第一部分：線上實習（基礎(chǔ)部分共計35個課時）

學習時間

報名后即可開始學習

學習地址https://edu.tipdm.org/course/7（Python快速入門），備注：該部分內(nèi)容是前導課，請一定提前學習。

課程模塊

內(nèi)容

課時

Python基礎(chǔ)

1 準備工作

1.1 認識Python

1.2 搭建Python環(huán)境

1.3 安裝PyCharm并創(chuàng)建一個應聲蟲程序

2 Python基礎(chǔ)知識

2.1 掌握Python固定語法

2.2 創(chuàng)建字符串變量并提取里面的數(shù)值

2.3 計算圓形的各參數(shù)

3 Python數(shù)據(jù)結(jié)構(gòu)

3.1 創(chuàng)建一個列表（list）并進行增刪改查操作

3.2 轉(zhuǎn)換一個元組（tuple）并進行取值操作

3.3 創(chuàng)建一個字典（dict）并進行增刪改查操作

3.4 將兩個列表轉(zhuǎn)換為集合（set）并進行集合運算

4程序流程控制語句

4.1實現(xiàn)考試成績劃分

4.2實現(xiàn)一組數(shù)的連加與連乘

4.3使用冒泡排序法排序

4.4實訓（猜數(shù)字游戲）

5 函數(shù)

5.1自定義函數(shù)實現(xiàn)輸出方差

5.2使用匿名函數(shù)添加列表元素

5.3存儲并導入函數(shù)模塊

6 面向?qū)ο?/p>

6.1 認識面向?qū)ο缶幊?/p>

6.2 創(chuàng)建Car類

6.3 創(chuàng)建Car對象

6.4 迭代Car對象

6.5 產(chǎn)生Land_Rover對象（子類）

7 文件基礎(chǔ)

7.1 認識文件

7.2 讀取txt文件中的數(shù)據(jù)

7.3 保存數(shù)據(jù)為csv格式文件

7.4 認識os模塊

15

Python數(shù)據(jù)分析與應用

1 Python數(shù)據(jù)分析概述

1.1認識數(shù)據(jù)分析

1.2熟悉Python數(shù)據(jù)分析的工具

1.3安裝Python3的Anaconda發(fā)行版

1.4掌握Jupyter Notebook常用功能

2 NumPy數(shù)值計算基礎(chǔ)

2.1認識NumPy數(shù)組對象ndarray

2.2認識NumPy矩陣與通用函數(shù)

2.3利用NumPy進行統(tǒng)計分析

3 Matplotlib數(shù)據(jù)可視化基礎(chǔ)

3.1了解繪圖基礎(chǔ)語法與常用參數(shù)

3.2分析特征間的關(guān)系

3.3分析特征內(nèi)部數(shù)據(jù)分布與分散狀況

4 Pandas統(tǒng)計分析基礎(chǔ)

4.1讀寫不同數(shù)據(jù)源的數(shù)據(jù)

4.2掌握DataFrame的常用操作

4.3轉(zhuǎn)換與處理時間序列數(shù)據(jù)

5 使用Pandas進行數(shù)據(jù)預處理

5.1合并數(shù)據(jù)

5.2清洗數(shù)據(jù)

5.3標準化數(shù)據(jù)

5.4轉(zhuǎn)換數(shù)據(jù)

20

第二部分：線下實戰(zhàn)（實部分共計40個課時）

學習時間

2020年1月12-16日

日期

內(nèi)容

時間

第一天

報到

全天

第二天

大數(shù)據(jù)人才培養(yǎng)方案/課程設(shè)置分享

09:00-09:30

?

實戰(zhàn)任務說明及啟動

09:30-09:45

?

Python數(shù)據(jù)分析與處理實訓

實訓1開始了解你的數(shù)據(jù)-餐飲數(shù)據(jù)探索

實訓2數(shù)據(jù)過濾與排序-歐洲杯數(shù)據(jù)與分析

實訓3數(shù)據(jù)分組-酒類消費數(shù)據(jù)探索

實訓4Apply應用-犯罪數(shù)據(jù)探索與處理

實訓5數(shù)據(jù)框合并綜合應用

實訓6時間序列數(shù)據(jù)處理-股價數(shù)據(jù)分析與處理

實訓7統(tǒng)計分析-招聘數(shù)據(jù)探索與分析

09:45-12:00

14:00-17:00

第三天

機器學習算法挑戰(zhàn)賽與教學轉(zhuǎn)化

1 機器學習介紹

1.1有監(jiān)督學習：分類、回歸

1.2無監(jiān)督學習：聚類

1.3半監(jiān)督學習

1.4強化學習

2 算法挑戰(zhàn)賽：能力提升與教學轉(zhuǎn)化

2.1賽題分析

2.2數(shù)據(jù)準備

2.3數(shù)據(jù)預處理

2.4特征工程

2.5使用scikit-learn構(gòu)建模型

2.6集成學習

2.7成果提交

2.8案例總結(jié)與教學轉(zhuǎn)化

09:00-12:00

14:00-17:00

第四天

Python網(wǎng)絡(luò)爬蟲實戰(zhàn)

1 Python爬蟲環(huán)境與爬蟲簡介

1.1認識爬蟲

1.2認識反爬蟲

1.3配置Python爬蟲環(huán)境

2 網(wǎng)頁前端基礎(chǔ)

2.1認識Python網(wǎng)絡(luò)編程

2.2認識HTTP協(xié)議

3 簡單靜態(tài)網(wǎng)頁爬取

3.1實現(xiàn)HTTP請求

3.2解析網(wǎng)頁

3.3數(shù)據(jù)存儲

4 常規(guī)動態(tài)網(wǎng)頁爬取

4.1逆向分析爬取動態(tài)網(wǎng)頁

4.2使用Selenium庫爬取動態(tài)網(wǎng)頁

4.3存儲數(shù)據(jù)至MongoDB數(shù)據(jù)庫

5 模擬登錄

5.1使用表單登錄方法實現(xiàn)模擬登錄

5.2使用Cookie登錄方法實現(xiàn)模擬登錄

6 終端協(xié)議分析

7 項目實戰(zhàn)：大數(shù)據(jù)崗位招聘數(shù)據(jù)爬取及分析

09:00-12:00

14:00-17:00

第五天

人工智能應用實戰(zhàn)

1 TensorFlow安裝與入門

1.1 TensorFlow環(huán)境搭建

1.2 TensorFlow計算模型性:計算圖

1.3 TensorFlow數(shù)據(jù)模型:張量Tensor

1.4 TensorFlow運行模型:會話

2 TensorFlow數(shù)據(jù)類型

2.1 常量、變量及其構(gòu)建

2.2 TensorFlow實現(xiàn)線性回歸模型

2.3 操作：TensorFlow實現(xiàn)鳶尾花分類

3案例一：手寫數(shù)字識別

3.1 圖片預處理

3.2 占位符:placeholder

3.3 操作：利用TensorFlow實現(xiàn)SoftMax網(wǎng)絡(luò)對手寫數(shù)字識別

4案例二：基于深度神經(jīng)網(wǎng)絡(luò)的車牌號識別

4.1數(shù)據(jù)讀取

4.2定位并截取車牌圖片

4.3灰度處理車牌圖片

4.4降噪處理車牌圖片

4.5車牌分割

4.6卷積神經(jīng)網(wǎng)絡(luò)（CNN）的處理層構(gòu)建

4.7定義損失函數(shù)、優(yōu)化器

4.8計算正確率

4.9執(zhí)行訓練并保存模型

4.10模型調(diào)用并測試評估

09:00-12:00

14:00-17:00

?

第六天

大數(shù)據(jù)企業(yè)參觀訪學習