【課程介紹】

Python是一門易學易懂適合快速開發的編程語言，既能滿足互聯網行業的Web應用和服務器應用開發，又可以作為方便強大的Linux服務器及網絡運維工作的開發工具，完成系統運維的工作。大數據快速發展也擴展了Python語言的新天地，作為數據抓取和分析的語言，Python又煥發了新的活力。因此Web應用開發、系統網絡運維、大數據的科學與數字計算，甚至3D游戲開發都是Python工程師非常適應的職業發展方向。

【適合對象】

適合零基礎學員或有意向轉行的技術人員

入學基礎：

有Linux使用經驗\有HTML5前端開發經驗，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

python語法基礎

Python環境配置

python基礎語法

變量

數據類型

表達式和運算符

分支結構

循環結構

函數

函數初步

細說參數

變量作用域

遞歸調用

內置函數

字符串相關-string

列表-list

元組-tuple

集合-set

字典-dict

二、Python 高階

Python面向對象高級編程

面向對象編程基礎

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與數據庫編程

Python多進程與進程間通信

Python多線程

Python網絡編程

Python GUI編程

項目實踐

三、Python Web開發

Python Web開發簡介

Django開發環境搭建

Django基礎

Django視圖

Django URL映射

Django模板

Django模型與數據庫

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

四、Python 爬蟲技術

爬蟲概述

爬蟲定義

爬蟲在行業中的地位

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人工智能數據分析和數據挖掘

數據科學和AI概述

數據結構和算法

Python數據分析與數據挖掘簡介、環境搭建

Python數據分析工具箱

數據加載與存儲

數據類型

數據結構

數據導入

數據導出

數據規范化和處理

數據清洗

數據抽取

數據合并

數據計算

數據轉換

數據分析

基本統計

分組分析

結構分析

分布分析

交叉分析

矩陣分析

RFM分析

數據挖掘

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

關聯規則

時間序列分析

數據可視化

六、Python人工智能算法和框架--機器學習與深度學習

第 一章初識機器學習

概述

1、概念與術語（人工智能、數據挖掘、機器學習、深度學習）

2、數據挖掘的對象

3、數據挖掘的關鍵技術

4、知識的表達

5、Python的安裝

Python數據挖掘工具箱

1、 Numpy, Scipy

2、 Pandas

3、 Scikit.learn,

4、 Matplotlib

5、 TensorFlow

數據加載與存儲

1、 csv/json/Excel/mySQL

數據預處理與規范化

2、 數據合并

3、 數據轉換

4、 數據清洗

5、 數據聚合

6、 數據分組

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)

數據預處理（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

2、 分類樹

3、 模型參數網絡搜索

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

2、 SVC

3、 SVR

人工神經網絡

1、 感知器

2、 神經網絡

第四章 機器學習中的典型算法擴展無監督學習聚類

1、 Kmean

PCA降維

集成學習方法

1、 Adaboost

2、 Gradientboosting

3、 RandomForest

關聯分析- Apriori算法

1、 頻繁項集

2、 關聯規則

關聯分析- 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、 數據模型

3、 運行模型

4、 TensorFlow實現神經網絡

深層神經網絡

1、 深度學習與深層神經網絡

2、 損失函數定義

3、 神經網絡優化算法

4、 神經網絡進一步優化

深度學習模型改進

1、 MNIST數據處理

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

卷積神經網絡

1、 圖像識別問題

2、 卷積神經網絡

3、 卷積神經網絡常用結構

4、 典型卷積神經網絡模型

圖像數據處理

1、 TFRecord輸入數據格式

2、 圖像數據處理

3、 數據集框架

循環神經網絡

1、 循環神經網絡簡介

2、 長短時記憶網絡LSTM

3、 循環神經網絡變種

Tensorflow高層封裝

1、 Keras

2、 Estimator

TensorBoard可視化（

1、 TensorBoard計算圖可視化

2、 監控指標可視化

3、 高維向量可視化

七、Python數據分析和人工智能--配套項目一覽(根據實際進度安排)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、上海證券大盤指數分析

6、 QQ聊天群數據分析

7、 中國地震數據分析

項目群 2

1、 酒品質預測

2、 波士頓住房數據來預測房屋價格

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類新聞數據分類

項目群 4

1、 臉部識別

2、 手寫數字識別

3、 新聞類別分類

4、 自然圖片字母與數字識別

項目群 5

1、 美國參議院黨派分類

2、 各省經濟水平分類

3、 手寫識別

4、 糖尿病病人

5、 毒蘑菇相似特征

6、 從新聞網站瀏覽流中挖掘新聞報道

項目群 6

1、 Tensorflow安裝

2、 神經網絡實現

3、 MNIST手寫數字識別

4、 訓練模型保存與恢復

項目群 7

1、 Lenet5網絡

2、 圖像數據

1、 RNN網絡實現時序預測

2、 Keras實現IMDB自然語言情感分類

【IT研究院簡介】

上海交大教育集團.IT研究院致力于培養面向互聯網領域的高端人才，以學員提升職業競爭力為目的，優質就業為宗旨。課程體系涵蓋了Web前端工程師、Java工程師、Python工程師、人工智能開發工程師、互聯網運維工程師、移動開發工程師、大數據工程師、Linux 云計算工程師、軟件測試工程師、網絡安全工程師、嵌入式開發工程師、C/C++工程師、SEM競價師、SEO優化師、新媒體運營師、電商運營師等課程為一體的IT培訓研究院。

為培養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，經多年布局，打造人才培訓服務體系。以企業需求為導向，以行業未來為驅動，向企業和社會不斷輸送IT人才。

【教學模式】

1、隨到隨學

學員報名之后立馬就可以開始學習, 無需再等人數夠了再開班，每個學員都可以根據自己的時間安排制定自己的學習計劃，不會再因為時間不統一落下課。

2、多對一輔導

授課老師、助教老師、班主任、就業指導老師4對1的服務模式，學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，就業指導老師會在就業前對學員進行1對1就業指導。

3、免費重修機制

學員報名就業課程學制結束未成功就業，不限次數免費重修。報名課程學不會，效果不理想，可申請免費換課。更有多種支付學費的方式可以提供。

4、名企推薦就業

我們已經和超過500家企業建立人才推薦合作，遍及全國20多個城市，參加我們就業實訓類培訓的學員都可以獲得免費推薦就業的機會，我們的課程的宗旨就是系統學習IT技術，為你的職場晉升助力。

【環境展示】