大數(shù)據(jù)分析師是指基于各種分析手段對大數(shù)據(jù)進行科學分析、挖掘、展現(xiàn)并用于決策支持,大數(shù)據(jù)分析師可以使企業(yè)清晰的了解到企業(yè)現(xiàn)狀與競爭環(huán)境,風險評判與決策支持。
是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應用系統(tǒng)的一門新的技術(shù)科學。該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。
python開發(fā)工程師需要理解項目和設(shè)計需求,為用戶呈現(xiàn)更好的前臺界面交互體驗和后臺的管理標準線,讓程序在服務器穩(wěn)定有效運行,實現(xiàn)更大化的商業(yè)價值。
Python游戲開發(fā)工程師是指通過Python語言對客戶端架構(gòu)設(shè)計、模塊劃分、編輯器規(guī)劃、引擎維護等,完成游戲架構(gòu)及各大功能的設(shè)計、開發(fā)、調(diào)試,負責游戲開發(fā)工具和運營維護工具的設(shè)計與開發(fā)。
負責搜索引擎相關(guān)項目的系統(tǒng)調(diào)研、代碼編制、軟件測試、軟件維護、軟件文檔制作等與軟件開發(fā)有關(guān)的工作。參與搜索引擎核心技術(shù)的研發(fā)工作;評估、分析、建議客戶網(wǎng)站的關(guān)鍵詞,開發(fā)網(wǎng)站的外部鏈接的方法和網(wǎng)址。
Python爬蟲開發(fā)工程師負責抓取和管理網(wǎng)站數(shù)據(jù),通過Python工具分析用戶的商業(yè)機會,為公司和開發(fā)提供科學的數(shù)據(jù)依據(jù)。
課程設(shè)置層層遞進,0基礎(chǔ)入門也能掌握。重金聘請業(yè)內(nèi)大牛,全職坐鎮(zhèn)中公教育。小班制教學,制度規(guī)范,學習氛圍濃厚。真實案例詳解,學員必須親手操刀實戰(zhàn)。從入學到入職,整體跟蹤反饋,提供幫助。
課程大綱拔苗助長,小白跟不上進度,知識點無法吸收掌握。低薪聘請python新手做講師或大量兼職講師,項目不新技術(shù)不熟。大班制教學講師精力不夠或者視頻授課反饋不及時,沒有學習氛圍。教學大綱偏理論,實戰(zhàn)項目早已過時。畢業(yè)前,就業(yè)輔導只告訴學員如何讓面試;畢業(yè)后,對學員就職滿意度不關(guān)心。
Python開發(fā)基礎(chǔ) |
||
課程內(nèi)容 | 課程知識點 | 培養(yǎng)目標 |
基礎(chǔ)語法 | Python簡史、應用場景;Python當前發(fā)展、開發(fā)環(huán)境搭建 注釋、輸入和輸出、變量與常量、Python數(shù)據(jù)類型、類型轉(zhuǎn)換、運算符和表達式、條件控制語句 循環(huán)語句、break和continue控制語句、循環(huán)嵌套 字符串介紹、字符串的輸出/輸入、下標和切片、字符串常見操作 列表、深拷貝/淺拷貝、元組、字典、集合操作、推導式 函數(shù)的概念、函數(shù)的定義和調(diào)用;函數(shù)參數(shù)、關(guān)鍵字參數(shù)、不定長參數(shù);函數(shù)的返回值、函數(shù)的嵌套調(diào)用、函數(shù)應用案例、遞歸函數(shù)、匿名函數(shù);變量作用域、全局變量和局部變量、命名空間、閉包 異常概述、Try/except、Finally、Raise、with語句 Python模塊基本使用、搜索路徑、DIY自己的模塊、包、常用模塊 | 前期通過學習常量變量的使用,運算符的使用,流程控制的使用,函數(shù)的定義和使用,容器處理方法,字符串處理方法,日期時間處理方法等,掌握Python編程語言基礎(chǔ)內(nèi)容;中期主要涉及OOP基礎(chǔ)知識,學習后應該能自己處理OOP問題,具有初步軟件工程知識并樹立模塊化編程思想 |
面向?qū)ο笈c設(shè)計模式 | 面向?qū)ο缶幊探榻B、類和對象、類的定義、對象的創(chuàng)建、self的作用、對象成員訪問控制權(quán)限 單繼承、多繼承;實例屬性和類屬性;多態(tài) 魔法函數(shù)概述、構(gòu)造類魔法函數(shù)、運算類魔法函數(shù) 裝飾器、修飾符、迭代器、生成器 單例模式、策略模式、觀察者模式 | |
文件系統(tǒng) | 文件介紹、文件的打開與關(guān)閉、文件的讀寫 | |
網(wǎng)絡編程 | 網(wǎng)絡通信過程及tcp協(xié)議、udp協(xié)議、http協(xié)議;套接字、數(shù)據(jù)報套接字編程、廣播和組播;poll方法和epoll方法 | |
多任務 | 進程、進程池、進程內(nèi)的通信;GIL全局解釋鎖、線程、多線程數(shù)據(jù)同步、互斥鎖、死鎖、ThreadLocal、異步、協(xié)程 | |
數(shù)據(jù)結(jié)構(gòu)+算法 | 數(shù)據(jù)結(jié)構(gòu)的存儲方式、邏輯結(jié)構(gòu)與物理結(jié)構(gòu);線性表、線性表的順序存取和鏈式存取、雙向鏈表;棧和隊列、循環(huán)隊列;樹、二叉樹、滿二叉樹、構(gòu)建二叉搜索樹 查找算法:二分法查找;排序算法:冒泡排序、直接插入排序、選擇排序、快速排序 | |
《消消樂》、《最強彈一彈》、《微信跳一跳》(任選其一) | 分析項目需求,理解項目的算法,熟練掌握python軟件開發(fā)技術(shù),深入理解python語言精髓 | |
Python全棧開發(fā) |
||
課程內(nèi)容 | 課程知識點 | 培養(yǎng)目標 |
靜態(tài)頁面 | HTML簡介、基本語法、常用標簽、表單元素 CSS簡介、基本語法、選擇器、常用樣式、DIV+CSS布局 HTML5簡介、視頻、音頻、HTML5表單;CSS3簡介、常用樣式 |
具備可掌握的核心能力: 1、可根據(jù)產(chǎn)品原型圖開發(fā)網(wǎng)站的前端界面; 2、可根據(jù)業(yè)務流程圖開發(fā)網(wǎng)站的后臺業(yè)務; 3、可根據(jù)web框架設(shè)計,開發(fā)對應的數(shù)據(jù)庫; 4、緩存服務器的操作和設(shè)計; 5、異步任務的實現(xiàn) 6、掌握Linux操作系統(tǒng)的基礎(chǔ)知識 |
頁面框架 | JavaScript簡介、基本語法、變量、數(shù)據(jù)類型、運算符、流程控制、函數(shù)、數(shù)組、DOM操作、BOM操作、事件編程、內(nèi)置對象、正則表達式等 jQuery簡介、基本語法、常用選擇器、jQuery事件、jQuery操作DOM、jQuery遍歷、 Ajax、jQuery操作HTML、CSS,jQuery遍歷等 Vue.js基礎(chǔ)、模塊化、單文件組件、路由、與服務器通信、狀態(tài)管理、單元測試、生產(chǎn)發(fā)布 | |
數(shù)據(jù)庫 | Mysql簡介、常用操作、設(shè)計及復雜查詢、事務、存儲過程、觸發(fā)器、日志、數(shù)據(jù)恢復、mysql優(yōu)化、Python操作mysql | |
Linux操作系統(tǒng) | 常見Linux操作系統(tǒng)的介紹、Ubuntu操作系統(tǒng)使用、Ubuntu軟件安裝與卸載 文件和目錄操作命令、文件屬性修改命令、查找與檢索命令、壓縮包管理、其他命令、常用服務器ftp/ssh、編輯器vim/sublime/gedit/pycharm | |
服務器集群架構(gòu) | Docker、Nginx、集群、高可用網(wǎng)絡、keepalive、zookeeper | |
網(wǎng)絡爬蟲 |
||
課程內(nèi)容 | 課程知識點 | 培養(yǎng)目標 |
爬蟲與數(shù)據(jù) | 爬蟲原理與數(shù)據(jù)爬??;B/S和C/S架構(gòu);Get/Post請求模式;網(wǎng)絡請求模塊:urllib和requests;代理服務器和偽造網(wǎng)絡請求頭;加密數(shù)據(jù)破解 結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)提取、Fiddler代理器 數(shù)據(jù)提取模塊:正則、xpath 反爬蟲策略;Selenium/PhantomJS;模擬用戶行為:登錄狀態(tài)、按鈕點擊、JS頁面元素獲取等操作 |
可掌握的核心能力 1、 掌握爬蟲的工作原理和設(shè)計思想; 2、 掌握反爬蟲機制; 3、 通過學習NoSql數(shù)據(jù)庫和Scrapy-redis框架,可以獨立運用分布式爬蟲框架實現(xiàn)海量數(shù)據(jù)的爬取 4、 熟練掌握使用scrapy框架和Mongodb實現(xiàn)海量數(shù)據(jù)的爬取 |
Scrapy框架 | Scrapy框架原理;自定義數(shù)據(jù)模型、請求中間件;爬蟲去重;日志;下載中間件結(jié)合Selenium;代理服務器 | |
Mongodb+Redis | Mongodb簡介、安裝、常見操作、高級特性以及在Python中操作Mongodb代碼實現(xiàn) | |
Scrapy-redis框架 | 爬蟲分布式原理解析;Scrapy-redis分布式組件;定制化的爬蟲采集系統(tǒng);處理數(shù)據(jù)的抓取和解析存儲 | |
數(shù)據(jù)分析+人工智能 |
||
課程內(nèi)容 | 課程知識點 | 培養(yǎng)目標 |
數(shù)據(jù)分析-基礎(chǔ)內(nèi)容 | 常用的隨機變量的數(shù)字特征、根據(jù)隨機變量的分布求解隨機變量函數(shù)的數(shù)字特征 |
可掌握的核心能力
1、掌握常用的機器學習算法 2、掌握 PaddlePaddle 基本概念,計算模型和原理;
3、掌握訓練過程優(yōu)化方法與問題優(yōu)化
|
數(shù)據(jù)分析-模塊學習 | Numpy數(shù)值計算基礎(chǔ)、Pandas統(tǒng)計分析、獲取數(shù)據(jù)與特征工程、模型訓練 | |
數(shù)據(jù)分析-數(shù)據(jù)清洗 | 檢測處理重復、缺失、異常值;離散化連續(xù)型數(shù)據(jù);特征選擇、構(gòu)建新特征等特征工程方法;熟悉數(shù)據(jù)預處理方法 | |
數(shù)據(jù)分析-特征工程和結(jié)果可視化 | Python繪圖基本語法、參數(shù)設(shè)置、分析特征內(nèi)部數(shù)據(jù)分布與分散情況;掌握常用的幾種Python可視化的方法 | |
人工智能—機器學習 | map函數(shù)、filter函數(shù)、sorted函數(shù)、eval()、exec()函數(shù) 關(guān)聯(lián)算法-掌握Apriori算法與FP-growth算法原理,熟悉頻繁項的挖掘與常用剪枝策略、與關(guān)聯(lián)規(guī)則 分類算法—掌握決策樹算法、隨機森林、KNN 、SVM及樸素貝葉斯算法原理,熟悉集成學習(Bagging、Boosing)對于分類算法的優(yōu)化過程,掌握數(shù)據(jù)降維方法應用 聚類算法—掌握Kmeans,理解聚類算法與分類算法的區(qū)別,理解聚類算法的優(yōu)缺點 回歸算法—主流回歸模型,線性回歸,邏輯回歸 LR 及其變種和擴展算法;梯度下降,邏輯回歸最優(yōu)化問題的求解 | |
人工智能—深度學習 | 基于PaddlePaddle深度學習框架講解 深度學習正則化概述,模型擬合與過擬合問題 神經(jīng)網(wǎng)絡算法—垃圾郵件與反欺詐 圖像識別技術(shù)—手寫數(shù)字識別 強化深度學習—AlphaGo相關(guān)技術(shù) | |
人工智能-拓展課程 | 人工智能-拓展課程 |
課室 (2)
五方橋校區(qū)環(huán)境
門面
五方橋宿舍
¥22800課時:21天
¥20800課時:100課時
¥22800課時:367課時
¥24300課時:365課時
¥20800課時:168課時
¥20800課時:168課時
¥20800課時:161課時
¥18800課時:160課時
¥16800課時:160課時
¥24300課時:160課時
¥詢價課時:詳詢
¥詢價課時:詳詢
¥詢價課時:詳詢
¥詢價課時:詳詢
¥詢價課時:詳詢
¥詢價課時:詳詢
¥詢價課時:詳詢
¥詢價課時:詳詢
¥詢價課時:詳詢
¥詢價課時:詳詢