数据挖掘
相关分析
简单线性回归
多重线性回归
逻辑回归
决策树分析
聚类分析
因子分析
关联规则
时间序列分析
数据可视化
六、Python人工智能算法和框架--机器学习与深度学习
第 一章初识机器学习
概述
1、概念与术语(人工智能、数据挖掘、机器学习、深度学习)
2、数据挖掘的对象
3、数据挖掘的关键技术
4、知识的表达
5、Python的安装
Python数据挖掘工具箱
1、 Numpy, Scipy
2、 Pandas
3、 Scikit.learn,
4、 Matplotlib
5、 TensorFlow
数据加载与存储
1、 csv/json/Excel/mySQL
数据预处理与规范化
2、 数据合并
3、 数据转换
4、 数据清洗
5、 数据聚合
6、 数据分组
7、 透视表与交叉表
第二章 机器学习中的典型算法
机器学习框架
模型评估方法
1、 偏差与方差
2、 混淆矩阵/准确率/精确率/召回率
3、 ROC/AUC/F1
特征提取(分类变量/文本/图像)
数据预处理(标准化/正则化)
线性回归
1. 一元/多元
2. 多项式
线性回归
1、 岭回归
2、 随机梯度下降法
3、 交叉验证
逻辑回归
1. 二分类
2. 多分类
K近邻算法
1. kNN回归
2. kNN分类
第三章 机器学习中的典型算法进阶
决策树
1、 回归数
2、 分类树
3、 模型参数网络搜索
4、 随机森林
朴素贝叶斯
1. 高斯贝叶斯分类器
2. 多项式贝叶斯分类器
3. 伯努利贝贝叶斯分类器
支持向量机
1、 核函数
2、 SVC
3、 SVR
人工神经网络
1、 感知器
2、 神经网络
第四章 机器学习中的典型算法扩展无监督学习聚类
1、 Kmean
PCA降维
集成学习方法
1、 Adaboost
2、 Gradientboosting
3、 RandomForest
关联分析- Apriori算法
1、 频繁项集
2、 关联规则
关联分析- FP-growth算法
1、 FP树
第五章 深度学习初步
深度学习简介
1、 深度学习引入
2、 深度学习历史
3、 深度学习应用
4、 TensorFlow
TensorFlow入门
1、 计算模型
2、 数据模型
3、 运行模型
4、 TensorFlow实现神经网络
深层神经网络
1、 深度学习与深层神经网络
2、 损失函数定义
3、 神经网络优化算法
4、 神经网络进一步优化
深度学习模型改进
1、 MNIST数据处理
2、 模型训练及对比
3、 变量管理
4、 模型持久化
第六章 深度学习进阶
卷积神经网络
1、 图像识别问题
2、 卷积神经网络
3、 卷积神经网络常用结构
4、 典型卷积神经网络模型
图像数据处理
1、 TFRecord输入数据格式
2、 图像数据处理
3、 数据集框架
循环神经网络
1、 循环神经网络简介
2、 长短时记忆网络LSTM
3、 循环神经网络变种
Tensorflow高层封装
1、 Keras
2、 Estimator
TensorBoard可视化(
1、 TensorBoard计算图可视化
2、 监控指标可视化
3、 高维向量可视化
七、Python数据分析和人工智能--配套项目一览(根据实际进度安排)穿插在整个培训中
项目群 1
1、 Anaconda安装
2、 Tensorflow安装
3、 二维布朗运动
4、 泰坦尼克号生存者名单处理
5、上海证券大盘指数分析
6、 QQ聊天群数据分析
7、 中国地震数据分析
项目群 2
1、 酒品质预测
2、 波士顿住房数据来预测房屋价格
3、 垃圾邮件分类
4、 影评电影分类
5、 美国入学申请录取分类
项目群 3
1、 广告屏蔽
2、 泰坦尼克号乘客生还情况
3、 iris(鸢尾花)
4、 20类新闻数据分类
项目群 4
1、 脸部识别
2、 手写数字识别
3、 新闻类别分类
4、 自然图片字母与数字识别
项目群 5
1、 美国参议院党派分类
2、 各省经济水平分类
3、 手写识别
4、 糖尿病病人
5、 毒蘑菇相似特征
6、 从新闻网站浏览流中挖掘新闻报道
项目群 6
1、 Tensorflow安装
2、 神经网络实现
3、 MNIST手写数字识别
4、 训练模型保存与恢复
项目群 7
1、 Lenet5网络
2、 图像数据
1、 RNN网络实现时序预测
2、 Keras实现IMDB自然语言情感分类
【IT研究院简介】
上海交大教育集团.IT研究院致力于培养面向互联网领域的高端人才,以学员提升职业竞争力为目的,优质就业为宗旨。课程体系涵盖了Web前端工程师、Java工程师、Python工程师、人工智能开发工程师、互联网运维工程师、移动开发工程师、大数据工程师、Linux 云计算工程师、软件测试工程师、网络安全工程师、嵌入式开发工程师、C/C++工程师、SEM竞价师、SEO优化师、新媒体运营师、电商运营师等课程为一体的IT培训研究院。
为培养真正符合时代需求的高端IT人才,上海交大教育集团.IT研究院以高瞻的视野,经多年布局,打造人才培训服务体系。以企业需求为导向,以行业未来为驱动,向企业和社会不断输送IT人才。
【教学模式】
1、随到随学
学员报名之后立马就可以开始学习, 无需再等人数够了再开班,每个学员都可以根据自己的时间安排制定自己的学习计划,不会再因为时间不统一落下课。
2、多对一辅导
授课老师、助教老师、班主任、就业指导老师4对1的服务模式,学员可以实时在线在线与授课老师和助教老师1对1沟通问题,就业指导老师会在就业前对学员进行1对1就业指导。
3、免费重修机制
学员报名就业课程学制结束未成功就业,不限次数免费重修。报名课程学不会,效果不理想,可申请免费换课。更有多种支付学费的方式可以提供。
4、名企推荐就业
我们已经和超过500家企业建立人才推荐合作,遍及全国20多个城市,参加我们就业实训类培训的学员都可以获得免费推荐就业的机会,我们的课程的宗旨就是系统学习IT技术,为你的职场晋升助力。
【环境展示】
内容完全按实操
老师也非常乐意解答实际工作遇到的问题