当前位置:课程中心 > Python+AI 从入门到精通
Python+AI 从入门到精通
课程内容
Python+人工智能课程目录 |
|||
序号 |
课程名称 |
授课内容 |
课时 |
1 |
Python环境配置 |
Python安装、运行、目录结构、虚拟环境、IDLE、Pycharm |
2 |
2 |
数据类型和运算 |
Python核心数据类型详解(数字、字符串、字典、列表、元组)、python中的数学运算 |
6 |
3 |
语句和语法 |
赋值语句、打印语句、表达式、条件语句(if)、循环语句(while、for、break、continue) |
6 |
4 |
函数和模块 |
函数的定义与调用、函数参数的定义与使用、作用域、模块的编写和使用、常用模块 |
4 |
5 |
面向对象编程 |
面向对象、类、实例、继承、封装、“鸭子模型”、运算符重载 |
6 |
6 |
Python编程进阶 |
异常处理、python数据库编程、文件和目录相关操作、线程、进程 |
6 |
7 |
基础编程总结 |
知识点总结、实例演练 |
2 |
8 |
理解网络爬虫 |
爬虫的定义、原理、类型、反爬虫技术、爬虫开发基础、网站抓包、分析 |
2 |
9 |
python基础爬虫 |
数据抓取(urllib、requestes)、页面解析(BeautifulSoup、re)、数据存储(JSON、文件、DB) 爬虫实例 |
10 |
10 |
python爬虫进阶 |
动态页面的爬取、selenium工具的使用、验证码的处理、Teseract-OCR |
6 |
11 |
Scrapy框架 |
Scrapy框架、工作流程、安装和使用 Item、Spider、Pipeline、Middleware,shell、Crawspider 用scripy框架编写爬虫实例(普通爬虫+Crawspider) |
10 |
12 |
爬虫实战 |
基础爬虫实战,Scrapy爬虫实战 |
4 |
13 |
数据分析基础 |
基本概念、常用统计学术语、应用场景、python做数据分析的优势 |
2 |
14 |
数据分析环境搭建 |
Ipython、JypterNotebook、Anaconda、常用模块 |
2 |
15 |
Numpy详解 |
Numpy数组创建、索引、切片、常用科学计算、矩阵相关操作、实例 |
6 |
16 |
Pandas详解 |
Series、DataFrame数据类型的创建和使用、索引、切片、常用操作、pandas数据清洗实例 |
6 |
17 |
Matplotlib详解 |
画图基础、常用图(线图、柱状图、散点图、饼状图、3D图等)、子图的划分与使用 |
4 |
18 |
数据分析综合 |
使用numpy和pandas读取数据(CSV、Excel、DB) 使用numpy和pandas对数据进行清洗和处理 使用matplotlib实现数据可视化 |
4 |
19 |
机器学习基础 |
相关概念(AI、ML、DL)、监督学习、无监督学习、样本集、过拟合、损失函数环境准备 |
2 |
20 |
机器学习算法详解 |
线性回归算法(原理、简单应用、实例、算法调参、拟合的处理) 随机梯度下降算法(原理、实例) K近邻算法(原理、简单应用、实例、算法调参、拟合的处理) 决策树算法(原理、简单应用、实例、算法调参、拟合的处理) 朴素贝叶斯算法(原理、简单应用、实例、算法调参、拟合的处理) 支持向量机算法(原理、简单应用、实例、算法调参、拟合的处理) 聚类算法(K-means原理、简单应用、实例、算法调参、拟合的处理) 主成分分析算法(原理、简单应用、实例) |
32 |
21 |
机器学习实战 |
项目实战(数据准备、样本集处理、算法选择、建模、训练、评估、调参、应用) |
6 |
22 |
深度学习基础 |
深度学习的概念、与传统机器学习的区别、为什么需要深度学习、深度学习发展现状 |
2 |
23 |
神经网络详解 |
神经网络的发展、神经元、激活函数、SGD、反向传播、前向全连接网络、深度网络、实例 |
4 |
24 |
卷积神经网络 |
卷积、池化、卷积层的操作、池化的类型、参数设置、网络结构、CNN的特点及优势、 经典CNN网络详解、fine tunning、迁移学习(transfer learning) |
8 |
25 |
深度学习应用实例 |
人脸识别(概念、原理)、自然语言处理(概念、原理、RNN、LSTM) |
4 |
26 |
深度学习实战 |
图片分类实战(图片准备,图片预处理、迁移学习、fine tunning、训练、评估、调参、应用) |
6 |
授课老师:Fiona 授课方式:直播+录播+全程答疑 课时合计:152 课程周期:6个月 |
预期学习成果:
阶段一:python编程
预期成果:python应用工程师,从事python后台开发,python游戏开发,python Web开发
阶段二:爬虫开发
预期成果:爬虫工程师,爬天爬地爬空气,最重要的是爬数据
阶段三:python数据分析
预期成果:数据分析师,寻找隐藏在数据中的海量信息,并将其可视化呈现
阶段四:机器学习
预期成果:机器学习初级工程师,应用机器学习算法解决实际问题,例如二手车估价、入侵检测、系统故障预测、交通线路规划等。
阶段五:深度学习
预期成果:深度学习初级工程师,能应对图像识别领域、人脸识别、自然语言处理领域的实际应用需求