北京Python全栈人工智能培训课程

第 一阶段：Python编程基础和Python（21天）
Python概述——1.Python简史；2.Python应用场景；3.Python当前发展
语法基础——1.变量类型；2.分支语句；3.循环语句
函数——1.变量类型；2.分支语句；3.循环语句
面向对象编程（OOP）——
1.00P基础；2.共有私有问题；3.继承；4.组合&Mindn
数据结构初步——1.列表；2.元祖；3.字典；4.集合
异常处理——1.异常概述；2.Try/except；3.Finally；4.Raise；5.with
Python模块文件处理——
1.Prython模块基本使用共有私有问题；2.搜索路径问题；3.DIY自己的模块组合&Mindn；4.文件处理
魔法函数——1.魔法函数概述；2.构造类魔法函数；3.运算类魔法函数
数据结构算法——1.常见的数据结构；2.常见查找算法
设计模式——1.单例模式；2.策略模式；3.观察者模式
网络编程多线程——
1.网络基础知识介绍；2.Socket编程；3.UDP协议；4.TCP协议；5.HTTP协议；6.多线程/进程端介；7.Python的多线程；8.Python的多进程
项目案例——1.聊天室；2.WebServer模拟HTTP协议
第二阶段：Web开发基础（22天）
HTML——1.HTML概述；2.文本处理；3.图像和链接；4.表格；5.表单
CSS——1.CSS语法；2.CSS选择器；3.CSS常用属性
JavaScript——1.基础语法；2.内置对象；3.正则表达式；4.事件
jQuery——1.jQuery基本使用；2.jQuery对象；3.Ajax工作原理；4.Ajax对象的使用；5.Ajax异步请求
Vue.js——
1.Vue简介；2.Vue的基本使用；3.Vue常用指令的使用；4.基本组件的使用
Bootstrap框架——
1.Bootstrap框案简介；2.Bootstrap组件的使用；3.Bootstrap快速搭建响应式页面
Mysql——
1.Mysql简介；2.常用操作；3.设计及复杂查询；4.事务，存储过程，触发器；5.日志，数据恢复，mysql优化；6.Python操作mysql
Redis——
1.Redis简介；2.常用操作；3.数据类型；4.特性；5.Python操作redis
Mongodb——
1.Mongodb简介；2.常用操作；3.特性；4.Python操作mongodb
第三阶段：数据库与Web框架实战（20天）
Git分布式版本控制器——1.Git版本控刺器基础使用；2.Git与GitHub
Django框架——
1.Django载介；2.Django基础操作；3.Django模型；4.Django视图；5.Django模版；6.文件上传；7.数据分页；8.中间件；9.验证码；10.会话控制；11.富文本编辑器；12.Apache搭建
Flask框架
1.Flask快速入门；2.Flask框架结构；3.Flask路由；4.Flask表单；5.Flask模板、Flask数据库操作
Tornado框架——
1.Tornado的路由；2.Tomado模板系统；3.Views模块；4.Tornado数据库的操作；5.Tornado的异步处理
Web项目实战——B2C商城项目
第四阶段：网络爬虫（20天）
爬虫原理和数据爬取——
1.爬虫原理讲解；2.网络请求协议；3.网络请求过程；4.Urlib库的基本使用；5.Requests库基本使用；6.正则表达式；7.BeautifulSoup库详解
非结构化数据与结构化数据提取——
1.分析Ajax请求完成抓取；2.使用Redis维护一个动态代理池；3.使用代理处理反爬抓取微信文章
基于网站动态交互处理机制下的数据爬取——
1.selenium Web自动化测试工具的使用；2.PhantomJS无界浏览器的操作模拟；3.网站验证码的提取处理；4.加密数据原理分析及数据提取
通过Scrapy框架实现高并发数据爬取——
1.Scrapy框架安装与基本使用；2.Scrapy命令行详解以及选择器用法
分布式爬虫源码解析和部署——
1.Scripy分布式原理；2.Scrapy-Redis解析；3.Scrapy分布式架构搭建；4.爬取知乎Scrap分布式的部署详解
爬虫阶段项目——招聘网站爬虫
第五阶段：大数据分析&人工智能（20天）
数据分析概述——
1.数据行业概述；2.数据分析方法论；3.数据分析方法；4.数据分析流程
数据可视化——1.Matplotlib；2.Pandas绘图函数；3.三维图
数值计算——
1.Numpy：一维到多维数组；2.利用数组进行数据处理，数组计算；3.随机数；4.数组文件的输出与输出切片与
花式索引，部分统计函数的学习以及应用
数学基础——
1.高等数学；2.线性代数；3.概率与统计；4.应用知识补齐
数据预处理与数据分析——
1.Pandass Series；2.Data frame；3.数据缺失补齐；4.筛选去重；5.清洗整理；6.合并分割；7.汇总与计算；8.层次化索引；9.数据面板；10.数据描述性统计分析Pandas实现
数据的加载与存储——CSV，TXT，JSON，Excel，HDF5等文件的存储与加载
非格式化数据分析——1.中文分词-Jieba；2.词云-WordCloud；3.中文情感分析
机器学习——1.Sciklt-learn；2.常用分类、回归、聚类算法原理
深度学习——神经网络算法原理及常见库应用
项目：上市公司股票趋势预测——
利用关联分析（CCA或PCA）进行描述性分析，找出影响股票走势的关键因素。然后通过机器学习LassoLarsCV和LassoPath算法进行优化。借助灰度预测进行特征预测，后通过高容差深度机器学习神经网络进行该公司股票趋势预测