基于Python的基礎編程、數據分析與可視化、人工智能項目實戰
一級 二級 細節1 細節2 備注
任務0(前期準備) 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 　 　 　
小組分工與項目 　 　 　
敏捷開發與項目迭代展示 　 　 　

任務1(語法基礎) 環境配置 　 　 　
基礎語法 函數定義體驗 　 　
全局變量定義 　 　
輸出變量 　 　
查看某個變量的類型 　 　
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 　 　
字符轉換 　 　
運算符系列 　 　
成員運算符 　 　
判斷語句 　 　
while循環 　 　
for循環 　 　
break語句 　 　
continue語句 　 　
數值型處理 　 　
異常概念的處理 　 　
遍歷指定目錄 　 　
讀取文件內容并打印 　 　
文件保存 　 　
模塊引用 　 　 　
MySQL數據庫訪問 連接數據庫 　 　
獲取游標 　 　
插入數據 　 　
修改數據 　 　
查詢數據 　 　
刪除數據 　 　
事務處理 　 　
關閉連接 　 　
面向對象 定義類 　 　
構造函數 　 　
公共變量 　 　
私有變量 　 　
普通的方法 　 　
構造函數重載 　 　
繼承 　 　
繼承方法重載 　 　
繼承普通方法 　 　
多繼承 　 　
任務2(Pandas之基礎語法1) 數據讀取 pandas 數據讀取 　 　
Missing data 處理 　 　
DataFrame與Series DataFrame 重要屬性 　
行選取 　
Series 　 　
創建DataFrame 與 Series 　 　
分組 GroupBy 重要屬性 　 　
重要方法 　 　
Aggregation 　 　
Transformation 　 　
Filtration 　 　
任務3(Pandas之基礎語法2) 索引 ioc 　 　
iioc 　 　
ix 　 　
應用 　 　
其他 　 　
設置索引方法 索引必須在數據集里面 　 　
reset_index 　 　
多重索引 　 　 　
多表操作 pd.concat() 　 　
兩表組合 　 　
任務4(Numpy和可視化基礎語法) Numpy 創建數組 　 　
random類創建隨機數組 　 　
重要屬性 　 　
重要方法 　 　
索引與切片 　 　
數組計算 　 　
線性代數計算 　 　
可視化 matplotlib 導入方式 　 　
條形圖 　 　
多圖形排列 　 　
圖形堆疊 　 　
散點圖 　 　
直方圖 　 　
箱形圖 　 　
pycharts 導入方式 　 　
餅圖 　 　
柱狀圖 　 　
條形圖 　 　
與matplotlib對比 　 　
任務5(電商數據分析與可視化) 淘寶網數據分析需求 爬取淘寶數據存入數據庫 　 　
補全缺失數據 　 　
對一些極大值進行異常處理 　 　
進行數據處理，直方圖進行展示 　 　
對直方圖進行分析，分析出較優的方案 　 　
讀取數據庫中的數據 pymysql、numpy模塊 　 　
matplotlib、pandas模塊 　 　
data.describe()獲得的結果可獲得中間值 　 　
補全缺失數據 NaN或者價格為0的一些商品 　 　
極大值進行異常處理 改值處理法 　 　
刪除處理法 　 　
分布分析 求最值 　 　
計算極差 　 　
組距：極差/組數 　 　
繪制直方圖 　 　
分析與結論 　 　 　
任務6案例2(電信數據分析)(重點) 電信客戶流失數據 　 　 　
基于基站定位數據的商圈分析 　 　 　
基于用戶購買的精準營銷定位 　 　 　

任務7(基于sklearn的機器學習) 機器學習概述 　 　 　
數據清洗和特征選擇 特征抽取 　 　
特征轉換 　 　
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的電信案例實戰 　 　 　
深度學習框架 深度學習概述 　 　
神經網絡 RNN循環神經網絡 　
BP神經網絡 　
CNN卷積神經網絡 　
深度學習框架 Tensorflow 　
Keras 　
PyTorch 　
任務8(大數據與AI語法介紹) 自動化運維 Linux與數據庫腳本 　 　
Python+Spark sparkStreaming 　 　
人工智能開發 Tensorflow 　 　 

天津大學(雙本)
英語、德語
微軟認證講師
微軟金牌講師4年德國留學
15年應用開發和數據處理從業經歷
國內使用Python作為數據處理工具的先行者
曾任職阿里擔任架構師、搜狐擔任軟件工程師
參與多個大型項目、為全國各個培訓機構提供需求分析、各類軟件開發、軟件架構

專業背景
軟件服務外包開發公司(開發以及團隊管理)經驗
曾任職阿里擔任架構師 3年
搜狐擔任軟件工程師 2年
天津經濟技術開發區政府部門軟件系統開發維護經驗(開發以及團隊管理)
德國留學4年
天津經濟技術開發區大型制造型企業內部軟件平臺開發維護經驗
15年培訓行業經驗
主要課程
《軟件全棧開發》
《Linux 應用與發展》
《大數據 與Spark實戰》
《Python程序編碼語言培訓》
《面向架構師的互聯網平臺架構設計》
《微服務架構與技術》
《基于大數據的企業運維》
《Android8.0項目開發實戰》
強項授課

授課特點：
課程都是實戰性課程,培訓的宗旨是要進行課程的落地，通過接地氣的項目實戰，來使培訓者能夠從一個小項目入手，然后逐步擴大自己的視覺，完成最后的實戰開發，以下的內容有別于以往的純技術點授課！
講師授課感受：
1.技術在于分享,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的需求
4.根據用戶的需求來有針對性的制定有效的課程大綱
5.加強課程的互動性，每天的課程每個受眾者平均會溝通至少10次以上
6.根據情況會安排所有的受眾者撰寫每日的培訓日志總結
7.課堂上需要隨機應變和現場發揮，來解答受眾者的問題，對于未能解答的問題保留相關的聯系方式尋求在24-48小時內給出有效的解決方案
8.課堂上某些案例可以根據受眾者的實際的最終需求來模擬編寫，這樣，在課程結束后，受眾者會有一個大體的需求完成的輪廓
9.對一些該技術領域的新技術的總結和探索
10.一切不變的就是變化，所有的內容會切以實際的以需求為準來應對