人工智能,是上升到国家战略发展高度的技术,是未来10年内会给世界带来颠覆性变化的技术。 全栈工程师,是IT工程师里面的瑞士军刀,是现代互联网产品公司掌控全局的技术专家。 Python+人工智能 在线就业班旨在培养学员成为以人工智能技术为核心,互联网产品为平台的 人工智能全栈工程师。

本课程是以Python语言为开发工具,内容覆盖了计算机原理、网络、Web前端、后端、架构、 数据库、项目部署、数据获取、数据提取、数据清洗、数据分析、数据挖掘、机器学习、深度学 习、图像识别等领域所需要的全部技术的前沿课程。

通过2018年Python官方年度报告清楚显示Python从业者的数据与现状、趋势与未来。我们看到 人工智能时代,Python从业者应该搭建两大知识体系:Web核心和人工智能-数据科学核心。掌 握两大核心,搭建完整知识体系,才是Python程序员职业发展的长期道路。

因此,本课程以两个就业核心方向+多领域就业能力培养为目标,推出全新5.0课程:

40% web开发课程占比

热门技术方案

门户及管理信息系统

模拟企业开发业务场景

30% 人工智能课程占比(数据科学方向)

机器学习常见算法

AI实例演练

AI业务物流实战

独创“黑马头条”项目含金量高

大型一站式项目

集齐六大前沿技术

项目实战天数40+

就业强化课程竞争力强

六大就业强化课程

(数据分析、自动化测试、自动化运维、爬虫、自然语言处理、图像视觉处理、学习其一,其他方向课程视频免费赠送)

在校大学生/研究生

新入职场的技术小白

零基础 想转行的
非在职IT人员

有基础 想转行的
在职IT人员

希望得到技能提
的IT研发人员

独创诸多技术点为一体的“黑马头条”项目

独创“黑马头条”项目,多位讲师耗时一年,全力打造大 型一站式项目,集Web开发、大数据分析、数据挖掘、推荐算法、机器学习、人工智能等诸多技术点为一体,项目天数40+

六大就业强化课程,满足学生不同的需求

针对Python其他6个方向(自动化测试、自动化 运维、爬虫、数据分析、自然语言处理、图像和 视觉处理),分别设计了全新的就业加强课,以 满足不同需求的学生学习

课程多方位全方面重磅升级!

针对就业核心方向(Web方向、人工智能-数据科学方向) 做了大刀阔斧的项目改革。Web方向:全新美多商城项目、 新增黑马头条项目,知识点全面覆盖,新增50+技术点; 人工智能方向:新增黑马头条推荐系统项目、小智聊天机 器人项目,课程加倍,课时长度提升近一倍

课程升级后,重点突出以下方面

针对各个就业方向,提供面试强化专题课程、热点技术解决方案和热点项目库,
拓展学员视野,提升工作经验。目前已产出面试强化专题课程50+,热点技术
解决方案20+,热点项目库8+,且在持续更新中

阶段一 : python编程基础(基础班)

36小时

|

24
知识要点

Python 基础语法

计算机组成:硬件、软件、计算机运行程序方式、Python 语言的特点、应用领域、Python IDE、程序注释:单行注释、多行注释;变量的作用、定义、 命名规则、变量的数据类型、查看变量类型、输入和输入函数、算术运算符、赋值运算符、复合运算符、类型转换、分支结构 if...else 、循环结构、while、 break、continue、for、for...else

python 容器

字符串的定义、遍历、下标、切片、常用方法(find、 index、count、replace、split、capitalize、title、 startwith、endwith、lower、upper、ljust、rjust、 center 等)、列表定义、语法格式、列表嵌套、列表的遍历、列表常用操作方法、列表推导式、 元组定义、语法格式、常用操作方法、字典定义、语法格式、字典的遍历、常用操作方法、 字符串、列表、容器、字典的公共操作 :range 、enumerate、max、min、len 函数、del 函数; 运算符+、*、in、not in 在容器中的使用

函数和文件操作

函数定义和调用语法、def 语句、return 语句、函数传参(位置参数、关键字参数)、缺省参数、不定长参数、函数文档编写 、函数嵌套、全局变量和局部变量、Python 变量作用域 LEGB、global 语句,nonlocal 语句、组包和拆包、递归函数、 匿名函数 lambda 表达式、文件操作、文件打开与关闭、文件读写操作、文件目录操作

面向对象

类和对象、类的定义格式、添加和获取对象属性、常见的魔术方法、继承、公有权限和私有权限、多态的概念和意义、多态的实现、类属性和实例属性、 类方法和静态方法、异常的概念、捕捉异常、as 使用、else使用、finally 使用、异常的传递、自定义异常、raise 抛出异常、 模块的概念和作用、制作模块、模块的导入方式 、__all__的作用、__name__的作用、包的概念和作用、制作包、包的导入、案例:学生管理系统

市场价值 : 具备最基本的编程思维, 掌握基础的Python编程技术, 能够完成较小程序的开发,尚达不到企业的用人标准。

阶段二 : python高级编程和web基础(就业班)

54小时

|

39
知识要点

Linux 操作系统

操作系统的作用、常见的操作系统、虚拟机使用、Linux 发行版系统、常用命令:文件、目录操作(创建、删除、复制、移动)、 权限属性修改,文件查找与检索、打包压缩、用户权限管理:添加删除用户,设置用户权限;远程操作 ssh、scp,软件安装与卸载,vim 编辑器

多任务编程

多任务的概念、执行方式、多进程:概念、作用、状态;进程创建、传参,multipro-cessing 模块,getpid()getppid()函数;daemon进程、 多线程:概念、作用;线程创建、传参,threading 模块,线程同步问题,互斥锁,死锁

Python 网络编程

网络知识:ip 地址、端口、网络通信过程,tcp 协议、网络编程:socket 套接字、tcp 服务端和客户端程序开发,send 和 recv 原理、 案例:多任务版 tcp 服务器

静态 web 服务器

HTTP 协议概念、浏览器访问 web 服务器的过程、url的概念和组成、HTTP 请求报文和响应报文格式、 案例:静态 web 服务器

HTML

HTML 介绍、基本结构,vscode 的使用、常用标签:标题、链接、图片、表格、列表、表单

CSS

css 的介绍、css引入方式、css 常用选择器、css 布局常用属性、css 文本常见属性、css 元素溢出设置、css 显示特性、盒子模型

JavaScript

JavaScript 介绍、JavaScript 的引入方式、JS 的基础语法、JS 变量和常量、数据类型、数据类型装换、 JS运算符、流程控制、分支结构、循环结构、函数、数组、字符串 String、JS 获取和设置元素标签属性,JS定时器、 jquery 介绍、jquery 选择器、jquery 选择集过滤,jquery 设置和获取元素属性内容、jquery 事件、事件代理、 JavaScript 对象、json、ajax

数据库 MySQL

数据库介绍、MySQL 数据库的安装使用、SQL 作用、数据类型和约束、图形化客户端 Navicat、命令行客户端使用、MySQL 数据库、数据表操作、 基本查询操作: as 、distinct、order by、limit、groupby、having、聚合函数、内连接、左连接、右连接、自连接、子查询、 数据库设计三范式、E-R 模型、外键的使用、分组聚合组合使用、修改表结构、事物、索引、PyMysql、Python 操作数据库

正则表达式

正则表达式介绍、匹配单个字符、匹配多个字符、匹配开头和结尾、贪婪模式和非贪婪模式,分组、re 模块:match 和 group 的使用

Python 进阶

闭包的介绍和语法格式、nonlocal 的使用、装饰器的介绍和语法格式、装饰器的基本使用、多个装饰器装饰一个函数、带参数的装饰器、类装饰器、 property 属性、with 上下文管理器、生成器的使用、深拷贝和浅拷贝

mini-web 框架

web 框架概述:框架和 web 服务器的关系、静态资源、动态资源、WSGI作用、框架的实现、模版 HTML 文件的替换、路由功能代码的实现、 从数据库查询数据并显示、logging 日志的使用

市场价值 : 掌握 Python 开发技术,可以满足企业开发的初级需求。

阶段三 : web-Django框架与项目(就业班)

99小时

|

81
知识要点

Django框架

认识Web框架的作用、MVT与MVC、虚拟开发环境的创建与使用、认识Django、Django工程的创建、Django应用创建、 模型视图与模板的基本使用、路由配置、HttpRequest对象获取请求参数、构造HttpResponse响应对象、 cookie使用、session使用、函数视图与类视图的使用、类视图的原理、类视图装饰器的使用、 ORM的作用、数据库配置、Model模型类的定义、通过ORM进行数据增删改查操作、F对象与Q对象的使用、 一对一映射、一对多映射、多对多映射、Jinja2模板的定义、模板渲染、CSRF的攻击原理与防护、 中间件的原理、中间件的定义、管理后台admin站点的使用

Git

什么是版本控制、Git的工作分区、Git commit、Git分支、本地仓库与远程仓库、Github(或Gitee码云)的使用方法

redis

Nosql介绍、redis数据库特点、redis数据类型、redis常用命令、redis-py使用

前端框架Vue基础

认识Vue、Vue生命周期、Vue双向绑定、Vue基础语法、Javascript ES6语法

项目1:美多商城-用户前台

采用前后端不分离模式,使用Vue前端框架、电商业务采用B2C模式、采用云通讯短信发送功能、实现发送验证邮件进行邮箱验证机制、 定制Django认证系统完成多类型帐号登录、集成第三方登录(以QQ为例)、采用Celery完成异步任务、采用RabbitMQ消息队列、 电商SKU与SPU的讲解、构建页面静态化方案、使用crontab定时任务、采用Haystack+Elasticsearch构建商品搜索方案、 采用redis做缓存与session、购物车等数据存储、构建用户登录与未登录状态下购物车存储方案、采用FastDFS分布式文件存储系统、 采用支付宝支付、采用Docker完成组件安装、采用数据库事务与锁解决并发订单存储问题、配置数据库主从同步、实现数据库读写分离

Django RESTframework框架(DRF)

前后端分离模式、RESTful接口设计、DRF框架的作用、序列化与反序列化、序列化器的定义与使用、DRF的类视图使用、 DRF的视图集原理与使用、Postman接口测试工具的使用

前端框架Vue进阶

SPA单页面系统、Vue组件、Vue路由、Vue-cli工具、Element组件库

项目2:美多商城后台管理系统(MIS)

采用前后端分离模式,使用Vue组件构建SPA单页面系统、JWT认证、CORS解决跨域、构建用户权限管理方案、 实现用户、商品、订单等数据管理、实现日志管理、实现报表统计、Nginx+uWSGI部署

部署基础

项目生命周期、项目部署方案

Nginx

认识Nginx、Nginx部署与配置、反向代理、负载均衡、日志解析、URL重写

Docker

Docker镜像管理、Docker容器管理、Docker仓库、Docker数据管理、Docker网络管理、Dockerfile编写、Docker compose使用

架构与性能

架构演变、网站分析

市场价值 : Python Web开发工程师,独立开发后端业务,并能辅助开发前端业务。

阶段四 : Web-Flask框架与项目(就业班)

15小时

|

21
知识要点

Flask框架

认识Flask、框架对比、Flask工程的创建与运行调试、Flask视图与路由、request对象使用、构造响应对象、 蓝图的使用、Flask应用上下文与请求上下文、请求钩子、异常处理

Flask-RESTful

Flask-RESTful视图与路由的定义、RequestParser的使用、marshal的使用、类视图装饰器的使用

项目3:黑马头条Web

采用前后端分离模式开发,对接手机App与PC Web三个前端、MySQL数据库分析设计与SQL建表、 ORM映射的本质原理、SQLAlchemy映射的构建、SQLAlchemy操作数据库、SQLAlchemy的优化用法、 数据库集群原理、分布式ID、Twitter Snowflake雪花算法构建分布式ID、Flask-SQLAlchemy定制实现读写分离、 Redis集群、Redis主从、Redis Sentinel哨兵、Redis事务、Redis持久化、 缓存设计原理、缓存穿透、缓存雪崩、缓存模式、缓存同步、数据混合存储、第三方对象存储、 采用Gitflow工作流、手动实现JWT中间件、JWT禁用问题处理、APSchedule定时任务的使用、 认识RPC、RPC与HTTP的对比、Protobuf接口定义、gRPC服务端与客户端的使用、 采用gRPC与kafka对接推荐系统与聊天机器人系统、认识IM即时通讯、Websocket原理、SocketIO用法、 SocketIO集成RabbitMQ用法、搜索引擎原理、Elasticsearch集群、Elasticsearch索引库构建、Logstash导入工具使用、 Elasticsearch查询、Elastcisearch自动补全、Elasticsearch Python程序开发、supervisor进程管理

市场价值 : 高级Python Web开发工程师,独立构建解决方案。

阶段五 : 人工智能机器学习编程(就业班)

62小时

|

52
知识要点

机器学习(科学计算库)

人工智能概述、机器学习定义、机器学习工作流程、机器学习算法分类、算法模型评估、Azure机器学习平台实验、 机器学习基础环境安装与使用、Matplotlib架构介绍、Matplotlib基本功能实现、 Matplotlib实现多图显示、Matplotlib绘制各类图形、Numpy运算优势、数组的属性、数组的形状、Numpy实现数组基本操作、Numpy实现数组运算、矩阵、 pandas介绍、pandas基本数据操作、DataFrame、Series、MultiIndex、panel、pandas画图、 文件读取和存储、缺失值处理、数据离散化、数据合并、交叉表和透视表、分组和聚合、案例:电影数据分析

机器学习(算法篇)

sklearn介绍、sklearn获取数据集、seaborn介绍、数据可视化、数据集划分、 特征工程、特征预处理、归一化、标准化、特征选择、特征降维、 交叉验证、网格搜索、模型保存和加载、欠拟合、过拟合、 KNN算法、欧式距离、曼哈顿距离、切比雪夫距离、闵氏距离、标准化欧式距离、余弦距离、汉明距离、 杰卡德距离、马氏距离、KNN中k值的选择、kd树、案例:鸢尾花种类预测、 线性回归、求导、最小二乘法、正规方程、梯度下降法、FG、SGD、mini-batch、SAG、Lasso回归、岭回归、 Elastic Net、案例:波士顿房价预测、 逻辑回归、sigmoid、对数似然损失、混淆矩阵、精确率、召回率、F1-Score、ROC曲线、AUC指标、ROC曲线的绘制、 案例:癌症分类预测、决策树算法、熵、信息增益、信息增益比、基尼值、基尼指数、ID3、C4.5、CART算法、 案例:泰坦尼克号乘客生存预测、集成学习、boosting、Bagging、随机森林、GBDT、XGBoost、 案例:泰坦尼克号乘客生存预测优化、聚类算法、K-means聚类实现、SSE、“肘”方法、轮廓系数法、 CH系数、Canopy、Kmeans++、二分k-means、k-medoids、kernel kmeans、ISODATA、Mini-batch K-Means、 案例:探究用户对物品类别的喜好细分

机器学习项目实战

《绝地求生》玩家排名预测、客户价值分析系统、注:项目实训会随着社会热点调整

市场价值 : 对实际问题抽象为算法模型,对收集到的数据进行基本分析,构建有效的算法那模型。

阶段六 : 人工智能基于大数据的推荐系统项目(就业班)

41小时

|

29
知识要点

推荐系统项目理论课

推荐系统定义、推荐系统应用场景、推荐系统算法概述、协同过滤、内容、知识、混合推荐、 协同过滤算法、User-Based CF、Item-Based CF、杰卡德相似系数、余弦相似度、皮尔逊相关系数、 电影评分推荐案例、评分预测标准化、推荐系统评估方法、用户调查、离线测评、在线测评、RMSE、MAE、 K-近邻协同过滤推荐、回归协同过滤推荐、交叉验证与网格搜索、矩阵分解的协同过滤推荐、LFM、Apriori、FP-Growth、 基于内容推荐、物品画像、TFIDF、TOPN、用户画像、物品标签、物品冷启动、word2vec

推荐系统项目lambda大数据开发

Hadoop简介、生态、发行版本、Hadoop shell命令、ls、cat、mv、put、rm、 文件系统HDFS、namenode、datanode、YARN运行流程、ResourceManager、NodeManager、Contain-er、Client、 MapReduce流程、WordCount案例、Spark组件、特点、pyspark使用配置、sparkContext、parallelize、sc.textFile、 Spark算子、Action、Transformation、map、filter、flatmap、union、intersection、groupByKey、 SPARK作业提交模式、Local模式、Standalone模式、Spark ON Yarn模式、Spark日志分析案例、 Spark sql与DataFrame、RDD、DataFrame操作API、withColumn、select、StructType、filter、 json文件操作、spark.read.json、Flume架构、Source、Channel、Sink、Flume采集端口数据案例、 Kafka架构、Topic、Producer、Consumer、Broker、安装与部署、生产者与消费者、Flume与Kafka整合、 sparkStreaming概述、WordCount案例实战、状态操作、updateStateByKey、对接Kafka

推荐系统项目

ABTest实验中心、流量分桶、点击日志参数添加、grpc协议封装、用户feed流、文章相似接口、 待推荐结果存储、历史推荐结果存储、redis推荐缓存、召回接口、在线排序接口、 实时日志分析、flume配置、kafka配置、新文章更新、热门文章更新、用户冷启动、在线内容召回、基于内容召回存储、 sqoop增量导入、incremental、lastmodified、check-column、last-value、Query、Append导入、shell脚本设置、 文章画像构建、文章词库与分词、原始文章数据合并、tfidf计算、textrank计算、全量文章相似度计算、 新文章实时相似度、文章word2vec计算、BucketedRan-domProjectionLSH、离线文章画像定时更新、 用户画像构建、用户标签权重计算、时间衰减系数、用户基础信息画像、用户画像定时更新、 离线召回、用户日志行为数据处理、StringIndexer、离线ALS召回、 排序模型实现、用户日志行为基础表过滤、画像行为合并、LR模型、GBDT模型、离线排序效果AUC、 推荐算法效果评估、离线HIVE点击率统计、模型更新与上线

市场价值 : 具备基于大数据基础上的推荐系统搭建与开发能力。

阶段七 : 6选1 就业增强课大礼包(就业班)

38小时

|

28
知识要点

python数据采集
python测试开发
python运维开发
数据分析
深度学习与物体检测
NLP聊天机器人

爬虫基础

爬虫的概念,以及爬虫的分类、爬虫的流程、http概念和默认端口、重点请求头和响应头,以及常见的响应状态码、 浏览器访问web服务器的过程,爬虫与浏览器在工作流程上的区别

requests模块

requests模块的作用、安装,以及基本使用、requests模块发送get请求、 响应对象的常用属性,以及response.text和response.content的区别、 response.content.decode()默认转换为utf8,以及常见的编码字符集、 headers参数的使用,以及headers中携带cookie、cookies参数的使用,以及cookieJar的转换方法、 超时参数timeout的使用、理解使用代理服务的过、正向代理和反向代理的区、代理ip的分,以及代理ip参数proxies的使用、 使用verify参数忽略CA证书、requests模块发送post请求的方法、理解状态保持的含义、使用场景,并利用requests.-session进行状态保持

数据提取

响应内容的分类、xml和html的区别、jsonpath模块的使用场景,以及安装和使用、lxml模块和xpath语法的关系、lxml模块的使用场景、 lxml模块的安装、lxml模块使用示例、谷歌浏览器xpath helper插件的作用、安装和使用、 xpath中的节点的概念和节点之间的关系、xpath语法-选取节点以及提取属性或文本内容的语法、 选取特定节点的语法,以及选取未知节点的语法、lxml模块中使用xpath语法定位元素提取属性值或文本内容,以及etree.tostring函数的使用

selenium的使用

chromedriver和phantomjs运行效果、selenium的作用、工作原理、 特点,以及chromedriver与seleni-um的安装和简单使用、 调用浏览器对象的常用属性和方法、标签对象的click函数的使用、 标签对象的send_keys函数的使用、标签定位的方法,以及标签对象提取文本内容、属性值、 利用标签页对象切换到目标标签页、切换到定位的frame标签嵌套的页面中,以及利用切换标签页的方式切出frame嵌套、 通过selenium操作浏览器的cookie、页面等待分类、强制等待介绍、 显式等待介绍、隐式等待介绍,以及手动实现页面等待、selenium控制浏览器执行js代码、selenium开启无界面模式的意义和方法

抓包、反爬与反爬解决方案

通过User-Agent来反爬及应对方案、通过Referer来反爬及应对方案、通过Cookie来反爬及应对方案、 通过js加密请求参数来反爬及应对方案、通过行为验证来反爬及应对方案、通过ip地址来反爬及应对方案、 通过自定义字体来反爬及应对方案、通过css样式来反爬及应对方案、 常见的验证码类型,并使用打码平台来处理验证码、 使用chrome浏览器进行抓包,以及查看js运行的过程、js2py模块的安装、js代码的加载、js变量的传入、取出 js变量,以及调用js函数

Mongodb数据库

关系型和非关系型数据库的区别、非关系型数据库特点和优势、mongodb中的数据类型、 mongodb的安装、启动,以及数据库命令和集合命令、mongodb数据库的增删改查、 索引的作用、创建简单索引、索引的查看、删除索引,唯一索引和复合索引、 权限管理的意义、创建超级管理员及普通用户,以及查看用户和删除用户、 pymongo模块的安装、创建mongodb集合操作对,并利用pymongo模块对数据进行增删改查

scrapy爬虫框架

scrapy的概念、作用、组成,以及工作流程、创建scrapy项目、创建scrapy爬虫、 项目目录结构以及每个文件的作用、scrapy.Spider爬虫类的使用,以及完成scrapy爬虫的步骤、 scrapy定位标签的方法、提取数据的方法、scrapy提取属性值的方法,以及response响应对象的常用属性、 管道的使用、中间件的使用、requests模块以及selenium模拟登陆的方案、scrapy模拟登陆的方案、 scrapy使用代理ip、与selenium配合使用、scrapy.crawlspider爬虫类的使用、 scrapy_redis的该案、scrapy_redis的作用,以及scrapy_redis的工作流程和配置、 scrapy去重的原理、指纹生成的方式、scrapy_splash的配置和使用、scrapy的日志信息以及常用配置、 scrapyd部署并控制scrapy爬虫

appium的使用(与python测试重复,不做深入讲解)

appium的作用以及应用场景、环境搭建以及模拟控制移动设备、appium-python-client模块的使用以及获取app中的数据

爬虫项目

代理池、X鱼弹幕抓取、X东商品信息抓取、失信人被执行人信息抓取、多爬虫管理、12306购票

测试理论基础

认识软件测试、软件测试的基本原则及基础流程、软件开发模型、软件测试模型、软件测试分类、 测试用例、测试用例的设计方法、缺陷管理

项目团队协作工具以及项目开发流程

禅道环境安装及介绍、使用超级管理员创建角色、产品经理建立产品整体需求、 项目经理建立项目及分解任务、开发人员估算工时及打包提测、测试人员创建、 执行测试用例,提交bug进行回归测试、jira环境安装及介绍、项目管理员/管理员登录并创建项目、 问题类型与工作流、创建角色及用户信息设置、测试人员对Jira的使用、开发测试人员对jira的使用

web自动化测试

深入selenium、appium自动化控制模块、UnitTest模块、断言的介绍、断言的常用方法,以及自动生成测试报告

web接口测试

实现接口测试的前提准备、Jmeter组件与元件、基本流程的使用及优化、实现CSVDataSetConfig、 用户参数、用户定义的变量、Jmeter直连数据库、Jmeter逻辑控制器、图形监视器扩展插件、 Jmeter实现接口自动化测试:增删改查、生成html图形化测试报告

性能测试

性能测试概述、分类、常见指标、一般流程,以及性能测试工具选择、 VuGen录制脚本、手动编写脚本、参数化、关联、检查点、事务、集合点、 Controller的概述、目标场景、手工场景、负载生成器、场景运行、监控服务器性能资源指标、服务水平协议、 Analysis主要功能概述、Analysis Summary、拐点分析法、合并图的应用、交叉结果验证、性能报告生成

linux安装部署

linux相关概念、centos系统安装、定制安装和非定制安装、系统常见的14+种优化、常用工具的使用

linux系统管理

文件管理linux目录结构及文件属性、软件管理二进制包+源码包管理、用户、用户组管理、权限管理、 文件权限、用户权限的设置、日志管理、日志等级、rsyslog进程管理、网络管理、定时任务

apache服务器

apache概述安装、快速入门、apache配置详解&实践、rewrite原理&实践、apache日志定制、防盗链原理&实践

网络防火墙

系统安全简介、iptables简介、iptables原理详解、iptables实践

服务集群

服务器集群简介、lvs简介、lvs快速入门、lvs常见模型详解、lvs常见模型实践、 高可用集群简介、keepalived简介、keepalived快速入门、keepalived原理详解、 keepalived配置详解以及实践

shell编程部分

shell快速入门、shell常见分类、shell基础语法、三种变量详解、shell条件表达式、 shell流程控制、shell函数以及数组、shell生产使用技巧、shell进阶实践

自动化运维

ansible简介、ansible原理简介、配置详解以及实践、playbook快速入门

运维监控

监控体系概述、nagios快速入门、nagios部署&原理详解、nagios配置详解、nagios日常实践

运维案例

自动化部署概述、配置管理体系概述、环境配置管理、集群环境简介、运维案例环境讲解、 环境配置分析、手工环境实践、ansible部署集群环境、ansible综合实践、整体测试

课程介绍及数据分析入门

整个阶段课程的介绍,数据分析招聘岗位要求、课程的覆盖度、学完后达到的能力、数据分析方向的职业发展通道

统计学基础

描述统计,统计推断:案例1 电影业商业数据统计分、 汇总分类变量,图形显示数据:案例2 高露洁公司数据统计及可视化分析、 分布形态及异常值检测,变量之间的关系度量:案例3Young Professional杂志销量与读者统计分析、 概率的性质,条件概率:案例4 美国审计总署统计数据分析、 泊松分布,二元分布等,案例5 Burke市场营销服务公司商务数据分析、 正态分布,指数分布等,案例6 Bayview大学商科学生的道德行为、 x抽样,p抽样: 案例7 Electronics Associates公司的抽样问题

数据挖掘项目实战 +金融行业量化分析+ 数据挖掘项目实战

Python编程数据分析:案例8 航空系统客户数据分析及客户挖掘、SPSS数据分析:案例9 医疗保险业的欺诈发现数据挖掘、 SPSS数据分析:案例10 中国消费者信心指数影响因素分析、CRM:客户关系管理模型

BI理论

BI(商业智能)基本概念和应用场景、数据仓库基本概念和设计规范、维度建模技术

数据可视化分析

FineBI数据可视化分析:实例讲解使用FineBI实施数据分析(暂定使用“零售连锁商店数据集”:账号申请、 软件下载与安装、数据梳理、etl数据清洗、维度表、事实表抽取、数据cube 定义、数据钻取实现、 可视化组件选择与展示、报表发布、Tableau数据可视化分析:实例讲解使用FineBI实施数据分析(暂定使用“环境监测数据集”:账号申请、软 件下载与安装、数据梳理、维度表、事实表抽取、多维度分析主题实现数据钻取实现、可视化组件选择与展示、报表发布

项目实战

Finebi + kettle +mysql 实现一个bi项目 (暂定 教育、环境监测、零售连锁商店数据集)

深度学习

TensorFlow框架介绍、逻辑回归原理、导数、神经网络原理、tf.keras实现神经网络分类、卷积神经网络、 神经网络算法优化、深度学习正则化、迁移学习

物体检测项目

物体检测项目架构、物体检测算法-RCNN、SPPNet、物体检测算法-Fast-RCNN、Faster-RCNN、 物体检测算法-YOLO、SSD、SSD算法进行图片预测、数据集的制作与处理、商品检测模型训练、 商品检测模型导出、Docker开启Tensorflow serving服务、TensorFlow serving client实现、 Docker开启Web服务、百度机器人对接自定义物体检测开发

深度学习和pytroch

深度学习和神经网络介绍、Pytorch的安装和入门使用、梯度下降和反向传播原理、案例:使用pytorch完成线性回归、 pytorch的数据加载方法、案例:Pytorch实现手写数字识别

循环神经网络

word embedding、案例:完成情感分类练习、循环神经网络、梯度爆炸和梯度消失原理和解决方法、 pytorch中的序列化容器、案例:使用循环神经网络完成情感分类

项目准备和fasttext实现意图识别

需求分析和项目流程介绍、语料准备和基础api的实现、常见意图识别的方法、fasttext的使用方法、 fasttext的原理、使用fasttext完成项目代码的封装

Seq2seq实现闲聊机器人

Seq2Seq模型原理、案例:使用Seq2seq完成基础的预测任务、使用seq2seq完成聊天机器人、 优化:使用attention优化模型效果、优化:使用BeamSearch优化预测效果

问答机器人实现

问答模型的介绍和流程分析、问答模型中召回模型的实现、优化:召回模型的优化、 问答模型中排序模型的实现、优化:排序模型的优化

美多商城

美多商城属于B2C电商,类似于京东自营、亚马逊自营等运营模式,商城自身销售商品给顾客。

美多商城前台由首页、商品列表页、商品详情页、商品搜索、购物车系统、订单系统、支付系统、评论系统、 用户中心等多个系统功能组成。

美多商城运营后台由用户管理、商品管理、订单管理、系统管理等功能组成,采用前后端分离模式,使用Python Web开发框架Django REST framework + 前端开发框架Vue 的SPA单页面系统实现。系统采用了当前主流的 RESTful接口设计,采用JWT的认证方案,并解决了权限管理问题。

美多商城技术亮点

1. 采用Vue作为前端框架,前端架构融入分层设计思想。

2. 采用Django及Django REST framework作为后端框架。

3. 采用分布式文件系统FastDFS作为文件存储技术。

4. 融入CORS跨域技术。

5. 采用RESTful接口设计。

6. 采用Jinja2模板引擎。

7. 采用Haystack+Elasticsearch实现商品的搜索。

8. 使用Redis作为缓存。

9. 实现MySQL读写分离。

10. 采用JWT认证机制。

11. 采用RabbitMQ作为消息中间件,配合Celery完成异步任务处理。

12. 实现页面静态化处理。

13. 采用crontab进行定时任务处理。

14. 采用Cookie+Redis的购物车解决方案。

15. 采用支付宝支付。

16. 引入电商SKU与SPU的概念。

17. 电商采用B2C模式。

18. 采用云通讯实现短信的发送。

19. 采用Docker容器技术。

20. 采用Nginx反向代理实现负载均衡。

21. 接入第三方登录。

22. 采用数据库事务+乐观锁解决并发订单保存问题。

黑马头条Web项目

黑马头条项目是一款汇集科技资讯、技术文章和问答交流的用户终端产品 。类似于今日头条,产品包含用户阅 读端App、作者自媒体运营端PC Web站点和系统运营管理后台PC Web站点三个部分。

黑马头条提供全平台应用,让用户轻松获取最新资讯,发布资讯文章。 项目独创推荐系统和智能客服。

黑马头条Web技术亮点

1. 前端与移动App和PC网页对接。

2. 采用Flask-RESTful作为后端开发框架。

3. 采用JWT完成用户认证。

4. 采用阿里大于短信服务。

5. 采用七牛对象存储服务。

6. 融入CORS跨域技术。

7. 采用RESTful接口设计。

8. 采用数据库主从同步机制,实现读写分离。

9. 采用Twitter的Snowflake雪花算法实现分布式ID。

10. 采用Redis Cluster集群和Redis主从+Sentinel哨兵。

11. 采用RabbitMQ作为消息中间件,配合Celery完成异步任务处理。

12. 采用gRPC与推荐系统和聊天机器人进行远程调用。

13. 采用Kafka作为消息中间件。

14. 采用APScheduler管理定时任务。

15. 采用Socket.IO实现IM即时通讯。

16. 采用Elasticsearch作为搜索引擎。

17. 采用Nginx反向代理实现负载均衡。

黑马推荐系统项目

黑马头条推荐系统属于机器学习与深度学习推荐应用项目,类似今日头条、掘金等推荐。用户可以通过黑马头 条APP获取个性化推荐技术文章的效果。

黑马头条推荐建立在海量用户与文章之上,主要在Feed流推荐、相关推荐、猜你喜欢应用场景。黑马头条使用 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,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。提高了优秀文章的点击率,增加热门文章和新文章的推荐占比,达 到千人千面的用户推荐效果。

黑马头条推荐系统技术亮点

1、 完整采用一套lambda大数据计算框架

2、 采用Flume进行日志采集工作

3、 采用Sqoop进行Mysql业务数据迁移

4、 使用hadoop分布式文件系统

5、 采用HIVE作为离线数据仓储

6、 采用Spark SQL作为离线分析工具

7、 采取Spark Streaming实现流式计算

8、 采用TFIDF与TextRank完成文章关键词计算

9、 采用spark LDA完成文章主题词计算

10、 采用spark Word2Vec模型计算文章向量

11、 文章相似度计算使用BucketRandomProjectionLSH计算

12、 用户画像引入时间衰减因子计算关键词权重结果

13、 采用Spark建立特征服务中心平台,完成特征提供任务

14、 推荐部分采取召回、排序两种策略任务

15、 召回部分采取多路召回合并,包括ALS召回、模型召回、新文章召回、热门召回

16、 排序部分引入模型融合,使用LR排序、GBDT特征处理、FM模型推荐、Wide&Deep模型

17、 采用Hbase集群完成用户画像、特征结果、推荐结果存储

18、 采用实时画像与实施召回等解决用户冷启动问题

19、 采用GRPC作为用户推荐接口

20、 引入ABTest实验中心,完成埋点参数设置,实时推荐效果反馈和分析,以及模型替换方案

21、 使用Redis作为推荐结果的缓存

NLP小智聊天机器人项目

智能客服项目是一个自然语言处理的项目,实现的功能类似于电商等平台的智能客服。在用户遇到基础的问题 的时候,可以和智能客服进行基础的对话,从而解决问题,减少了人工客服的工作量。

整个项目涉及了70%的自然语言处理的知识点,包括分词、词向量的训练、seq2seq模型、attention、 BeamSearch等内容。整个项目使用Pytorch来实现,其中基础的内容包括pytorch使用方法等,会在项目之前 作为前置内容来进行系统的学习。

NLP小智聊天机器人技术亮点

1、 Ptorch中的api使用和Pytorch中数据加载方法

2、模型搭建方法、模型的训练和评估方法

3、梯度下降和反向传播原理

4、文本向量化的方法:词袋模型,one-hot编码,word embedding等

5、循环神经网络RNN,包括LSTM、GRU以及双向LSTM等

6、梯度爆炸和梯度消失原理和解决方法

7、RELU和ELU等激活函数

8、Batch Normalization 批标准化

9、文本分类和意图识别的常见方法

10、fastText的使用和原理

11、Seq2Seq的模型原理和模型的实现

12、注意力机制

13、BeamSearch

14、常见检索模型的实现方法和流程

15、基于簇修建的相似度计算类方法

16、基于tfidf的文本向量化方法

17、基于BM25的文本向量化方法

18、基于深度学习的文本向量化方法

19、孪生神经网络的搭建

20、深度模型中self-attenion的原理和实现

21、深度模型中池化方法原理和实现

爬虫项目库

为了提高学生在爬虫领域的实战经验,所以制作了爬虫项目库,其中包括如下内容: 12306 车票购买程序、代理池搭建、失信人名单采集、京东全网数据爬虫、斗鱼socket弹幕采集

爬虫项目库技术亮点

1、能够掌握复杂爬虫请求验证方法

2、能够掌握复杂爬虫过程中cookie等信息收

3、能够掌握大规模电商数据采集方法

4、能够自行搭建代理池,使用代理池完成反反

5、能够完成socket请求过程中数据的采

6、能够精通selenium完成复杂验证网站数据

7、能够使用Gerapy完成大规模爬虫的部署

金融量化交易项目

量化交易(量化投资)是指借助现代统计学和数学(机器学习)的方法,利用计算机技术来进行交易的证券投资方式。 量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,用数量模型验证及固化 这些规律和策略,然后严格执行已固化的策略来指导投资,以求获得可以持续的、稳定且高于平均收益的超额 回报。

本项目利用米筐量化交易平台,详细介绍股票数据获取,策略模型建立,模型回测,策略模拟,实盘等策略建 立的全部过程,在创建策略的过程中,掌握主观策略的系统性量化方法,策略修正优化的思路方法,获得量化 交易中的各种实战技巧。

金融量化交易技术亮点

1、 多因子策略流程

2、 因子数据处理(去极值,标准化,市值中性化)

3、 Alphalens进行因子有效性分析

4、 回归算法选股

本课程学完之后可以胜任哪些岗位的工作?

本课程覆盖web全栈开发、爬虫开发、数据科学3个领域内容,完成全部课程 的学习,可以胜任 python 工程师、python web开发工程师、python 全栈 工程师、python 数据爬虫工程师、数据分析工程师、算法工程师、机器学习 工程师等岗位

学习本课程是否需要编程基础?

本课程内容设计完全面向0编程基础的学员设计,不需要任何编程基础就可以学习,只要求日常的计算机使用能力和经验

还有问题,点击咨询