基于Python的基礎編程、數(shù)據(jù)分析與可視化、人工智能項目實戰(zhàn)
一級 二級 細節(jié)1 細節(jié)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(fā)與項目迭代展示 　 　 　

任務1(語法基礎) 環(huán)境配置 　 　 　
基礎語法 函數(shù)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(zhuǎn)換 　 　
運算符系列 　 　
成員運算符 　 　
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 　 　
插入數(shù)據(jù) 　 　
修改數(shù)據(jù) 　 　
查詢數(shù)據(jù) 　 　
刪除數(shù)據(jù) 　 　
事務處理 　 　
關閉連接 　 　
面向?qū)ο?定義類 　 　
構造函數(shù) 　 　
公共變量 　 　
私有變量 　 　
普通的方法 　 　
構造函數(shù)重載 　 　
繼承 　 　
繼承方法重載 　 　
繼承普通方法 　 　
多繼承 　 　
任務2(Pandas之基礎語法1) 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(shù)據(jù)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(chuàng)建數(shù)組 　 　
random類創(chuàng)建隨機數(shù)組 　 　
重要屬性 　 　
重要方法 　 　
索引與切片 　 　
數(shù)組計算 　 　
線性代數(shù)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(shù)據(jù)分析與可視化) 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 　 　
補全缺失數(shù)據(jù) 　 　
對一些極大值進行異常處理 　 　
進行數(shù)據(jù)處理，直方圖進行展示 　 　
對直方圖進行分析，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 　 　
補全缺失數(shù)據(jù) 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(shù) 　 　
繪制直方圖 　 　
分析與結(jié)論 　 　 　
任務6案例2(電信數(shù)據(jù)分析)(重點) 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營銷定位 　 　 　

任務7(基于sklearn的機器學習) 機器學習概述 　 　 　
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(zhàn) 　 　 　
深度學習框架 深度學習概述 　 　
神經(jīng)網(wǎng)絡 RNN循環(huán)神經(jīng)網(wǎng)絡 　
BP神經(jīng)網(wǎng)絡 　
CNN卷積神經(jīng)網(wǎng)絡 　
深度學習框架 Tensorflow 　
Keras 　
PyTorch 　
任務8(大數(shù)據(jù)與AI語法介紹) 自動化運維 Linux與數(shù)據(jù)庫腳本 　 　
Python+Spark sparkStreaming 　 　
人工智能開發(fā) Tensorflow 　 　 

天津大學(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(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(fā)、軟件架構

專業(yè)背景
軟件服務外包開發(fā)公司(開發(fā)以及團隊管理)經(jīng)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(jīng)濟技術開發(fā)區(qū)政府部門軟件系統(tǒng)開發(fā)維護經(jīng)驗(開發(fā)以及團隊管理)
德國留學4年
天津經(jīng)濟技術開發(fā)區(qū)大型制造型企業(yè)內(nèi)部軟件平臺開發(fā)維護經(jīng)驗
15年培訓行業(yè)經(jīng)驗
主要課程
《軟件全棧開發(fā)》
《Linux 應用與發(fā)展》
《大數(shù)據(jù) 與Spark實戰(zhàn)》
《Python程序編碼語言培訓》
《面向架構師的互聯(lián)網(wǎng)平臺架構設計》
《微服務架構與技術》
《基于大數(shù)據(jù)的企業(yè)運維》
《Android8.0項目開發(fā)實戰(zhàn)》
強項授課

授課特點：
課程都是實戰(zhàn)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(zhàn)，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(zhàn)開發(fā)，以下的內(nèi)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(jù)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(jù)情況會安排所有的受眾者撰寫每日的培訓日志總結(jié)
7.課堂上需要隨機應變和現(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的聯(lián)系方式尋求在24-48小時內(nèi)給出有效的解決方案
8.課堂上某些案例可以根據(jù)受眾者的實際的最終需求來模擬編寫，這樣，在課程結(jié)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(jié)和探索
10.一切不變的就是變化，所有的內(nèi)容會切以實際的以需求為準來應對