基于Python的基礎(chǔ)編程、數(shù)據(jù)分析與可視化、人工智能項(xiàng)目實(shí)戰(zhàn)
一級 二級 細(xì)節(jié)1 細(xì)節(jié)2 備注
任務(wù)0(前期準(zhǔn)備) 安裝與配置(概述) JDK1.8 　 　
Python3.6 　 　
IDEA與STS 　 　
MariaDB 　 　
Linux 　 　
pip 　 　
python2與3差別 　 　 　
python常用工具包介紹 　 　 　
小組分工與項(xiàng)目 　 　 　
敏捷開發(fā)與項(xiàng)目迭代展示 　 　 　
任務(wù)1(語法基礎(chǔ)) 環(huán)境配置 　 　 　
基礎(chǔ)語法 函數(shù)定義體驗(yàn) 　 　
全局變量定義 　 　
輸出變量 　 　
查看某個(gè)變量的類型 　 　
變量刪除測試 　 　
字符串訪問 　 　
控制臺輸出 　 　
重定向語句 　 　
list列表定義 　 　
tuple列表定義 　 　
字典操作 　 　
字符轉(zhuǎn)換 　 　
運(yùn)算符系列 　 　
成員運(yùn)算符 　 　
判斷語句 　 　
while循環(huán) 　 　
for循環(huán) 　 　
break語句 　 　
continue語句 　 　
數(shù)值型處理 　 　
異常概念的處理 　 　
遍歷指定目錄 　 　
讀取文件內(nèi)容并打印 　 　
文件保存 　 　
模塊引用 　 　 　
MySQL數(shù)據(jù)庫訪問 連接數(shù)據(jù)庫 　 　
獲取游標(biāo) 　 　
插入數(shù)據(jù) 　 　
修改數(shù)據(jù) 　 　
查詢數(shù)據(jù) 　 　
刪除數(shù)據(jù) 　 　
事務(wù)處理 　 　
關(guān)閉連接 　 　
面向?qū)ο?定義類 　 　
構(gòu)造函數(shù) 　 　
公共變量 　 　
私有變量 　 　
普通的方法 　 　
構(gòu)造函數(shù)重載 　 　
繼承 　 　
繼承方法重載 　 　
繼承普通方法 　 　
多繼承 　 　
任務(wù)2(數(shù)據(jù)分析Pandas之基礎(chǔ)) 數(shù)據(jù)讀取 pandas 數(shù)據(jù)讀取 　 　
Missing data 處理 　 　
DataFrame與Series DataFrame 重要屬性 　
行選取 　
Series 　 　
創(chuàng)建DataFrame 與 Series 　 　
分組 GroupBy 重要屬性 　 　
重要方法 　 　
Aggregation 　 　
Transformation 　 　
Filtration 　 　
任務(wù)3(數(shù)據(jù)分析Pandas之?dāng)?shù)據(jù)框) 索引 ioc 　 　
iioc 　 　
ix 　 　
應(yīng)用 　 　
其他 　 　
設(shè)置索引方法 索引必須在數(shù)據(jù)集里面 　 　
reset_index 　 　
多重索引 　 　 　
多表操作 pd.concat() 　 　
兩表組合 　 　
任務(wù)4(Numpy和可視化) Numpy 創(chuàng)建數(shù)組 　 　
random類創(chuàng)建隨機(jī)數(shù)組 　 　
重要屬性 　 　
重要方法 　 　
索引與切片 　 　
數(shù)組計(jì)算 　 　
線性代數(shù)計(jì)算 　 　
可視化 matplotlib 導(dǎo)入方式 　 　
條形圖 　 　
多圖形排列 　 　
圖形堆疊 　 　
散點(diǎn)圖 　 　
直方圖 　 　
箱形圖 　 　
pycharts 導(dǎo)入方式 　 　
餅圖 　 　
柱狀圖 　 　
條形圖 　 　
與matplotlib對比 　 　
任務(wù)5(電商網(wǎng)站與評論分析實(shí)戰(zhàn))(只看最后分析) 淘寶網(wǎng)數(shù)據(jù)分析需求 爬取淘寶數(shù)據(jù)存入數(shù)據(jù)庫 　 　
補(bǔ)全缺失數(shù)據(jù) 　 　
對一些極大值進(jìn)行異常處理 　 　
進(jìn)行數(shù)據(jù)處理，直方圖進(jìn)行展示 　 　
對直方圖進(jìn)行分析，分析出較優(yōu)的方案 　 　
讀取數(shù)據(jù)庫中的數(shù)據(jù) pymysql、numpy模塊 　 　
matplotlib、pandas模塊 　 　
data.describe()獲得的結(jié)果可獲得中間值 　 　
補(bǔ)全缺失數(shù)據(jù) NaN或者價(jià)格為0的一些商品 　 　
極大值進(jìn)行異常處理 改值處理法 　 　
刪除處理法 　 　
分布分析 求最值 　 　
計(jì)算極差 　 　
組距：極差/組數(shù) 　 　
繪制直方圖 　 　
分析與結(jié)論 　 　 　
任務(wù)6案例2(電信數(shù)據(jù)分析)(重點(diǎn)) 電信客戶流失數(shù)據(jù) 　 　 　
基于基站定位數(shù)據(jù)的商圈分析 　 　 　
基于用戶購買的精準(zhǔn)營銷定位 　 　 　
任務(wù)7(基于sklearn的機(jī)器學(xué)習(xí)) 機(jī)器學(xué)習(xí)概述 　 　 　
數(shù)據(jù)清洗和特征選擇 特征抽取 　 　
特征轉(zhuǎn)換 　 　
特征選擇 　 　
降維 　 　
算法種類 分類算法 常用分類 線性、決策樹、SVM、KNN，樸素貝葉斯
集成分類 隨機(jī)森林、Adaboost、GradientBoosting、Bagging、ExtraTrees
回歸算法 常用回歸 線性、決策樹、SVM、KNN
集成回歸 隨機(jī)森林、Adaboost、GradientBoosting、Bagging、ExtraTrees
聚類算法 k均值（K-means）、層次聚類（Hierarchical clustering）、DBSCAN 　
降維算法 LinearDiscriminantAnalysis、PCA 　
基于SKLearns的電信案例實(shí)戰(zhàn) 　 　 　
深度學(xué)習(xí)框架 深度學(xué)習(xí)概述 　 　
神經(jīng)網(wǎng)絡(luò) RNN循環(huán)神經(jīng)網(wǎng)絡(luò) 　
BP神經(jīng)網(wǎng)絡(luò) 　
CNN卷積神經(jīng)網(wǎng)絡(luò) 　
深度學(xué)習(xí)框架 Tensorflow 　
Keras 　
PyTorch 　
任務(wù)8(大數(shù)據(jù)與AI語法介紹) 自動(dòng)化運(yùn)維 Linux與數(shù)據(jù)庫腳本 　 　
Python+Spark sparkStreaming 　 　
人工智能開發(fā) Tensorflow 　 　 

天津大學(xué)(雙本)
英語、德語
微軟認(rèn)證講師
微軟金牌講師4年德國留學(xué)
15年應(yīng)用開發(fā)和數(shù)據(jù)處理從業(yè)經(jīng)歷
國內(nèi)使用Python作為數(shù)據(jù)處理工具的先行者
曾任職阿里擔(dān)任架構(gòu)師、搜狐擔(dān)任軟件工程師
參與多個(gè)大型項(xiàng)目、為全國各個(gè)培訓(xùn)機(jī)構(gòu)提供需求分析、各類軟件開發(fā)、軟件架構(gòu)

專業(yè)背景
軟件服務(wù)外包開發(fā)公司(開發(fā)以及團(tuán)隊(duì)管理)經(jīng)驗(yàn)
曾任職阿里擔(dān)任架構(gòu)師 3年
搜狐擔(dān)任軟件工程師 2年
天津經(jīng)濟(jì)技術(shù)開發(fā)區(qū)政府部門軟件系統(tǒng)開發(fā)維護(hù)經(jīng)驗(yàn)(開發(fā)以及團(tuán)隊(duì)管理)
德國留學(xué)4年
天津經(jīng)濟(jì)技術(shù)開發(fā)區(qū)大型制造型企業(yè)內(nèi)部軟件平臺開發(fā)維護(hù)經(jīng)驗(yàn)
15年培訓(xùn)行業(yè)經(jīng)驗(yàn)
主要課程
《軟件全棧開發(fā)》
《Linux 應(yīng)用與發(fā)展》
《大數(shù)據(jù) 與Spark實(shí)戰(zhàn)》
《Python程序編碼語言培訓(xùn)》
《面向架構(gòu)師的互聯(lián)網(wǎng)平臺架構(gòu)設(shè)計(jì)》
《微服務(wù)架構(gòu)與技術(shù)》
《基于大數(shù)據(jù)的企業(yè)運(yùn)維》
《Android8.0項(xiàng)目開發(fā)實(shí)戰(zhàn)》
強(qiáng)項(xiàng)授課

授課特點(diǎn)：
課程都是實(shí)戰(zhàn)性課程,培訓(xùn)的宗旨是要進(jìn)行課程的落地，通過接地氣的項(xiàng)目實(shí)戰(zhàn)，來使培訓(xùn)者能夠從一個(gè)小項(xiàng)目入手，然后逐步擴(kuò)大自己的視覺，完成最后的實(shí)戰(zhàn)開發(fā)，以下的內(nèi)容有別于以往的純技術(shù)點(diǎn)授課！
講師授課感受：
1.技術(shù)在于分享,用心做好每一件事情
2.不能忽悠受眾者
3.授課前需要了解客戶的課程后的真實(shí)的需求
4.根據(jù)用戶的需求來有針對性的制定有效的課程大綱
5.加強(qiáng)課程的互動(dòng)性，每天的課程每個(gè)受眾者平均會(huì)溝通至少10次以上
6.根據(jù)情況會(huì)安排所有的受眾者撰寫每日的培訓(xùn)日志總結(jié)
7.課堂上需要隨機(jī)應(yīng)變和現(xiàn)場發(fā)揮，來解答受眾者的問題，對于未能解答的問題保留相關(guān)的聯(lián)系方式尋求在24-48小時(shí)內(nèi)給出有效的解決方案
8.課堂上某些案例可以根據(jù)受眾者的實(shí)際的最終需求來模擬編寫，這樣，在課程結(jié)束后，受眾者會(huì)有一個(gè)大體的需求完成的輪廓
9.對一些該技術(shù)領(lǐng)域的新技術(shù)的總結(jié)和探索
10.一切不變的就是變化，所有的內(nèi)容會(huì)切以實(shí)際的以需求為準(zhǔn)來應(yīng)對