课程简介
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。最近的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最合适的语言，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。

培训特色
课程从 0 开始，讲到人工智能结束；包含Python基础，Django，web开发，爬虫，数据库，前端页面，人工智能数据分析挖掘

培训大纲
前置课程： RED HAT LINUX 系统运维
在 bash shell 命令行模式下运行常用基本 Unix 命令
从 shell 命令行及 Xwindow 界面运行应用程序
配置 XFree86 系统及常用 XWindow 桌面环境
使用 X GUI 应用程序完成一般的工作
了解 Linux EXT2 和 EXT3 文件系统结构
完成普通的文件维护操作
了解和维护文件存取权限
复制和存取不同文件系统下的文件
使用 vi 文本编辑器编辑和运行 Shell 脚本文件
使用 sed、awk 及 perl 正则表达式过滤和处理文本
使用 Linux 本底打印命令和相关实用工具实现 Unix 下的文本打印
使用电子邮件和 Openoffice 完成 Linux 下的电子办公
用标准的输入/输出重定向及管道连接程序和文件
控制 Linux 系统进程
查询 Linux 系统内的 rpm 软件包
使用 Unix 常用网络程序和相关实用工具控制本底机网络
使用基于 SSL 的新式安全传输文件
掌握 RedHat 提供给用户的系统工具
掌握基本的 shell script 脚本

Python 基础
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

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 多进程不进程间通信、Python 多线程、Python 网络编程、Python GUI 编程、项目实践

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

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：Scrapy 概述、Scrapy 核心部件使用、Scrapy Shell

Python 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、项目实践

Python 人工智能算法和框架 - 机器学习与深度学习
数据科学和 AI 概述
初识机器学习：概念与术语（人工智能、数据挖掘、机器学习、深度学习）、数据挖掘的对象、数据挖掘的关键技术、知识的表达、Python的安装
Python 数据挖掘工具箱
数据加载与存储
数据预处理与规范化：数据合并、数据转换、数据清洗、数据聚合、数据分组、透视表与交叉表
机器学习中的典型算法：机器学习框架、模型评估算法、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、逻辑回归、K近邻算法、机器学习中的典型算法进阶、决策树、支持向量机、人工神经网络、机器学习中的典型算法扩展、无监督学习聚类、集成学习方法、关联分析- Apriori 算法

深度学习初步
深度学习简介：深度学习引入、深度学习历史、深度学习应用、TensorFlow
TensorFlow 入门：计算模型、数据模型、运行模型、TensorFlow 实现神经网络
深层神经网络：深度学习与深层神经网络、损失函数定义、神经网络优化算法、神经网络进一步优化
深度学习模型改进：MNIST 数据处理、模型训练及对比、变量管理、模型持久化
数据预处理与规范化：数据合并、数据转换、数据清洗、数据聚合、数据分组、透视表与交叉表

深度学习进阶
卷积神经网络：图像识别问题、卷积神经网络、卷积神经网络常用结构、典型卷积神经网络模型
图像数据处理：TFRecord 输入数据格式、图像数据处理、数据集框架
循环神经网络：循环神经络简介、长短时记忆网络 LSTM、循环神经网络变种
Tensorflow 高层封装
TensorBoard 可视化：TensorBoard 计算图可视化、监控指标可视化、高维向量可视化

Python 数据分析和人工智能 - 配套项目实战（根据实际进度安排）
项目群一：Anaconda 安装、Tensorflow 安装、二维布朗运动、泰坦尼克号生存者名单处理、上海证券大盘指数分析、QQ 聊天群数据分析、中国地震数据分析
项目群二：酒品质预测、波士顿住房数据来预测房屋价格、垃圾邮件分类、影评电影分类、美国入学申请录取分类、
项目群三：广告屏蔽、泰坦尼克号乘客生还情况、iris（鸢尾花）、20类新闻数据分类
项目群四：脸部识别、手写数字识别、新闻类别分类、自然图片字母与数字识别
项目群五：美国参议院党派分类、各省经济水平分类、手写识别、糖尿病病人、毒蘑菇相似特征、从新闻网站点击流中挖掘新闻报道
项目群六：Tensorflow 安装、神经网络实现、MNIST 手写数字识别、训练模型保存与恢复
项目群七：Lenet5 网络、图像数据、RNN 网络实现时序预测、Keras 实现 IMDB 自然语言情感分类

附赠模块：必备数据分析和统计技能
数据分析师基础理论和实践（基于 excel 的数据分析）
数据加工处理方法
数据可视化方法
多维度数据集搭建方法
透视分析
现状、原因分析
宏使用方法简介

SPSS 数据统计和分析
课程基于 SPSS 工具手把手教学操作，数据的录入、整理、清洗、处理、分析、输出、解读等。
SPSS 软件及统计分析过程方法论简介
统计分析过程方法论应用：一个调查研究的实例
SPSS for Windows 的各个模块简介
数据输入与建立
数据管理与变换
数据分段
衍生变量
变量重新编码

SPSS 统计图表和报表展示
饼图、直方图、三维直方图、散点图、条图、线图、茎叶图、箱线图、帕雷托图、Q-Q 图、P-P 图、控制图等
打印与存储输出、高级数据修改、文件管理
SPSS 编程、实用特性举例、枢轴表编辑器的用户化输出
集中趋势及离散趋势分析、正态检验、非参数检验、变量间关系描述
SPSS 交叉表分析过程、单样本及双样本T检验、方差分析（ANOVA）、多选题变量分析及 SPSS 实现、如何选择合适的统计学方法

必备数据库技术：MYSQL/ORACLE 数据库管理
描述 Oracle MySQL 架构、安装和升级 Oracle MySQL
利用 INFORMATION_SCHEMA 数据库访问元数据
完成 Oracle MySQL 启劢和关闭操作
在运行时间配置 Oracle MySQL 服务器选项
利用 Oracle MySQL 管理员图形用户界面管理 Oracle MySQL 服务器
为解决性能问题评估数据类型及字符集
了解数据锁定概念以及在 Oracle MySQL 中不同级别锁定
了解和使用 Oracle MySQL InnoDB 引擎
保持 Oracle MySQL 安装一致性
使用触发器执行管理任务
使用企业审计和插入式验证
配置高级复制技术来实现 ORACLE MYSQL 高可用性
描述介绍性能调优技术
执行备份和恢复操作
管理任务自动化与排程事件

必备 WEB 前端开发技术
HTML5+CSS3
JavaScript
JQuery