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多进程与进程间通信
  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

  概述
  Scrapy核心部件使用
  Scrapy Shell

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
• 项目实践

      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

      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、 从新闻网站点击流中挖掘新闻报道

      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

RED HAT LINUX系统运维
*前置课程

• 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的方式安全传输文件
• 掌握RedHat提供给用户的系统工具
• 掌握基本的shell script 脚本

MYSQL/ORACLE 数据库管理
*必备数据库技术

• 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 启动和关闭操作
• 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

HTML5+CSS3
*必备前端技术

• HTML 5的结构
• 表单及其他新增和改良元素
• 绘制图形
• 多媒体相关API
• History API
• 本地存储
• 离线应用程序
• 文件API
• 通信API
• WebRTC通信
• 扩展的XMLHttpRequest API
• 使用Web Workers处理线程
• 获取地理位置信息
• 拖放API与通知API
• Page Visibility API
• Fullscreen API
• 鼠标指针锁定API

JavaScript
*必备前端技术

• JavaScript概述
• 词法结构
• 类型
• 值和变量
• 表达式和运算符
• 语句
• 对象
• 数组
• 函数
• 类和模块
• 正则表达式的模式匹配
• JavaScript的子集和扩展
• 客户端JavaScript
• 服务器端JavaScript

JQuery
*必备前端技术

• 初识jQuery
• jQuery选择器
• jQuery中DOM的操作
• jQuery的事件处理
• jQuery的动画效果
• jQuery与Ajax
• jQuery常用插件