Python开发全栈课程体系 ( V4.1 )
最后更新时间: 2020年3月课程一定是为你精心设计的, 成就自己的只需一套精品!
课程设计原则:
- - 以零基础小白为目标人群设计;
- - 以现在企业中高级程序员岗位所需要的技术应用为目标设计;
- - 为程序开发这门学科特点,以实战和项目贯穿为高效学习目标设计;
- - 根据线上学习特点去规划每天学习内容;
- - 以全栈技能为目标设计知识点结构;
- - 每年至少迭代更新两次,技术版本不一定是最新的,但一定是用的最多的版本;
课程介绍:
本课程由七大部分构成,Python基础阶段,Linux应用与管理,PythonWeb开发,Python高级阶段(爬虫+数据库),数据分析阶段,人工智能阶段, 课程Web开发阶段(前端+框架+微信小程序),并涉及到软件开发、网络爬虫、 数据分析与人工智能等最前沿的开发技术。课程中的每个知识点都是程序开发人员必不可少的内容,而且每个技术点的内容都非常全面, 深度到位,课程当中不仅有丰富实用的教学案例,而且还融入了软件工程知识的企业级实战项目。另外,每个知识点都是以目前最新版本的技术设计, 每半年一更新,并经过多家大型软件公司的技术专家(百度、京东等)参与修订,力求达到真正实用的目的,并与软件开发公司所需要的开发技术相吻合。
课程特点:
- - 入门容易,上手快
- - 学习周期短,以保证以最短的时间,达到可以从事数据分析师的水平
- - 采用案例式教学,通过专家讲师的带领使学员可以具有独立开发的能力
- - 利用Python开发进入数据抓取及数据分析项目开发领域
- - 与大型 Python开发型项目技术同步,应用最主流的Python框架等高级技术
- - 从网站的需求分析、概念设计和SQL,讲解数据库的模式、使用和设计流程
- - 课程的技术点完全采用编码规范,使学员熟练应用,提高编码效率
目标岗位:
- - Python软件开发工程师
- - 网络爬虫工程师
- - 数据分析工程师
- - 机器学习工程师
- - Python全栈互联网开发工程师
- - Python Web开发工程师
学习目标:
- - 迅速掌握开发技能,积累开发经验
- - 通过本课程高级部分学习,包括Python基础及相关技术,提高编程能力
- - 符合企业需求的Python软件开发工程师
- - 熟悉数据库服务器的管理、操作并精通SQL语句编写
- - 熟练使用python等技术进行网络数据的抓取,并进行相关的数据分析
- - 熟练掌握Excel,SPSS.SQL等专业的数据分析工具
- - 熟练使用Python进行数据分析及数据可视化
- - 掌握机器学习算法及人工智能领域中的机器学习技术,面向未来,成长为IT领域内的技术大咖
- - 熟悉Python开发,能搭建最好的网站运行平台,对服务器进行管理、维护以及安全防范
适合人群:
- - 即将毕业的在校大专生或本科生
- - 在校的本专科院校的大学生,有无基础都可以,但必须对软件开发行业有兴趣
- - 刚毕业但想从事软件开发行业的学生
- - 从事过相关工作想转向后台业务开发的人员
- - 有过工作经验并想提高自己进入数据分析或者人工智能领域的
- - 出于个人爱好,想开发自己熟悉业务的网站人员
- - 创业人员,开发自己创业项目中的产品
阶段一 Python编程基础
说明:
语言基础打的牢固, 是学习全栈技能的基础 Python语言入门容易,上手快。基础一定要打好, 虽然学完基础还不具备开发能力, 但是为后面的课程做好铺垫。
模块 | 目标 | 知识点 |
---|---|---|
Python基础语法 |
应知应会:1.搭建Python编程环境2.奠定Python语法基础 3.熟练掌握python语法使用 4.理解循环分支含义 。
业务实战:人机对话、经典游戏重现、压缩软件、典型应用锤炼 |
了解计算机、编程语言发展进程 |
Python介绍、特点、发展情况等前世今生 | ||
Python环境安装、IDE到位,准备开工 | ||
何为编译器?程序员与计算机之间的那座桥 | ||
标识符命名规则(文件、变量、常量等命名) | ||
彻底了解计算机进制转换 | ||
你不得不了解的常识:原码、反码和补码 | ||
Python输入、输出(Hello World) | ||
案例进阶:人机对话 | ||
数据类型(int bool…) | ||
字符串的定义及使用 | ||
表达式和运算符(算数、逻辑、关系、赋值…) | ||
元组、集合、字典、字符串的类型转换 | ||
案例进阶:你来比划我来猜 | ||
判断分支(单项、双向、多项、槽状) | ||
循环结构(while、for) | ||
关键词(break、continue pass) | ||
案例进阶:石头剪刀布计分游戏 | ||
多功能计算器(含各种进制换换功能) | ||
模块化编程 |
应知应会:1.函数的基本定义2.函数式开发方法 3.模块化编程思想 4.程序运行角度理解函数的各类问题 5.解决一些基础的算法问题
业务实战:百千买白鸡、汉诺塔、斐波那契等简单算法问题 |
函数应用场合及语法 |
关于函数不得不说的那些事(参数、返回值…) | ||
数据作用域问题(明确职责) | ||
典型问题:递归及应用场景 | ||
系统内置函数(all、sorted、eval、compile、reduce、filter...) | ||
案例进阶:百钱买百鸡、汉诺塔、斐波那契数列 | ||
Python高级特性 |
应知应会:1. 掌握函数式编程2. 几种常见的Python内置数据结构. 3. 列表的内置操作方法和对象的深浅拷贝 4. 字典和集合的内置方法以及对文件的读写操作
业务实战:压缩工具、随机点名系统 |
字符串运算 |
字符串的内置函数 | ||
数学相关函数 | ||
eval()的用法 | ||
os模块 | ||
zip模块 | ||
tar模块 | ||
日历模块 | ||
time模块 | ||
案例进阶:压缩工具 | ||
Python核心方法 |
应知应会:1. 自己处理OOP问题2. 具有初步软件工程知识,并树立模块化编程思想 3. 掌握面向过程和面向对象两种编程思想的区别 4. 掌握面向对象的魔术方法 5.能够使用异常并能够在程序中意识的抛出异常来加固程序的可用性 6.掌握部分数据结构和算法
业务实战:银行自动存取款机 |
面向对象思想 |
类与对象 | ||
类的方法与属性 | ||
构造函数与析构函数 | ||
Self的使用 | ||
重写__repr__与__str__函数 | ||
访问限制 | ||
单继承的实现 | ||
多继承的实现 | ||
函数重写 | ||
多态 | ||
对象属性与类 | ||
类方法与静态方法 | ||
案例进阶:人开枪射击子弹 | ||
@property | ||
运算符重载 | ||
装饰器 | ||
StringIO 与BytesIO | ||
文件的管理操作 | ||
文件读写(csv、txt)操作 | ||
异常处理 | ||
数据结构和算法基础 | ||
顺序表 | ||
栈与队列 | ||
链表 | ||
排序与搜索 | ||
树与树算法 | ||
案例进阶:青蛙跳 | ||
银行自动存取款机 |
收获:
学完此阶段能够熟练使用Python完成各种数据类型的操作。 还需要掌握Python控制语句、文件操作、异常处理相关操作, 以及掌握Python函数的使用、编写方法,可以熟练的进行模块化编程,和掌握Python面向对象思想及面向对象设计。这些内容每个细节都要掌握, 后面的课程和开发中都需要用到。
阶段二 Linux的系统应用与管理
说明:
Linux操作系统应该算是程序员和运维人员必备的技能,现在几乎所有的软件在服务器端运行都是在Linux操作系统上, 因为Linux是一种命令行的管理方式, 非常用利于远程进行服务器的管理操作,另外Linux操作系统运行稳定、安全、速度快。好多服务器端的软件有的只有Linux平台版本。 Linux本身就是一个操作系统, 学习操作系统本身比较轻松, 只是你刚开始可能排斥这种命令行的模式,如果你能将Windows的图形操作都转化成使用命令行操作,Linux也就学会了。 后期学习Linux操作系统,其实除了操作系统本身的操作以外, 最主要学习的还是安装在Linux操作系统上面的软件的配置与管理, 当然可以根据需要,学习可以会用到的软件即可。
模块 | 目标 | 知识点 |
---|---|---|
LINUX系统管理包括: 常用命令 系统管理 网络应用 LAMP环境编译及Apache配置 Nginx服务 iptables防火墙 Docker |
应知应会:1.目录操作命令2.文件操作命令 3.文件编辑 4.用户操作 5.权限管理 6.系统和网络管理 5.yum源配置 6.软件包安装 7.挂载 8.计划任务 9.lamp环境搭建 10.lnmp快速布署
业务实战:1.vim编辑查看文件2.文件系统挂载 3.安装tree命令 4.配置一个计划任务 5.samba文件服务器 6.编译搭建LAMP环境 7.Nginx配置虚拟主机 |
命令提示符 |
命令基本格式 | ||
cd命令和tab快捷键 | ||
常见目录说明 | ||
文件处理命令 | ||
权限管理命令 | ||
帮助命令 | ||
文件搜索命令 | ||
文件压缩与解压命令 | ||
命令使用技巧 | ||
案例进阶: 文件系统挂载 |
||
软件包的分类与安装 | ||
用户和用户组管理 | ||
进程管理,服务管理 | ||
计划任务 | ||
案例进阶: 安装tree命令 |
||
案例进阶: 配置一个计划任务 |
||
基本网络设置 | ||
网络文件共享 | ||
案例进阶: samba文件服务器 |
||
LAMP环境编译 | ||
apache基本选项及应用案例 | ||
弹性云计算 | ||
云存储 | ||
云数据库 | ||
案例进阶: 编译搭建LAMP |
||
LNMP安装与管理 | ||
FastCGI模式 | ||
修改Nginx配置文件 | ||
配置 Nginx 虚拟主机 | ||
代理负载均衡技术 | ||
Nginx返回代理 | ||
模块设置 | ||
案例进阶:nginx配置虚拟主机实验 |
||
防火墙概述 | ||
TCP_wrappers防护机制 | ||
iptables防火墙语法 | ||
常用防火墙脚本 | ||
将iptables作为NAT路由器 | ||
Docker安装与使用 |
收获:
作为以后的Python程序员,一定要掌握 linux 文件目录操作、掌握 linux 用户管理、掌握 linux 软件安装、 掌握 linux 服务管理、掌握 linux 网站环境搭建、掌握 linux 中nginx 配置,和掌握docker 虚拟化容器的使用。这些都在后面的课程中,以及工作中都会用到。 当然在学习阶段你也可以跳过这个阶段,使用Windows操作系统做一些实验也是可以的,但最好是按课程的安排和要求进行学习。
阶段三 Python爬虫应用
说明:
爬虫应用广泛, Python爬虫也有N种姿势。 网络爬虫(又被称为网页蜘蛛,网络机器人),是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本。其实通俗的讲就是通过程序去获取web页面上自己想要的数据, 也就是自动抓取数据 世界上80%的爬虫是基于Python开发的,学好爬虫技能,可为后续的大数据分析、挖掘、机器学习等提供重要的数据源。 你可以用爬虫爬图片,爬取视频等等你想要爬取的数据,只要你能通过浏览器访问的数据都可以通过爬虫获取,爬虫的本质是模拟浏览器打开网页,获取网页中我们想要的那部分数据。
模块 | 目标 | 知识点 |
---|---|---|
爬虫技术应用 |
应知应会:1. 了解数据库的基本情况2. Mysql常用操作(增、删、改、查等) 3. 熟练编写sql语句 4. 能够进行Python和MySQL、MongoDB和Redis之间的数据交互 5. 掌握网络编程相关技术,能够实现网络间数据通信 6. 掌握程序设计中处理并发相关技术,并能够编写支持高并发量的网络程序 7. 掌握一定的多线程开发能力,并学会处理并发执行带来的协成问题 8. 掌握爬虫的原理和设计思想 9. 掌握正则、bs4以及Xpath解析数据,使非结构化数据经过清洗,形成结构化数据 10. 掌握 Scrapy框架分布式爬虫
业务实战:商城界面模拟,Socket搭建聊天室、Socket轰炸飞Q、爬取百度贴吧、百度翻译、豆瓣影评、斗鱼直播、人人网、豆瓣、Scrapy分布式架构搭建爬取知乎,Scrapy分布式架构搭建爬取IT橘子 |
了解数据库发展脉络、当前状况等 |
Mysql简介 | ||
Mysql常用操作 | ||
事物处理 | ||
常见约束 | ||
案例进阶:Python中的Mysql | ||
网络基础知识介绍 | ||
Socket编程 | ||
UDP协议 | ||
TCP协议 | ||
HTTP协议 | ||
多线程/进程简介 | ||
Python的多线程 | ||
Python的多进程 | ||
案例进阶:Socket搭建聊天室 | ||
Socket轰炸飞Q | ||
爬虫原理讲解 | ||
网络请求协议 | ||
网络请求过程 | ||
Urllib库的基本使用 | ||
Rquests库的基本使用 | ||
反爬虫 | ||
反反爬虫 | ||
正则表达式 | ||
Xpath | ||
BeautifulSoup | ||
百度贴吧、百度翻译 | ||
分析 Ajax 请求完成抓取 | ||
使用 Redis 维护一个动态代理池 | ||
案例进阶:豆瓣影视、斗鱼直播 | ||
Selenium+Chrome headless无界面浏览器的操作模拟 | ||
网站验证码的提取处理 | ||
加密数据原理分析及数据提取 | ||
案例进阶:人人网、豆瓣 | ||
Scrapy 分布式原理 | ||
Scrapy-Redis 解析 | ||
Scrapy 分布式的部署详解 | ||
案例进阶:Scrapy 分布式架构搭建爬取知乎 | ||
Scrapy分布式架构搭建爬取IT橘子 |
收获:
学完此阶段能够掌握常用数据库设计,达到中级应用开发水平,掌握python直接操作MySQL数据库,并能完成一定的开发项目, 掌握Redis数据库的开发能力,还要对此类数据库有一定的理解能力和模仿能力,掌握一定的多线程开发能力,并学会处理并发执行带来的协成问题, 掌握Python爬虫的原理和设计思想 ,掌握爬虫、反爬虫技术,正则、bs4以及Xpath解析数据,使非结构化数据经过清洗,形成结构化数据, 掌握加密数据的爬取,提高爬取数据技术水平,进阶行业大牛,掌握 Scrapy 框架分布式爬虫,熟练掌握分布式爬虫的部署。
阶段四 Python Web开发
说明:
Python在Web方面逐渐增加,在其它领域也要Web技术支持 学习Web开发, 一定掌握web网站的前端页面开发,会多种面页布局方式,也要掌握web网站的页面特效开发,可以结合Python语言开发高并发全功能的Web网站开发,同时可根据业务流程图,开发web网站的后台业务; 技术方面需要HTML的开发知识,具有商业网页的模仿能力, CSS的布局知识,商业网页的布局,掌握JavaScript,为将来从事全栈工作打下基础,具备jQuery商业级的开发能力, 理解Ajax的工作原理并能使用ajax和后台框架通讯,掌握vue在网络前端中的使用, 和掌握web项目开发的流程和知识点。
模块 | 目标 | 知识点 |
---|---|---|
Python Web框架 |
应知应会:1. HTML的开发知识,具有商业网页的模仿能力2. CSS的布局知识,商业网页的布局 3. 掌握JavaScript,为将来从事全栈工作打下基础 4. 具备jQuery商业级的开发能力 5. 理解Ajax的工作原理并能使用ajax和后台框架通讯 6. 掌握vue在网络前端中的使用 7. 掌握web项目开发的流程和知识点,具备企业级django开发能力 8. 掌握Flask框架的实战应用,可完成微信小程序项目开发
业务实战:商业网页页面布局、B2C商城项目、微信小程序 |
Web技术原理 |
HTML概述 | ||
文本处理 | ||
图像和超链接 | ||
表格 | ||
表单 | ||
CSS概述 | ||
CSS语法 | ||
CSS选择器 | ||
CSS声明 | ||
JavaScript概述 | ||
JavaScript基础语法 | ||
内置对象 | ||
外部对象 | ||
Windows对象 | ||
Document对象 | ||
正则 | ||
jQuery概述 | ||
jQuery基本使用 | ||
jQuery选择器 | ||
jQuery事件 | ||
jQuery效果 | ||
节点操作 | ||
相关尺寸 | ||
Ajax的使用 | ||
Ajax异步请求 | ||
Vue基本概述 | ||
Vue常用指令 | ||
Vue计算和侦听属性 | ||
Vue交互 | ||
Django简介 | ||
Django基础操作 | ||
Django模型 |
收获:
学完此阶段能够掌握web网站的前端页面开发,掌握web网站的页面特效开发,高并发全功能的Web网站开发,可根据业务流程图,开发web网站的后台业务,具有企业级django开发能力,掌握开发微信小程序的能力。
阶段五 数据分析初级
说明:
数据分析是现在比较流行的技术, 学习之前需要了解数据分析的原理, 掌握一个数据分析的基本技能, 需要先从数据库入手, 对企业EXL数据进行了解, 这样才能对数据分析有一些感觉,就可以通过程序进行分析。
模块 | 目标 | 知识点 |
---|---|---|
SQL进阶 |
应知应会:1. 掌握数据Python与Redis的交互2.掌握SQL结构化查询
业务实战:各种SQL结构化查询 |
NoSQL介绍 |
Redis中常用数据类型 | ||
Redis数据结构服务器 | ||
Redis缓存服务器 | ||
Python与Redis的交互 | ||
SQL结构化查询 | ||
Excel数据分析 |
应知应会:1.掌握Excel数据输入2.掌握Excel公式与函数 3.掌握数据的可视化处理 4.掌握数据管理分析相关内容 5.能够使用Excel进行真实数据进行分析处理
业务实战:各种SQL结构化查询 |
NoSQL,Redis介绍 |
Redis中常用数据类型 | ||
Redis数据结构服务器 | ||
Redis缓存服务器 | ||
Python与Redis的交互 | ||
SQL结构化查询 | ||
了解excel情况发展情况 | ||
数值型 | ||
时间日期型 | ||
特殊数据的输入 | ||
高效数据的输入 | ||
公式和函数的组成、运算符、公式与函数的基本操作 | ||
统计函数、查找与引用函数 | ||
日期与时间函数 | ||
数学与三角函数 | ||
逻辑函数 | ||
文本函数 | ||
图表的类型 | ||
图表的创建 | ||
图表的布局设置 | ||
图表类型的更改 | ||
图表分析 | ||
图表数据源的更改 | ||
图表的美化 | ||
数据排序 | ||
数据筛选 | ||
分类汇总 | ||
合并计算 | ||
条件格式 | ||
创建数据透视表 | ||
设置数据透视表字段 | ||
编辑数据透视表 | ||
数据透视表的布局 | ||
数据筛选器 | ||
数据透视图 | ||
生产管理数据处理 进销存数据处理 投资经济数据处理 薪酬体系数据处理 市场调查问卷 销售数据分析表 |
收获:
学完此阶段需要掌握redis中常用数据类型,掌握Python和redis间的交互,掌握Excel数据输入,掌握Excel数据处理公式函数,掌握Excel数据可视化处理, 掌握Excel数据管理分析,掌握Excel处理商业级问题。
阶段六 数据分析高级
说明:
开放的数据分析场景, 要用编程来进行数据分析。 Python语言在机器学习领域有广泛的应用。采用机器学习的方式进行数据分析需要经过五个步骤,分别是数据准备、算法设计、算法训练、算法验证和算法应用。 采用Python进行数据分析还需要掌握一系列库的使用,包括Numpy(矩阵运算库)、Scipy(统计运算库)、Matplotlib(绘图库)、pandas(数据集操作)、Sympy(数值运算库)等库,这些库在Python进行数据分析时有广泛的应用。
模块 | 目标 | 知识点 |
---|---|---|
Spss数据分析 |
应知应会:1.掌握SPSS统计分析安装2.掌握SPSS数据处理 3.掌握描述性分析与相关分析
|
SPSS统计分析概述 |
介绍、安装、界面等 | ||
SPSS数据处理 | ||
数据类型与变量尺度 | ||
数据导入、清洗、抽取、合并分组和标准化 | ||
描述性分析与相关分析 | ||
频率、交叉表和描述分析 | ||
相关分析简介与实践 | ||
数据挖掘 |
应知应会:1.了解机器学习概念2了解numpy,pandas, matplotlib 3.了解一些统计学知识 4.了解数据清洗 5.了解特征工程 6.了解机器学习算法
业务实战:机器学习算法的tensorflow实现 |
数据建模分析 |
numpy的数组 | ||
numpy的索引以及切片 | ||
numpy的数据类型 | ||
numpy的数学运算 | ||
numpy的广播 | ||
计算统计学 | ||
Series介绍 | ||
DataFrame介绍 | ||
相关函数介绍 | ||
数据可视化 | ||
散点图 | ||
直方图 | ||
折线图 | ||
3D绘图 | ||
热力图 | ||
对比图 | ||
统计学 | ||
离群值介绍 | ||
数据的简单统计值介绍 | ||
相关系数和相关矩阵 | ||
协方差 | ||
皮尔森相关系数 | ||
斯皮尔曼等级相关系数 | ||
平均数和中位数 | ||
数据清洗 | ||
删除重复性特征 | ||
删除无关特征 | ||
解决结构性的错误 | ||
删除离群值 | ||
处理丢失的数据 | ||
数据类型处理 | ||
综合应用 | ||
电商客户特征识别数据分析 |
收获:
学完此阶段需要掌握SPSS数据处理,掌握描述性分析与相关分析,掌握Pandas数据预处理(整理/清洗)及描述性数据分析(指标计算和可视化), 掌握文本类结构化数据的分析和可视化,掌握Matplotib图表绘制和高级操作及其他绘图库,掌握综合应用数据分析和数据可视化技术,完成完整的数据分析报告,掌握Numpy数据生成、数据操作和数值计算, 掌握常见数学和统计学指标计算原理、向量和矩阵计算原理,理解常用机器学习算法原理,站我算法实现探索性数据分析,解决现实问题。
阶段七 人工智能与机器学习
说明:
python随着人工智能兴起而大热, 人工智能成就Python。 相对于其他语言,python对人工智能最大的优势是他的可扩展性、可嵌入性。这也是他被程序员称为“胶水语言”的原因。Python借助AI和数据科学,目前已经攀爬到了编程语言生态链的顶级位置,可以说Python基本上与AI已经紧密捆绑在了一起了。 Python历史上也一直都是科学计算和数据分析的重要工具,有numpy这样的底子,因为行业近似所以选择API binding语言的时候会首选Python,同时复用numpy这样的基础库既减少了开发工作量,也方便从业人员上手。
模块 | 目标 | 知识点 |
---|---|---|
机器学习 |
应知应会:1. 掌握Kmean聚类算法,主成分分析3. 掌握回归分析的数据处理方法,以及机器学习处理线性数据模型 4. 掌握利用机器语言搭建数据聚类和降维模型 5. 掌握利用机器语言搭建数据判别模型 6. 掌握利用机器语言搭建决策树模型 7. 掌握变量选取与神经网络搭建 8.掌握Tensorflow库完成深度学习项目
业务实战:银行信贷数据进行加权回归分析和Ols分析,实现数据预测,利用机器语实现多维线性回归,预测以及数据模型检验应用Tensorflow库完成深度学习项目 |
特征工程 |
分解类别属性(度热编码) | ||
分箱/分区 | ||
交叉特征 | ||
特征选择 | ||
特征缩放 | ||
特征提取 | ||
k-近邻算法 | ||
优化约会网站的配对效果 | ||
手写数字识别系统 | ||
分类决策树 | ||
判定鱼类和非鱼类 | ||
使用决策树预测隐形眼镜类型 | ||
朴素贝叶斯决策 | ||
屏蔽社区留言板的侮辱性言论 | ||
使用朴素贝叶斯过滤垃圾邮件 | ||
使用朴素贝叶斯分类器从个人广告中获取区域倾向 | ||
线性回归 | ||
线性回归概念 | ||
模型函数 | ||
损失函数 | ||
Sklearm中工具包使用场景 | ||
Ridge回归 | ||
Ridge回归常用方法 | ||
Lasso回归 | ||
Lasso回归常用方法 | ||
综合应用 | ||
房价预测 | ||
逻辑回归 | ||
声纳信号分类 | ||
案例进阶:马疝病的预测 | ||
支持向量机 | ||
支持向量机的用法 | ||
案例进阶:手写数字识别的系统 | ||
k-means聚类 | ||
构造数据实现k-means聚类算法 | ||
Apriori关联分析 | ||
Apriori 算法的使用 | ||
FP-growth高效发现频繁项集 | ||
FP-growth 的使用 | ||
利用PCA来简化数据 | ||
PCA来简化数据的使用 | ||
案例进阶:餐馆菜肴推荐系统 | ||
神经网络 | ||
Tensorflow内容 |
收获:
学完此阶段需要掌握数据分析基本流程及步骤,掌握数据挖掘基础工具及处理数据方法,掌握量化交易规则设计策略,掌握机器学习处理线性模型, 掌握机器语言搭建数据聚类和数据判定模型,掌握机器语言搭建决策树模型,掌握深度学习算法和框架。

购买后
拉进交流群