太原python培训机构（初中高级）
小班详询全日制,周末班
上课方式：
面授
课程优势：
Python大数据专业培训课程内容丰富，有着专属特色的教学体系
￥询价
600人关注
课程详情
Python
大数据专业培训课程内容丰富，有着专属特色的教学体系，零基础，无经验的学员都可以参与报名学习。不枯燥的教学实训内容更是让你快速上手操作案例，掌握理论知识的同时还掌握实操能力，为未来就业打好基础。
-
A1大数据分析师
-
A2建模数据挖掘师
-
A3业务数据挖掘师
-
A4数据产品经理
-
A5数据分析师
-
A6系统架构师
-
|
教学主题
|
教学内容
|
|
第一章:Python基础
|
Python介绍；Python数字；运算符与表达式；变量及其本质；垃圾回收机制；if语句；条件表达式；字符串及其常用操作；Python的编码；索引和切片；while语句；for语句；列表；元组；字典及其常用操作；字典的实现原理；集合；函数；Python作用域
|
|
第二章：Python高级
|
函数式编程；递归；装饰器；模块；常用模块API介绍；包；文件读写；异常处理
|
|
第三章：Python面向对象
|
类；对象；构造函数；实例方法；实例变量；类方法；类变量；静态方法；继承；封装；多态；函数重写；迭代器原理及实现
|
|
第四章：Linux基本操作
|
Linux的安装；操作系统介绍，常用操作系统；Linu的发行版本；Linux用户命令；Linux的路径；Linu目录操作命令；Linux文件操作命令；vi文本编辑器； Linux文件查看与查找命令； Linux文件权限管理命令
|
|
第五章：代码协同管理工具Git
|
Git介绍；Git的安装；Git的配置；Git仓库及命令；版本控制命令；标签管理；Git分支操作；Git远程仓库
|
|
第六章：阶段项目
|
飞机大战；2048游戏；学生信息管理系统
|
|
教学目标
|
可掌握的核心能力：快速融入企业的能力；具备基本的Python开发能力；全面了解IT行业情况；可基于Python进行简单项目的研发
|
-
|
教学主题
|
教学内容
|
|
第一章：网络爬虫基础
|
爬虫课程的介绍和概念；爬虫的流程；搜索引擎的工作原理和局限以及robots协议；http和http的概念；浏览器发送请求的流程；6url的形式和http的内容和请求头以及get请求和post请求；requests模块发送请求和获取网页的字符串；requests保存图片； requests模块发送带headers的请求和带参数的请求；requests模块发送post请求； requests模块使用代理；requests模拟登陆的三种方式；寻找post的地址；寻找js和分析js；数据的分类；json模块的学习；正则和原始字符串；xml的了解；xpath的语法；xml模块； selenium的入门使用； 浏览器驱动的安装； 模拟登陆；网络水军的操作；打码平台的使用；验证码识别总结；元素定位的方法和iframe的切换和selenium使用的注意点
|
|
第二章：Scrapy框架
|
scrapy的介绍；scrapy的流程；sacrapy的入门使用；pipeline的介绍；logging模块的使用；构造请求；item的介绍和使用；debug信息的认识；scrapy shell的使用；scrapy ettings和管道的深入；crawlspider爬虫案例；crawlspdier爬虫介绍；下载中间件的学习；携带cookie登录；发送post请求登录
|
|
第三章：MySQL数据库
|
什么是数据库；常见数据库软件；MySQL数据库安装和卸载；MySQL数据库登录；SQL的概念；SQL的语法和分类；DDL操作数据库； DDL操作数据表；MySQL常用数据类型；DML操作数据表；基本查询；条件查询；聚合函数；分组查询；非空约束；唯一约束；主键约束；外键约束；多表关系(一对一)；多表关系(一对多)；多表关系(多对多)；数据库设计三范式；数据库的备份和还原；内连接查询；外连接查询；子查询；DCL；MySQL事务操作；MySQL存储引擎；MySQL调优；MySQL与Python交互；模拟用户登录操作案例
|
|
第四章：阶段项目
|
爬取小说；Scrapy框架爬取LOL皮肤
|
|
教学目标
|
可掌握的核心能力：认识爬虫；了解爬虫原理；可从各种网页、媒体文件爬取数据；应对各种反爬；能拿到自己想要的各种数据；掌握数据库存储、查询技术
|
-
|
教学主题
|
教学内容
|
|
第一章：Excel数据分析
|
Excel基础操作；Excel公式介绍；Excel逻辑函数；Excel统计函数；Excel查找函数；Excel引用函数；Excel数学函数；Excel日期时间函数；Excel文本函数；Excel信息函数；Excel数组；Excel图表；Excel数据透视表；Excel订单表；Excel游戏数据；Excel日报分析；Excel留存分析
|
第二章：数据分析工具
Numpy
|
Numpy介绍；Numpy的特点；Numpy的核心多维数组；数组的索引；数组的切片切片；数组的属性；Numpy基本数据类型；Numpy自定义数据类型；改变数组的维度；常用统计学指标介绍；读取文件；移动均线；线性拟合；多项式拟合；矩阵运算；Numpy数组的多种运算；矢量操作
|
第三章：数据分析工具
Pandas
|
Pandas介绍；Pandas核心数据结构Series;Pandas核心数据结构DataFrame； Pandas时间序列； 查看DataFrame数据； 修改DataFrame数据； 增加DataFrame数据； 删除DataFrame数据； 描述分析数据； Pandas读取CSV文件;Pandas读取Excel文件； Pandas读取其他格式文件； Pandas分组聚合； Pandas透视表；Pandas交叉表；Pandas合并数据； Pandas清洗数据； Pandas标准化数据； Pandas转换数据； Jupyter的使用
|
第四章：数据可视化工具
matplotlib
|
绘图入门； 设置线条样式； 设置坐标刻度； 设置坐标轴显示以及位置； 设置图例； 创建figure； 设置主次刻度； 绘制网格； 为图面添加注释； 设置子图； 条形图； 饼图； 填充颜色； 散点图； 等高线图； 直方图；
|
第五章：数据分析工具
Tableau
|
Tableau介绍； Tableau新手上路； 数据源基本操作； 数据连接方式； 多表数据连接； 异构数据混合； 提取数据； 工作表-常规操作； 工作表-编辑元数据； 工作表-字段操作； 工作表-演示集成员对总额的贡献程度； Tableau函数与计算； Tableau排序与筛选器； Tableau参数； Tableau图表分析； Tableau地图绘制与图像； Tableau高级图表类型；
|
|
第六章：阶段项目
|
泰坦尼克号生存分析； 租房信息分析； 金融量化分析
|
|
教学目标
|
可掌握的核心能力：熟练掌握大数据常用工具；熟练掌握常用数据可视化工具；掌握数据清洗、数据预处理技术；可基于业务对各种指标进行分析并将结果可视化；成为一个合格的数据分析师
|
-
|
教学主题
|
教学内容
|
|
第一章：Scikit-Learn机器学习
|
什么是机器学习； 机器学习的类型； 机器学习的流程； 机器学习中的基本问题分类； 机器学习中的数据预处理； 一元线性回归； 模型的过拟合与欠拟合； 岭回归； 多项式回归； 决策树原理、构建过程及API； 自适应增强算法和随机森林算法原理及API； 逻辑分类算法及API； 朴素贝叶斯算法原理及API； 评估分类效果-交叉验证； 评估分类效果-混淆矩阵； 评估分类效果-分类报告； 超参数优选-验证曲线； 超参数优选-学习曲线； 超参数优选-网格搜索； 支持向量机算法原理及API； K-Means算法原理及API； DBSCAN算法原理及API； 均值漂移算法原理及API； 凝聚层次算法原理及API；
|
|
第二章：深度学习
|
深度学习框架Tensorflow介绍； Tensorflow的特点； Tensorflow安装； Tensorflow的结构； Tensorflow数据流； 图； OP； 会话； 张量介绍； 张量操作； Tensorflow变量； 可视化Tensorboard； Tensorflow实现线性回归； Tensorflow队列； Tensorflow线程； Tensorflow文件读取流程； Tensorflow文件读取API； Tensorflow读取CSV文件； Tensorflow读取图片； Tensorflow读取二进制文件； 神经网络基础； 神经网络的发展； 神经网络的特点； 神经网络的组成； 浅层人工神经网络模型； 卷积神经网络； Tensorflow分布式
|
|
第三章：阶段项目
|
基于用户相似度的推荐引擎； 手写体数字识别； 汽车质量评估
|
|
第四章：综合项目实战
|
爬取豆瓣电影数据，利用Python数据分析工具分析电影评分、用户数据并可视化，基于推荐引擎进行电影推荐"； " 爬取房价数据，进行数据清洗、数据预处理、数据分析以及数据可视化，利用机器学习建模，进行房价预测
|
|
教学目标
|
可掌握的核心能力：掌握机器学习常用回归、分类以及聚类算法原理及API使用；掌握机器学习算法超参数优选方法，并训练模型；掌握深度学习框架Tensorflow的原理及常用API的使用；掌握神经网络的特点及原理；在数据分析师的基础之上进一步增加核心竞争力；迈进数据挖掘和人工智能大门,掌握必备的入门条件
|
|
项目
|
项目简介
|
所用技术
|
金融量化分析
|
基于Python数据分析工具Numpy、Pandas对多支股票进行各项指标分析，包括股票k线图、移动平均线、布林带、股票波动、股票相关性分析、股票趋势性分析、股票交易风险评估。利用Sciki-Learn机器学习建立模型，进行股票价格预测、股票交易策略模拟、股票交易时机分析。利用数据可视化工具matplotlib、seabron对结果予以图形化展示
|
Numpy、Pandas、机器学习、matplotlib、seabron
|
基于Sciki-Learn机器学习框架的房价影响因素深度揭秘以及房价预测
|
使用Scrapy框架爬取各大网站房屋数据，利用Python数据分析工具分析各城市房屋均价、房屋总价、房价走势、房源数量、房屋面积分布、楼层、装修等。利用机器学习建立模型，对房价影响因素进行深度揭秘、并对房屋价格进行预测。
|
Python爬虫、Numpy、Pandas、机器学习、可视化工具matplotlib、seabron、pyecharts
|
基于用户画像的商品推荐系统
|
收集用户基本信息、用户交易信息，构建用户画像。构建模型并进行训练，基于K-Means算法对用户进行聚类分析，用户相似度分析，基于用户相似度进行商品推荐，对不同用户实现精准营销。
|
/
|
分布式爬虫项目
|
大型门户网站和大型婚恋网站积累了海量信息，提取有用的价值，应用于数据挖掘、海量数据分析、市场分析（包括热点资讯、关键词点击、舆情分析、全国婚恋市场、个人信息分析等情况），掌握爬虫技术显得尤为重要。
|
Python 多线程爬虫及其机制；使用Python、requests等网络模块；使用Python lxml、BeautifulSoup、re、json模块进行数据提取；XPath语法规则和各CSS Selector的使用；使用Selenium+Chrome实施动态HTML抓取；掌握Scrapy框架，以及编写各类中间件；掌握scrapy-redis分布式框架，了解各组件工作机制
|
商品推荐系统
|
使用Lambda架构整合实时计算和离线计算，借助分布式环境提升计算能力；使用Flume收集用户的点击、浏览、收藏等行为，建立用户画像和文章画像，并存储于HDFS集群；通过离线Spark SQL计算建立HIVE特征中心，存储到HBase集群；通过ALS、LR、Wide&Deep等机器学习与深度学习、推荐算法进行智能推荐，达到千人千面的用户推荐效果。
|
ABTest实验平台；用户反馈收集；实时计算平台；离线计算分析平台
|
-
+
覆盖全国的就业网络
-
+
优质的就业服务体系
-
+
入学签订就业协议
-
+
独特的信息化就业库
门面
