基于Python的基礎、數據可視化、人工智能項目實(shí)戰

基于Python的基礎編程、數據分析與可視化、人工智能項目實(shí)戰
一級 二級 細節1 細節2 備注
任務(wù)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(kāi)發(fā)與項目迭代展示 　 　 　

任務(wù)1(語(yǔ)法基礎) 環(huán)境配置 　 　 　
基礎語(yǔ)法 函數定義體驗 　 　
全局變量定義 　 　
輸出變量 　 　
查看某個(gè)變量的類(lèi)型 　 　
變量刪除測試 　 　
字符串訪(fǎng)問(wèn) 　 　
控制臺輸出 　 　
重定向語(yǔ)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(yǔ)句 　 　
while循環(huán) 　 　
for循環(huán) 　 　
break語(yǔ)句 　 　
continue語(yǔ)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(fǎng)問(wèn) 連接數據庫 　 　
獲取游標 　 　
插入數據 　 　
修改數據 　 　
查詢(xún)數據 　 　
刪除數據 　 　
事務(wù)處理 　 　
關(guān)閉連接 　 　
面向對象 定義類(lèi) 　 　
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(wù)2(Pandas之基礎語(yǔ)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(chuàng )建DataFrame 與 Series 　 　
分組 GroupBy 重要屬性 　 　
重要方法 　 　
Aggregation 　 　
Transformation 　 　
Filtration 　 　
任務(wù)3(Pandas之基礎語(yǔ)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(wù)4(Numpy和可視化基礎語(yǔ)法) Numpy 創(chuàng )建數組 　 　
random類(lèi)創(chuàng )建隨機數組 　 　
重要屬性 　 　
重要方法 　 　
索引與切片 　 　
數組計算 　 　
線(xiàn)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(diǎn)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(wù)5(電商數據分析與可視化) 淘寶網(wǎng)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(jìn)行異常處理 　 　
進(jìn)行數據處理，直方圖進(jìn)行展示 　 　
對直方圖進(jìn)行分析，分析出較優(yōu)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(jià)格為0的一些商品 　 　
極大值進(jìn)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(wù)6案例2(電信數據分析)(重點(diǎn)) 電信客戶(hù)流失數據 　 　 　
基于基站定位數據的商圈分析 　 　 　
基于用戶(hù)購買(mǎi)的精準營(yíng)銷(xiāo)定位 　 　 　

任務(wù)7(基于sklearn的機器學(xué)習) 機器學(xué)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(lèi) 分類(lèi)算法 常用分類(lèi) 線(xiàn)性、決策樹(shù)、SVM、KNN，樸素貝葉斯
集成分類(lèi) 隨機森林、Adaboost、GradientBoosting、Bagging、ExtraTrees
回歸算法 常用回歸 線(xiàn)性、決策樹(shù)、SVM、KNN
集成回歸 隨機森林、Adaboost、GradientBoosting、Bagging、ExtraTrees
聚類(lèi)算法 k均值（K-means）、層次聚類(lèi)（Hierarchical clustering）、DBSCAN 　
降維算法 LinearDiscriminantAnalysis、PCA 　
基于SKLearns的電信案例實(shí)戰 　 　 　
深度學(xué)習框架 深度學(xué)習概述 　 　
神經(jīng)網(wǎng)絡(luò ) RNN循環(huán)神經(jīng)網(wǎng)絡(luò ) 　
BP神經(jīng)網(wǎng)絡(luò ) 　
CNN卷積神經(jīng)網(wǎng)絡(luò ) 　
深度學(xué)習框架 Tensorflow 　
Keras 　
PyTorch 　
任務(wù)8(大數據與AI語(yǔ)法介紹) 自動(dòng)化運維 Linux與數據庫腳本 　 　
Python+Spark sparkStreaming 　 　
人工智能開(kāi)發(fā) Tensorflow 　 　 

天津大學(xué)(雙本)
英語(yǔ)、德語(yǔ)
微軟認證講師
微軟金牌講師4年德國留學(xué)
15年應用開(kāi)發(fā)和數據處理從業(yè)經(jīng)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(gè)大型項目、為全國各個(gè)培訓機構提供需求分析、各類(lèi)軟件開(kāi)發(fā)、軟件架構

專(zhuān)業(yè)背景
軟件服務(wù)外包開(kāi)發(fā)公司(開(kāi)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(shù)開(kāi)發(fā)區政府部門(mén)軟件系統開(kāi)發(fā)維護經(jīng)驗(開(kāi)發(fā)以及團隊管理)
德國留學(xué)4年
天津經(jīng)濟技術(shù)開(kāi)發(fā)區大型制造型企業(yè)內部軟件平臺開(kāi)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(kāi)發(fā)》
《Linux 應用與發(fā)展》
《大數據 與Spark實(shí)戰》
《Python程序編碼語(yǔ)言培訓》
《面向架構師的互聯(lián)網(wǎng)平臺架構設計》
《微服務(wù)架構與技術(shù)》
《基于大數據的企業(yè)運維》
《Android8.0項目開(kāi)發(fā)實(shí)戰》
強項授課

授課特點(diǎn)：
課程都是實(shí)戰性課程,培訓的宗旨是要進(jìn)行課程的落地，通過(guò)接地氣的項目實(shí)戰，來(lái)使培訓者能夠從一個(gè)小項目入手，然后逐步擴大自己的視覺(jué)，完成最后的實(shí)戰開(kāi)發(fā)，以下的內容有別于以往的純技術(shù)點(diǎn)授課！
講師授課感受：
1.技術(shù)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(hù)的課程后的真實(shí)的需求
4.根據用戶(hù)的需求來(lái)有針對性的制定有效的課程大綱
5.加強課程的互動(dòng)性，每天的課程每個(gè)受眾者平均會(huì )溝通至少10次以上
6.根據情況會(huì )安排所有的受眾者撰寫(xiě)每日的培訓日志總結
7.課堂上需要隨機應變和現場(chǎng)發(fā)揮，來(lái)解答受眾者的問(wèn)題，對于未能解答的問(wèn)題保留相關(guān)的聯(lián)系方式尋求在24-48小時(shí)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(shí)際的最終需求來(lái)模擬編寫(xiě)，這樣，在課程結束后，受眾者會(huì )有一個(gè)大體的需求完成的輪廓
9.對一些該技術(shù)領(lǐng)域的新技術(shù)的總結和探索
10.一切不變的就是變化，所有的內容會(huì )切以實(shí)際的以需求為準來(lái)應對