IIntroduction 课程介绍 Python人工智能精品班 从基础到实战，打造人工智能领域的全能人才 在当今数字化时代，人工智能已成为推动社会进步和产业升级的重要力量。为了满足市场对人工智能人才的需求，本课程结合当前市场趋势，通过系统化的教学，带领学员从Python基础开发入手，逐步掌握数据分析、数据挖掘以及人工智能和机器学习的前沿技术。无论你是编程新手还是希望转型人工智能领域的专业人士，本课程都将为你提供全面、实用的知识体系，助力你成为人工智能领域的佼佼者。 OTeaching objectives 教学目标 01-掌握Python 编程基础 02-精通数据分析 与挖掘技术 03-具备人工智能与 机器学习实战能力 PTeaching program 教学大纲 Python开发基础 Fundamentals of Python Development 1.1 Python基础 -Python开发环境搭建，Anaconda安装，PyCharm安装，Python环境配置，Python程序的调试和运行 -文件类型、编码规则、变量和常量、数据类型、运算符和表达式 -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 -Jupyter使用，变量，数据类型，字符串，数值，布尔，列表，元祖，字典，集合，Python输入输出，Python循环，Python分支 -函数初步、细说参数、变量作用域、递归调用 -字符串相关-string、列表-list、 元组-tuple、 集合-set、 字典-dict 1.2 Python基础（提升） -文件基本操作、目录操作、文件和流、文件处理实例 -概述、类和对象、属性和方法、继承、重载、设计模式 -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 -异常处理、Pythonwin调试程序、Pycharm调试程序 -管理目录与文件；日志管理；Python文件管理案例；Python控制服务器 -Python多线程、 Python网络编程、 Python GUI编程，面向对象概述；封装；多态；Python开发环境搭建；网络编程；进程与线程 Python数据分析及挖掘 Python Data Analysis and Mining 2.1 数据整理和数据清洗 -Numpy中的数据类型--ndarray数组的创建；Numpy数组基础：索引、切片、变形、分裂 -Numpy数组运算：通用函数；Numpy数组变形、拼接 -Numpy数组计算：广播、聚合、比较和掩码、数组排序 -Pandas对象简介：Series、Dataframe、Index；Pandas数据加载与存储 -Pandas数值运算方法：通用函数、聚合函数、遍历；Panda层次化索引 -Pandas数据处理：数据类型转换、缺失值处理、字符串转换；Pandas数据表的合并与连接；Pandas数据的累计与分组 -高性能Pandas：query（）、eval（）实现高性能运算 -Pandas数据规整化：清理、转换、合并、重塑；Pandas时间序列&金融数据处理 2.2 数据可视化技术 -绘图思想的基本原理；Python数据可视化包-Matplotlib介绍 -使用Matplotlib进行基本的图形绘制；使用Python数据处理包Pandas做可视化 -Python数据可视化包-Seaborn介绍与图形绘制 -Python数据可视化包-Pyecharts介绍与图形绘制 -使用Python进行地图绘制-Pyecharts；数据可视化技巧 2.3 数据挖掘 -数据挖掘概要，数据挖掘方法论 -基础数据挖掘技术，进阶数据挖掘技术 -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 Python人工智能及机器学习 Python Artificial Intelligence and Machine Learning 3.1 机器学习中的典型算法 -机器学习框架 -模型评估方法，偏差与方差，混淆矩阵/准确率/精确率/召回率，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， 一元/多元， 多项式 -线性回归，岭回归，随机梯度下降法，交叉验证 -逻辑回归，二分类，多分类 -K近邻算法，kNN回归，kNN分类 3.2 机器学习中的典型算法进阶 -决策树，回归数，分类树，模型参数网络搜索，随机森林 -朴素贝叶斯，高斯贝叶斯分类器，多项式贝叶斯分类器，伯努利贝贝叶斯分类器 -支持向量机，核函数，SVC，SVR -人工神经网络，感知器，神经网络 3.3 机器学习中的典型算法扩展 -无监督学习聚类，Kmean -集成学习方法，Adaboost，Gradientboosting，RandomForest -关联分析-Apriori算法，频繁项集，关联规则 -关联分析-FP-growth算法，FP树 3.4 深度学习初步 -深度学习简介，深度学习引入，深度学习历史，深度学习应用，TensorFlow -TensorFlow入门计算模型，数据模型，运行模型，TensorFlow实现神经网络 -深度学习模型改进，MNIST数据处理，模型训练及对比，变量管理，模型持久化 3.5 深度学习进阶 -卷积神经网络，图像识别问题，卷积神经网络，卷积神经网络常用结构，典型卷积神经网络模型 -图像数据处理，TFRecord输入数据格式，图像数据处理，数据集框架 -Tensorflow高层封装，Keras，Estimator -TensorBoard可视化，TensorBoard计算图可视化，监控指标可视化，高维向量可视化 了解课程详情 DDevelopment direction 发展方向 多金三步走 网络运维工程师“钱”景无限 三大职业阶段，零基础逐级进阶高级运维安全工程师 CQualification / certificate 资质/证书 权威证书，网络工程师的黄金认证 两大国际IT认证，标准化教学，打造核心技术人才 网络基础知识 网络链接方法 网络建造 故障排除 华为数通设备的安装和调试 网络基础 路由器交换机原理 TCP/IP 路由协议 访问控制 华为产品介绍 SDN VXLAN 网络通信原理 思科设备管理与配置 中小型企业网交换技术 小型企业网路由技术 互联网访问技术 企业网常用网络架构 路由基础知识 路由提升进阶 交换基础模块 交换模块高级应用 中大型交换网络冗余应用 中大型交换网安全应用 中大型网络路由应用 ATeaching advantages 教学优势 非凡实力，助你成就非凡人生 非凡教育每年培养上千学员从课堂到社会，20年深耕职业教育，致力培养企业需要的全能型人才 专业专注 非凡教育8大学习中心 20年职业教育办学经验 口碑沉淀有保障 师资力量 师资团队平均教龄10年以上 多年一线项目实战经验 全职讲师全身心传授专业知识 教学服务 线上线下 OMO教学模式 小班教学 确保学有所成 自主研发教辅材料 让学习更高效 非凡OMO即 Online-Merge-Offline(线上，线下的融合) OMO学习方式就是把传统面授学习与线上网络化学习相融合，线下支持线上，线上赋能线下，相辅相成 SPPHA teaching system PPHA PPHA学习系统，科学辅助攻克学习难点 非凡教育研发的闭环教学模式，将课堂教学和课后考评紧密结合，零基础也能快速入门 预习 提前预习 让上课更高效 练习 分段教学 讲练结合更易懂 作业 课后3小时制度 升华课堂内容 辅导 讲师亲临辅导 及时解决疑惑 查评 收查点评作业 针对性解决问题 考核 层层阶段考核 确保稳步前行 JJob service 就业服务 多重企业合作模式，实现人才输出一体化 6大就业服务保障，为学员的就业安置保驾护航 ETeaching environment 教学环境 非凡教育匠心打造优质的学习环境 每一处细节都是非凡的温度