南寧兄弟連IT教育
咨詢(xún)熱線(xiàn) 18216026475
2019年南寧IT編程培訓(xùn)去哪一家好點(diǎn)
發(fā)布時(shí)間：2019-06-25 南寧兄弟連IT教育 訪(fǎng)問(wèn) : 222Python
第一階段:
Python編程基礎(chǔ)
Python基礎(chǔ)/基本數(shù)據(jù)類(lèi)型/數(shù)據(jù)類(lèi)型轉(zhuǎn)換/流程控制和循環(huán)結(jié)構(gòu)/函數(shù)/字符串/列表和元組/字典、集合、文件操作/高階函數(shù)和匿名函數(shù)/模塊、遞歸函數(shù)/面向?qū)ο缶幊?封裝繼承、多態(tài)/魔術(shù)方法/異常處理/數(shù)據(jù)結(jié)構(gòu)與算法/項(xiàng)目
第二階段:
Python高級(jí)
HTML/CSS/JavaScript/jQuery/
Ajax/Vue/數(shù)據(jù)庫(kù)簡(jiǎn)介/Mysql/Mongodb/Redis/
項(xiàng)目案例
第三階段（A）:
Web框架實(shí)戰(zhàn)
Django框架/Web項(xiàng)目實(shí)戰(zhàn)/Flask框架/Flask項(xiàng)目實(shí)戰(zhàn)
第四階段（A）:
網(wǎng)絡(luò)爬蟲(chóng)
網(wǎng)絡(luò)編程、多線(xiàn)程/爬蟲(chóng)原理和數(shù)據(jù)爬取/非結(jié)構(gòu)化數(shù)據(jù)與結(jié)構(gòu)化數(shù)據(jù)提取/基于網(wǎng)站動(dòng)態(tài)交互處理機(jī)制下的數(shù)據(jù)爬取/通過(guò)Scrapy框架實(shí)現(xiàn)高并發(fā)數(shù)據(jù)爬取/分布式爬蟲(chóng)源碼解析和部署/爬蟲(chóng)階段項(xiàng)目
第三階段（B）:
數(shù)據(jù)分析
課程介紹/環(huán)境和工具/Pandas數(shù)據(jù)預(yù)處理和數(shù)據(jù)分析、(結(jié)構(gòu)化數(shù)據(jù)分析)/非結(jié)構(gòu)化數(shù)據(jù)分析(文本分析，文本挖掘)/Matplotlib數(shù)據(jù)可視化/項(xiàng)目案例/Numpy數(shù)值計(jì)算/探索性數(shù)據(jù)分析/項(xiàng)目案例/線(xiàn)性代數(shù)/概率論與數(shù)理統(tǒng)計(jì)/非線(xiàn)性回歸算法/線(xiàn)性判別算法
第四階段（B）:
人工智能
Kmean聚類(lèi)算法與主成分分析算法典型關(guān)聯(lián)分析，決策樹(shù)，神經(jīng)網(wǎng)絡(luò)/線(xiàn)性回歸實(shí)習(xí)項(xiàng)目/Kmean聚類(lèi)算法與主成分分析數(shù)據(jù)模型項(xiàng)目/線(xiàn)性判別算法項(xiàng)目/決策樹(shù)算法項(xiàng)目/神經(jīng)網(wǎng)絡(luò)與線(xiàn)性回歸綜合項(xiàng)目/深度學(xué)習(xí)庫(kù)：TensorFlow
優(yōu)質(zhì)的教學(xué)環(huán)境
當(dāng)一個(gè)人從自己的內(nèi)心開(kāi)始奮斗，他就是個(gè)有經(jīng)驗(yàn)的人。
多維就業(yè)保障 助力每一位學(xué)員拿下高薪offer
就業(yè)保障團(tuán)隊(duì)一對(duì)一指導(dǎo)
專(zhuān)業(yè)團(tuán)隊(duì)以結(jié)果為導(dǎo)向，從簡(jiǎn)歷、求職心態(tài)等全方面輔導(dǎo)，帶你變身當(dāng)前互聯(lián)網(wǎng)技術(shù)人才市場(chǎng)，值錢(qián)的IT人才。
崗位內(nèi)推機(jī)制建立專(zhuān)屬人才庫(kù)
建立專(zhuān)屬人才庫(kù)，人才就業(yè)通道。VIP一對(duì)一線(xiàn)上學(xué)員享受專(zhuān)屬應(yīng)聘通道及優(yōu)先推薦待遇。
| 第五階段 大數(shù)據(jù)分析 & 人工智能（160+課時(shí)） | ||
| 主要內(nèi)容 | 涉及技術(shù) | 課程詳情 |
| 數(shù)據(jù)分析概述 | 數(shù)據(jù)行業(yè)概述， 數(shù)據(jù)分析方法論 數(shù)據(jù)分析方法， 數(shù)據(jù)分析流程 | 讓學(xué)生大致了解數(shù)據(jù)行業(yè)狀況、數(shù)據(jù)分析方法和數(shù)據(jù)分析的流程，掌握數(shù)據(jù)類(lèi)軟件和工具的使用 |
| 數(shù)據(jù)可視化 | Matplotlib，Pandas繪圖函數(shù)，三維圖 | 學(xué)會(huì)統(tǒng)計(jì)繪圖 |
| 數(shù)值計(jì)算 | Numpy：一維到多維數(shù)組；利用數(shù)組進(jìn)行數(shù)據(jù)處理，數(shù)組計(jì)算；隨機(jī)數(shù)；數(shù)組文件的輸出與輸出切片與花式索引，部分統(tǒng)計(jì)函數(shù)的學(xué)習(xí)以及應(yīng)用 | 讓學(xué)生掌握數(shù)據(jù)處理的基本方法和統(tǒng)計(jì)學(xué)數(shù)據(jù)分析的基本方法 |
| 數(shù)學(xué)基礎(chǔ) | 高等數(shù)學(xué)，線(xiàn)性代數(shù)，概率與統(tǒng)計(jì)，應(yīng)用知識(shí)補(bǔ)齊 | 為學(xué)生補(bǔ)齊Python數(shù)據(jù)領(lǐng)域所需數(shù)學(xué)基礎(chǔ) |
| 數(shù)據(jù)預(yù)處理與數(shù)據(jù)分析 | Pandas：Series，DataFrame，數(shù)據(jù)缺失補(bǔ)齊，篩選去重，清洗整理，合并分割，匯總與計(jì)算，層次化索引；數(shù)據(jù)面板，數(shù)據(jù)描述性統(tǒng)計(jì)分析Pandas實(shí)現(xiàn)) | 讓學(xué)生學(xué)會(huì)用Pandas處理描述性統(tǒng)計(jì)分析的問(wèn)題 |
| 數(shù)據(jù)的加載與存儲(chǔ) | CSV，TXT，JSON，EXcel，HDF5等文件的存儲(chǔ)于加載 | 學(xué)會(huì)這些文件的讀取與寫(xiě)入 |
| 非格式化數(shù)據(jù)分析 | 中文分詞-Jieba，詞云-WordCloud，中文情感分析 | 了解非格式和文本數(shù)據(jù)分析 |
| 機(jī)器學(xué)習(xí) | scikit-learn；常用分類(lèi)、回歸、聚類(lèi)算法原理 | 掌握常用機(jī)器學(xué)習(xí)算法原理和應(yīng)用 |
| 深度學(xué)習(xí) | 神經(jīng)網(wǎng)絡(luò)算法原理及常見(jiàn)庫(kù)應(yīng)用 | 掌握深度學(xué)習(xí)算法原理和案例應(yīng)用 |
| 項(xiàng)目：上市公司股票趨勢(shì)預(yù)測(cè) | 利用關(guān)聯(lián)分析（CCA或PCA）進(jìn)行描述性分析，找出影響股票走勢(shì)的關(guān)鍵因素。然后通過(guò)機(jī)器學(xué)習(xí)LassoLarsCV和LassoPath算法進(jìn)行優(yōu)化。借助灰度預(yù)測(cè)進(jìn)行特征預(yù)測(cè)，最后通過(guò)高容差深度機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進(jìn)行該公司股 | l 掌握關(guān)聯(lián)分析，數(shù)據(jù)預(yù)計(jì)算。 l 掌握機(jī)器學(xué)習(xí)Lasso回歸算法及其Kit-learn實(shí)現(xiàn) l 掌握深度學(xué)習(xí)反向傳播算法及其Keras實(shí)現(xiàn) l 掌握Matplotlib作圖以及pandas作圖 l 掌握灰度預(yù)測(cè)算法及其Python實(shí)現(xiàn) |
