太原python培訓(xùn)機(jī)構(gòu)（初中高級）
Python
大數(shù)據(jù)專業(yè)培訓(xùn)課程內(nèi)容豐富，有著專屬特色的教學(xué)體系，零基礎(chǔ)，無經(jīng)驗(yàn)的學(xué)員都可以參與報(bào)名學(xué)習(xí)。不枯燥的教學(xué)實(shí)訓(xùn)內(nèi)容更是讓你快速上手操作案例，掌握理論知識的同時(shí)還掌握實(shí)操能力，為未來就業(yè)打好基礎(chǔ)。
- A1大數(shù)據(jù)分析師
- A2建模數(shù)據(jù)挖掘師
- A3業(yè)務(wù)數(shù)據(jù)挖掘師
- A4數(shù)據(jù)產(chǎn)品經(jīng)理
- A5數(shù)據(jù)分析師
- A6系統(tǒng)架構(gòu)師
Python大數(shù)據(jù)專業(yè)體系
| 教學(xué)主題 | 教學(xué)內(nèi)容 |
| 第一章:Python基礎(chǔ) | Python介紹；Python數(shù)字；運(yùn)算符與表達(dá)式；變量及其本質(zhì)；垃圾回收機(jī)制；if語句；條件表達(dá)式；字符串及其常用操作；Python的編碼；索引和切片；while語句；for語句；列表；元組；字典及其常用操作；字典的實(shí)現(xiàn)原理；集合；函數(shù)；Python作用域 |
| 第二章：Python高級 | 函數(shù)式編程；遞歸；裝飾器；模塊；常用模塊API介紹；包；文件讀寫；異常處理 |
| 第三章：Python面向?qū)ο?/strong> | 類；對象；構(gòu)造函數(shù)；實(shí)例方法；實(shí)例變量；類方法；類變量；靜態(tài)方法；繼承；封裝；多態(tài)；函數(shù)重寫；迭代器原理及實(shí)現(xiàn) |
| 第四章：Linux基本操作 | Linux的安裝；操作系統(tǒng)介紹，常用操作系統(tǒng)；Linu的發(fā)行版本；Linux用戶命令；Linux的路徑；Linu目錄操作命令；Linux文件操作命令；vi文本編輯器； Linux文件查看與查找命令； Linux文件權(quán)限管理命令 |
| 第五章：代碼協(xié)同管理工具Git | Git介紹；Git的安裝；Git的配置；Git倉庫及命令；版本控制命令；標(biāo)簽管理；Git分支操作；Git遠(yuǎn)程倉庫 |
| 第六章：階段項(xiàng)目 | 飛機(jī)大戰(zhàn)；2048游戲；學(xué)生信息管理系統(tǒng) |
| 教學(xué)目標(biāo) | 可掌握的核心能力：快速融入企業(yè)的能力；具備基本的Python開發(fā)能力；全面了解IT行業(yè)情況；可基于Python進(jìn)行簡單項(xiàng)目的研發(fā) |
| 教學(xué)主題 | 教學(xué)內(nèi)容 |
| 第一章：網(wǎng)絡(luò)爬蟲基礎(chǔ) | 爬蟲課程的介紹和概念；爬蟲的流程；搜索引擎的工作原理和局限以及robots協(xié)議；http和http的概念；瀏覽器發(fā)送請求的流程；6url的形式和http的內(nèi)容和請求頭以及get請求和post請求；requests模塊發(fā)送請求和獲取網(wǎng)頁的字符串；requests保存圖片； requests模塊發(fā)送帶headers的請求和帶參數(shù)的請求；requests模塊發(fā)送post請求； requests模塊使用代理；requests模擬登陸的三種方式；尋找post的地址；尋找js和分析js；數(shù)據(jù)的分類；json模塊的學(xué)習(xí)；正則和原始字符串；xml的了解；xpath的語法；xml模塊； selenium的入門使用； 瀏覽器驅(qū)動的安裝； 模擬登陸；網(wǎng)絡(luò)水軍的操作；打碼平臺的使用；驗(yàn)證碼識別總結(jié)；元素定位的方法和iframe的切換和selenium使用的注意點(diǎn) |
| 第二章：Scrapy框架 | scrapy的介紹；scrapy的流程；sacrapy的入門使用；pipeline的介紹；logging模塊的使用；構(gòu)造請求；item的介紹和使用；debug信息的認(rèn)識；scrapy shell的使用；scrapy ettings和管道的深入；crawlspider爬蟲案例；crawlspdier爬蟲介紹；下載中間件的學(xué)習(xí)；攜帶cookie登錄；發(fā)送post請求登錄 |
| 第三章：MySQL數(shù)據(jù)庫 | 什么是數(shù)據(jù)庫；常見數(shù)據(jù)庫軟件；MySQL數(shù)據(jù)庫安裝和卸載；MySQL數(shù)據(jù)庫登錄；SQL的概念；SQL的語法和分類；DDL操作數(shù)據(jù)庫； DDL操作數(shù)據(jù)表；MySQL常用數(shù)據(jù)類型；DML操作數(shù)據(jù)表；基本查詢；條件查詢；聚合函數(shù)；分組查詢；非空約束；唯一約束；主鍵約束；外鍵約束；多表關(guān)系(一對一)；多表關(guān)系(一對多)；多表關(guān)系(多對多)；數(shù)據(jù)庫設(shè)計(jì)三范式；數(shù)據(jù)庫的備份和還原；內(nèi)連接查詢；外連接查詢；子查詢；DCL；MySQL事務(wù)操作；MySQL存儲引擎；MySQL調(diào)優(yōu)；MySQL與Python交互；模擬用戶登錄操作案例 |
| 第四章：階段項(xiàng)目 | 爬取小說；Scrapy框架爬取LOL皮膚 |
| 教學(xué)目標(biāo) | 可掌握的核心能力：認(rèn)識爬蟲；了解爬蟲原理；可從各種網(wǎng)頁、媒體文件爬取數(shù)據(jù)；應(yīng)對各種反爬；能拿到自己想要的各種數(shù)據(jù)；掌握數(shù)據(jù)庫存儲、查詢技術(shù) |
| 教學(xué)主題 | 教學(xué)內(nèi)容 |
| 第一章：Excel數(shù)據(jù)分析 | Excel基礎(chǔ)操作；Excel公式介紹；Excel邏輯函數(shù)；Excel統(tǒng)計(jì)函數(shù)；Excel查找函數(shù)；Excel引用函數(shù)；Excel數(shù)學(xué)函數(shù)；Excel日期時(shí)間函數(shù)；Excel文本函數(shù)；Excel信息函數(shù)；Excel數(shù)組；Excel圖表；Excel數(shù)據(jù)透視表；Excel訂單表；Excel游戲數(shù)據(jù)；Excel日報(bào)分析；Excel留存分析 |
第二章：數(shù)據(jù)分析工具
Numpy | Numpy介紹；Numpy的特點(diǎn)；Numpy的核心多維數(shù)組；數(shù)組的索引；數(shù)組的切片切片；數(shù)組的屬性；Numpy基本數(shù)據(jù)類型；Numpy自定義數(shù)據(jù)類型；改變數(shù)組的維度；常用統(tǒng)計(jì)學(xué)指標(biāo)介紹；讀取文件；移動均線；線性擬合；多項(xiàng)式擬合；矩陣運(yùn)算；Numpy數(shù)組的多種運(yùn)算；矢量操作 |
第三章：數(shù)據(jù)分析工具
Pandas | Pandas介紹；Pandas核心數(shù)據(jù)結(jié)構(gòu)Series;Pandas核心數(shù)據(jù)結(jié)構(gòu)DataFrame； Pandas時(shí)間序列； 查看DataFrame數(shù)據(jù)； 修改DataFrame數(shù)據(jù)； 增加DataFrame數(shù)據(jù)； 刪除DataFrame數(shù)據(jù)； 描述分析數(shù)據(jù)； Pandas讀取CSV文件;Pandas讀取Excel文件； Pandas讀取其他格式文件； Pandas分組聚合； Pandas透視表；Pandas交叉表；Pandas合并數(shù)據(jù)； Pandas清洗數(shù)據(jù)； Pandas標(biāo)準(zhǔn)化數(shù)據(jù)； Pandas轉(zhuǎn)換數(shù)據(jù)； Jupyter的使用 |
第四章：數(shù)據(jù)可視化工具
matplotlib | 繪圖入門； 設(shè)置線條樣式； 設(shè)置坐標(biāo)刻度； 設(shè)置坐標(biāo)軸顯示以及位置； 設(shè)置圖例； 創(chuàng)建figure； 設(shè)置主次刻度； 繪制網(wǎng)格； 為圖面添加注釋； 設(shè)置子圖； 條形圖； 餅圖； 填充顏色； 散點(diǎn)圖； 等高線圖； 直方圖； |
第五章：數(shù)據(jù)分析工具
Tableau | Tableau介紹； Tableau新手上路； 數(shù)據(jù)源基本操作； 數(shù)據(jù)連接方式； 多表數(shù)據(jù)連接； 異構(gòu)數(shù)據(jù)混合； 提取數(shù)據(jù)； 工作表-常規(guī)操作； 工作表-編輯元數(shù)據(jù)； 工作表-字段操作； 工作表-演示集成員對總額的貢獻(xiàn)程度； Tableau函數(shù)與計(jì)算； Tableau排序與篩選器； Tableau參數(shù)； Tableau圖表分析； Tableau地圖繪制與圖像； Tableau高級圖表類型； |
| 第六章：階段項(xiàng)目 | 泰坦尼克號生存分析； 租房信息分析； 金融量化分析 |
| 教學(xué)目標(biāo) | 可掌握的核心能力：熟練掌握大數(shù)據(jù)常用工具；熟練掌握常用數(shù)據(jù)可視化工具；掌握數(shù)據(jù)清洗、數(shù)據(jù)預(yù)處理技術(shù)；可基于業(yè)務(wù)對各種指標(biāo)進(jìn)行分析并將結(jié)果可視化；成為一個(gè)合格的數(shù)據(jù)分析師 |
| 教學(xué)主題 | 教學(xué)內(nèi)容 |
| 第一章：Scikit-Learn機(jī)器學(xué)習(xí) | 什么是機(jī)器學(xué)習(xí)； 機(jī)器學(xué)習(xí)的類型； 機(jī)器學(xué)習(xí)的流程； 機(jī)器學(xué)習(xí)中的基本問題分類； 機(jī)器學(xué)習(xí)中的數(shù)據(jù)預(yù)處理； 一元線性回歸； 模型的過擬合與欠擬合； 嶺回歸； 多項(xiàng)式回歸； 決策樹原理、構(gòu)建過程及API； 自適應(yīng)增強(qiáng)算法和隨機(jī)森林算法原理及API； 邏輯分類算法及API； 樸素貝葉斯算法原理及API； 評估分類效果-交叉驗(yàn)證； 評估分類效果-混淆矩陣； 評估分類效果-分類報(bào)告； 超參數(shù)優(yōu)選-驗(yàn)證曲線； 超參數(shù)優(yōu)選-學(xué)習(xí)曲線； 超參數(shù)優(yōu)選-網(wǎng)格搜索； 支持向量機(jī)算法原理及API； K-Means算法原理及API； DBSCAN算法原理及API； 均值漂移算法原理及API； 凝聚層次算法原理及API； |
| 第二章：深度學(xué)習(xí) | 深度學(xué)習(xí)框架Tensorflow介紹； Tensorflow的特點(diǎn)； Tensorflow安裝； Tensorflow的結(jié)構(gòu)； Tensorflow數(shù)據(jù)流； 圖； OP； 會話； 張量介紹； 張量操作； Tensorflow變量； 可視化Tensorboard； Tensorflow實(shí)現(xiàn)線性回歸； Tensorflow隊(duì)列； Tensorflow線程； Tensorflow文件讀取流程； Tensorflow文件讀取API； Tensorflow讀取CSV文件； Tensorflow讀取圖片； Tensorflow讀取二進(jìn)制文件； 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)； 神經(jīng)網(wǎng)絡(luò)的發(fā)展； 神經(jīng)網(wǎng)絡(luò)的特點(diǎn)； 神經(jīng)網(wǎng)絡(luò)的組成； 淺層人工神經(jīng)網(wǎng)絡(luò)模型； 卷積神經(jīng)網(wǎng)絡(luò)； Tensorflow分布式 |
| 第三章：階段項(xiàng)目 | 基于用戶相似度的推薦引擎； 手寫體數(shù)字識別； 汽車質(zhì)量評估 |
| 第四章：綜合項(xiàng)目實(shí)戰(zhàn) | 爬取豆瓣電影數(shù)據(jù)，利用Python數(shù)據(jù)分析工具分析電影評分、用戶數(shù)據(jù)并可視化，基于推薦引擎進(jìn)行電影推薦"； " 爬取房價(jià)數(shù)據(jù)，進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)預(yù)處理、數(shù)據(jù)分析以及數(shù)據(jù)可視化，利用機(jī)器學(xué)習(xí)建模，進(jìn)行房價(jià)預(yù)測 |
| 教學(xué)目標(biāo) | 可掌握的核心能力：掌握機(jī)器學(xué)習(xí)常用回歸、分類以及聚類算法原理及API使用；掌握機(jī)器學(xué)習(xí)算法超參數(shù)優(yōu)選方法，并訓(xùn)練模型；掌握深度學(xué)習(xí)框架Tensorflow的原理及常用API的使用；掌握神經(jīng)網(wǎng)絡(luò)的特點(diǎn)及原理；在數(shù)據(jù)分析師的基礎(chǔ)之上進(jìn)一步增加核心競爭力；邁進(jìn)數(shù)據(jù)挖掘和人工智能大門,掌握必備的入門條件 |
產(chǎn)學(xué)結(jié)合的項(xiàng)目化教學(xué)
| 項(xiàng)目 | 項(xiàng)目簡介 | 所用技術(shù) |
金融量化分析
| 基于Python數(shù)據(jù)分析工具Numpy、Pandas對多支股票進(jìn)行各項(xiàng)指標(biāo)分析，包括股票k線圖、移動平均線、布林帶、股票波動、股票相關(guān)性分析、股票趨勢性分析、股票交易風(fēng)險(xiǎn)評估。利用Sciki-Learn機(jī)器學(xué)習(xí)建立模型，進(jìn)行股票價(jià)格預(yù)測、股票交易策略模擬、股票交易時(shí)機(jī)分析。利用數(shù)據(jù)可視化工具matplotlib、seabron對結(jié)果予以圖形化展示
| Numpy、Pandas、機(jī)器學(xué)習(xí)、matplotlib、seabron
|
基于Sciki-Learn機(jī)器學(xué)習(xí)框架的房價(jià)影響因素深度揭秘以及房價(jià)預(yù)測
| 使用Scrapy框架爬取各大網(wǎng)站房屋數(shù)據(jù)，利用Python數(shù)據(jù)分析工具分析各城市房屋均價(jià)、房屋總價(jià)、房價(jià)走勢、房源數(shù)量、房屋面積分布、樓層、裝修等。利用機(jī)器學(xué)習(xí)建立模型，對房價(jià)影響因素進(jìn)行深度揭秘、并對房屋價(jià)格進(jìn)行預(yù)測。
| Python爬蟲、Numpy、Pandas、機(jī)器學(xué)習(xí)、可視化工具matplotlib、seabron、pyecharts
|
基于用戶畫像的商品推薦系統(tǒng)
| 收集用戶基本信息、用戶交易信息，構(gòu)建用戶畫像。構(gòu)建模型并進(jìn)行訓(xùn)練，基于K-Means算法對用戶進(jìn)行聚類分析，用戶相似度分析，基于用戶相似度進(jìn)行商品推薦，對不同用戶實(shí)現(xiàn)精準(zhǔn)營銷。
| / |
分布式爬蟲項(xiàng)目
| 大型門戶網(wǎng)站和大型婚戀網(wǎng)站積累了海量信息，提取有用的價(jià)值，應(yīng)用于數(shù)據(jù)挖掘、海量數(shù)據(jù)分析、市場分析（包括熱點(diǎn)資訊、關(guān)鍵詞點(diǎn)擊、輿情分析、全國婚戀市場、個(gè)人信息分析等情況），掌握爬蟲技術(shù)顯得尤為重要。
| Python 多線程爬蟲及其機(jī)制；使用Python、requests等網(wǎng)絡(luò)模塊；使用Python lxml、BeautifulSoup、re、json模塊進(jìn)行數(shù)據(jù)提取；XPath語法規(guī)則和各CSS Selector的使用；使用Selenium+Chrome實(shí)施動態(tài)HTML抓??；掌握Scrapy框架，以及編寫各類中間件；掌握scrapy-redis分布式框架，了解各組件工作機(jī)制
|
商品推薦系統(tǒng)
| 使用Lambda架構(gòu)整合實(shí)時(shí)計(jì)算和離線計(jì)算，借助分布式環(huán)境提升計(jì)算能力；使用Flume收集用戶的點(diǎn)擊、瀏覽、收藏等行為，建立用戶畫像和文章畫像，并存儲于HDFS集群；通過離線Spark SQL計(jì)算建立HIVE特征中心，存儲到HBase集群；通過ALS、LR、Wide&Deep等機(jī)器學(xué)習(xí)與深度學(xué)習(xí)、推薦算法進(jìn)行智能推薦，達(dá)到千人千面的用戶推薦效果。
| ABTest實(shí)驗(yàn)平臺；用戶反饋收集；實(shí)時(shí)計(jì)算平臺；離線計(jì)算分析平臺
|
+ 覆蓋全國的就業(yè)網(wǎng)絡(luò)
+ 優(yōu)質(zhì)的就業(yè)服務(wù)體系
+ 入學(xué)簽訂就業(yè)協(xié)議
+ 獨(dú)特的信息化就業(yè)庫
