Python人工智能全栈班

在当今数字化时代，Python已成为人工智能领域的首选编程语言。本课程旨在培养具备Python开发、数据爬虫、数据库管理、数据分析与挖掘、人工智能及机器学习等全栈技能的复合型人才。通过分阶段教学，帮助学员从基础入门到实战应用，全面提升个人竞争力，为职业生涯的飞跃打下坚实基础。

非凡教育Python人工智能全栈班

入学条件

想要从事Python编程、人工智能、大数据分析、软件开发等工作

课程课时

512

辅导材料

学院内部教辅资料，实战案例

可考证书

《Python开发工程师》《Python人工智能》等认证（考试费用另外支付）

学习周期

全日制4-5个月；业日制7-9个月

教学目标

1.掌握Python编程基础

2.精通人工智能与机器学习技术

3.提升实战能力与项目经验

教学大纲

1.Python开发基础

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

2.Python爬虫技术

2.1 Web前端基础

Web程序原理

Html基础

Css基础

Javascript基础

ajax

2.2 网络爬虫基础

初识爬虫：什么是爬虫、爬虫的流程

抓分析：charles及fiddler的使用

获取内容：urllib、urllib3、requests等库的使用

HTML解析：正则表达式、beautifulsoup4

数据保存：保存为文件、保存进数据库

基础爬虫实战：url管理器、html下载器、html解析器、数据存储器、爬虫调度器

反爬与突破反爬虫：设置ip代理、验证码、动态渲染等

selenium框架

2.3 Scrapy爬虫框架

初识Scrapy：Scrapy架构、创建项目、执行流程

Scrapy基本使用：编写spider、使用item封装数据、pipline处理数据、标签提取、导出数据、下载图片和文件、中间件等

增量式爬虫：重方案、布隆过滤器等

分布式爬虫：redis基础、分布式爬虫原理、scrapy实现分布式爬虫

部署爬虫：Scrapyd的安装及使用

3.SQL数据库管理

3.1 数据库管理

数据库基本管理，数据库查询管理

多表查询，了解连接，查询与内连接，查询外连接，交叉连接，自连接

使用内置函数，内置函数编写查询，使用转换函数，使用逻辑函数，NULL相关函数。使用子查询，自包含的子查询，相关子查询，使用EXISTS谓词的子查询

分组和汇总数据，使用聚合函数，使用GROUP BY子句，是用HAVING筛选

数据库触发器管理，数据库编程及优化

3.2 SQL数据库系统管理（提升）

4.Python数据分析及挖

4.1 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

4.2 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

4.3 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

5.Python人工智能及机器学习

5.1 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

5.2 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

5.3 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

5.4 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

5.5 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

6.Python智能办公自动化

6.1 Word自动化处理

python-docx模块安装和介绍

读/写 word文档

Word文件样式设置（字体，段落）

向word文档插入图表

Word样式设置（表格）

实战：自动生成请假单

6.2 PPT自动化处理

PPT模块介绍和安装

创建PPT文件、写入和读取

向PPT添加图片和表格

设置PPT样式

6.3 Excel电子表格自动化

单元格读取和填充和数据校验

函数和公式使用

数据排序和统计

柱状图和饼图

去除重复项和行列倒置

操作行、操作列

连接查询merge和concat表连接

数据过滤、分组统计

字符串的常用方法

将数据从mysql导入excel

6.4 邮件自动化处理

邮件自动化模块介绍和安装

发送一份简单邮件

发送一份html邮件

定时邮件发送邮件任务

读取邮件，删除邮件

7.毕业设计

7.1 毕业设计答辩

要求学员在完成实训阶段课程后，从立案到素材、材料收集整理，再到风格定位、PPT制作，独立或成组完成项目毕业设计答辩，其中需包含个人现场讲解以及作品重点演示，对自己在整个学习阶段做一个完美的总结。全程项目老师指导

7.2 职业素养

心态与服务、职场商务礼仪、沟通与口才强化、职业素养提升、团队合作

7.3 就业指导

毕业作品整理、行业规范与合同、职场与行业分析、企业观模与规划、职场岗位实战模拟、创业指导、实习与预工作