鄭州Python培訓(xùn) 2023-04-26 13:17:46
課程介紹
發(fā)布日期：2023-04-26 13:17:46
鄭州IT培訓(xùn)學(xué)校為學(xué)員設(shè)置Python培訓(xùn)班，企業(yè)大咖授課，熱門技能學(xué)習(xí)，深度學(xué)習(xí)數(shù)據(jù)分析，具備Python全棧能力，真項目，真實戰(zhàn)，多學(xué)科聯(lián)合開發(fā)，搭建互聯(lián)網(wǎng)人才優(yōu)質(zhì)輸送平臺，精準匹配無憂。
| 課程階段 | 課程內(nèi)容 | 課程案例 | 掌握技能 |
|---|---|---|---|
| Python入門（1周） | 用Python模塊turtle繪圖 | 多啦A夢 | '海龜'繪圖turtle的使用 |
| 小黃人 | |||
| PIL的使用 | 拼圖 | 對圖片的處理 | |
| 圖片鏡像 | |||
| 石雕圖 | |||
| Python操作excel | 篩選excel文件中的數(shù)據(jù) | 快速便捷操作excel表 | |
| 人口統(tǒng)計 | |||
| Python生成報表 | 柱狀圖 | 根據(jù)數(shù)據(jù)分析得出報表 | |
| 餅狀圖 | |||
| 折線圖 | |||
| 漏斗圖 | |||
| Python發(fā)送短信和郵件 | 利用互億無線觸發(fā)短信接口發(fā)送驗證碼短信 | 掌握發(fā)送短信的與郵件的操作,在程序中以短信或者郵件形式發(fā)送驗證碼 | |
| 利用smtp發(fā)送郵件 | |||
| 郵件群發(fā) | |||
| 快速建站（1周） | HTML常用標簽 | 段落的顯示 | 掌握HTML常用標簽的結(jié)構(gòu),簡單搭建頁面 |
| 超鏈接錨點跳轉(zhuǎn) | |||
| 表格數(shù)據(jù) | |||
| 登陸注冊的表單 | |||
| CSS常用樣式 | 隔行變色的表格 | 掌握CSS布局格式,完成簡單的頁面布局 | |
| 陰影文本 | |||
| 照片墻 | |||
| 百度頁面的布局 | |||
| JavaScript入門 | 表格數(shù)據(jù)編輯與刪除 |
掌握DOM 操作 掌握事件的處理 掌握請求處理 |
|
| 評論字數(shù)的限制 | |||
| 輪播圖 | |||
| 請求新聞列表 | |||
| Flask快速建站(上) | 搭建博客的基本網(wǎng)站 |
MTV框架結(jié)構(gòu)的了解 對象關(guān)系映射的了解 |
|
| 注冊登錄的實現(xiàn) | |||
| Flask快速建站(下) | 博客的發(fā)布 | 表的關(guān)系映射 |
| 課程階段 | 課程內(nèi)容 | 課程案例 | 掌握技能 |
|---|---|---|---|
|
勝任職位：初級數(shù)據(jù)分析師、數(shù)據(jù)庫管理 薪資待遇：8K-12K |
|||
| 商業(yè)數(shù)據(jù)可視化（5周） | Excel業(yè)務(wù)分析 | Excel基礎(chǔ)技能 |
數(shù)據(jù)分析基礎(chǔ)工具 數(shù)據(jù)分析理論體系 數(shù)據(jù)分析常用指標 數(shù)據(jù)分析報告制作 |
| Excel數(shù)據(jù)處理 | |||
| Excel函數(shù) | |||
| Excel繪圖+Excel透視表 | |||
| 數(shù)據(jù)分析方法論+常用指標+數(shù)據(jù)分析報告 | |||
| Power BI | PowerBI初級應(yīng)用-可視化報告生成 | PowerBI常用數(shù)據(jù)分析操作 使用PowerBI制作數(shù)據(jù)分析報告 | |
| PowerQuer數(shù)據(jù)清洗、零售業(yè)經(jīng)營現(xiàn)狀分析 | |||
| PowerBI圖表鉆取、編輯交互、餐飲銷售情況分析 | |||
| PowerPivot交叉分析 | |||
| PowerBI可視化 | |||
| MySQL | MySQL建庫和建表 | 掌握MySQL常用操作 使用MySQL進行數(shù)據(jù)分析 | |
| MySQL查詢操作 | |||
| MySQL事務(wù)和觸發(fā)器 | |||
| MySQL視圖索引 | |||
| MySQL數(shù)據(jù)分析 | |||
| 統(tǒng)計學(xué)基礎(chǔ) | 描述統(tǒng)計指標、估計、正態(tài)分布及其他常用分布 | 掌握數(shù)據(jù)分析、機器學(xué)習(xí)建模的數(shù)學(xué)理論基礎(chǔ) | |
| 假設(shè)檢驗、關(guān)聯(lián)分析 | |||
| 方差分析、相關(guān)分析 | |||
| 回歸分析 | |||
| 微積分、線性代數(shù)基礎(chǔ) | |||
| Tableau | Tableau入門、導(dǎo)航、設(shè)計流程、數(shù)據(jù)類型 | 掌握Tableau常用操作 使用Tableau制作數(shù)據(jù)分析報告 | |
| 數(shù)據(jù)源導(dǎo)入、數(shù)據(jù)提取、字段操作、元數(shù)據(jù) | |||
| 工作表操作、Tableau運算 | |||
| Teableau可視化 | |||
| Teableau高級應(yīng)用及銷售可視化分析 | |||
| SPSS | 方差、相關(guān)性、回歸分析 | 掌握SPSS基本操作 初步理解常用建模算法 使用SPSS完成數(shù)據(jù)建模 | |
| 卡方、邏輯斯蒂回歸、評分卡 | |||
| 特征選擇、主成分分析 | |||
| 客戶畫像、用戶分群 | |||
| 神經(jīng)網(wǎng)絡(luò)、決策樹、時間序列分析 | |||
|
勝任職位：中級數(shù)據(jù)分析師、數(shù)據(jù)倉庫 薪資待遇：10K-15K |
|||
| Python數(shù)據(jù)科學(xué)（6周） | Python基礎(chǔ)語法 | 安裝環(huán)境、IDE與Jupyter、第三方庫 | Python語法python調(diào)用數(shù)據(jù)庫數(shù)據(jù) |
| 注釋、行與縮緊、輸出和輸入、變量及賦值 | |||
| 數(shù)值、字符串、布爾值、列表、元組、集合、字典 | |||
| 條件語句、循環(huán)語句、Break、Continue、Pass | |||
| 錯誤和異常捕捉、錯誤處理方法、異常處理方法 | |||
| 邏輯判斷、數(shù)字處理、序列、類型轉(zhuǎn)換、系統(tǒng)函數(shù) | |||
| 函數(shù)定義、函數(shù)參數(shù)、默認參數(shù)、變量作用域 | |||
| 全局變量和局部變量、遞歸函數(shù)、匿名函數(shù) | |||
| 列表生成式、生成器、高級函數(shù)：map、reduce、filter等 | |||
| 模塊概念介紹、模塊導(dǎo)入、模塊管理、自定義模塊 | |||
| 文件讀寫、利用Python操作文件、Json數(shù)據(jù)解析 | |||
| time、calendar、datetime | |||
| 類的定義、類對象、類方法 | |||
| Python連接數(shù)據(jù)庫的方法及操作 | |||
| Python數(shù)據(jù)清洗 | 數(shù)字化Python模塊Numpy | python數(shù)據(jù)清洗 numpy pandas | |
| 數(shù)據(jù)分析利器Pandas | |||
| Pandas基本操作 | |||
| Pandas高級操作 | |||
| Pandas案例分析案例一 | |||
| Pandas案例分析案例二 | |||
| Python數(shù)據(jù)可視化 | 第三方庫:matplotlib、seaborn介紹 python的數(shù)據(jù)可視化 | python的數(shù)據(jù)可視化 | |
| 常用可視化圖形及使用場景 | |||
| 圖形選取標準 | |||
| Pandas繪圖方法 | |||
| 高級繪圖工具PyEcharts介紹 | |||
| matplotlib API入門 | |||
| Figure和Subplot對象 | |||
| 線性圖與散點圖的繪制方法 | |||
| 可視化異常處理 | |||
| 密度圖與等高線圖 | |||
| 頻次直方圖、數(shù)據(jù)區(qū)間劃分和分布密度 | |||
| 圖例配置方法及常用參數(shù) | |||
| 顏色條配置方法和常用參數(shù) | |||
| subplot多子圖繪制方法 | |||
| 文字與注釋、自定義坐標軸方法 | |||
| 配置文件與樣式表 | |||
| 三維圖形繪制方法 | |||
| Seaborn入門 | |||
| SeabornAPI介紹 | |||
| 子彈圖制作 | |||
| 環(huán)形圖制作 | |||
| 瀑布圖制作 | |||
| Bump Char等 | |||
| Echarts入門 | |||
| PyEcharts API介紹 | |||
| PyEcharts 繪圖介紹 | |||
| Python統(tǒng)計分析 | 數(shù)據(jù)描述、數(shù)據(jù)分布與統(tǒng)計信息 | 分析預(yù)測 異常值的處理 | |
| 數(shù)據(jù)角色定位、大數(shù)據(jù)存儲 | |||
| 最小二成估計 | |||
| 關(guān)于線性回歸 | |||
| 線性回歸與方差分析 | |||
| 數(shù)據(jù)分析流程 | |||
| 多元線性回歸的假設(shè) | |||
| 正態(tài)分布的問題 | |||
| 異方差問題與處理 | |||
| 異常值問題與處理 | |||
| 共線性問題與處理 | |||
| 內(nèi)生性問題與處理 | |||
| logistic回歸與卡方 | |||
| 量大似然估計 | |||
| logistic回歸解析 | |||
| 評分與預(yù)測 | |||
| 分類比例平衡問題 | |||
| 工具變量的使用 | |||
| 啞變量的處理 | |||
| 變量篩選 | |||
|
勝任崗位：高級數(shù)據(jù)分析師、數(shù)據(jù)建模、機器學(xué)習(xí)算法工程師 薪資待遇：15K-30K |
|||
| 機器學(xué)習(xí)（3周） | Python機器學(xué)習(xí)基礎(chǔ) | 數(shù)據(jù)挖掘與機器學(xué)習(xí)入門 |
機器學(xué)習(xí)算法 聚類分析 線性回歸 隨機森林 XGBoost |
| 機器學(xué)習(xí)概念及分類 | |||
| 機器學(xué)習(xí)三大要素：模型、策略、算法 | |||
| 模型評估方法概述 | |||
| KNN基本原理 | |||
| KNN算法模型 | |||
| 距離類模型中距離的確認 | |||
| 選取k值 | |||
| 模型的構(gòu)建和評估 | |||
| 模型的優(yōu)化 | |||
| 交叉驗證 | |||
| 學(xué)習(xí)曲線 | |||
| 歸一化 | |||
| KNN模型的優(yōu)化 | |||
| 模型優(yōu)化的標準 | |||
| 無監(jiān)督學(xué)習(xí)與聚類算法 | |||
| 聚類分析概述與簇的概念 | |||
| 距離衡量方法 | |||
| SSE | |||
| 聚類目標和質(zhì)心計算方法 | |||
| sklearn實現(xiàn)kmeans | |||
| MSE | |||
| 輪廓系數(shù) | |||
| DBSCAN基本原理 | |||
| DBSCAN算法實現(xiàn) | |||
| DBSCAN的sklearn實現(xiàn) | |||
| 混淆矩陣 | |||
| 網(wǎng)絡(luò)搜索優(yōu)化 | |||
| 過擬合與欠過擬合 | |||
| 決策樹算法概述及學(xué)習(xí)過程 | |||
| 特征依據(jù)：香濃熵、信息增益 | |||
| 決策樹的生成：ID3算法、C4.5算法 | |||
| 擬合度優(yōu)化、剪枝、CART算法 | |||
| 決策樹的sklearn實現(xiàn) | |||
| 金融行業(yè)商業(yè)項目實戰(zhàn) | |||
| Python機器學(xué)習(xí)中級 | 線性回歸概述 | ||
| 多元線性回歸原理 | |||
| 模型參數(shù)求解方法 | |||
| 回歸模型評價標準 | |||
| 多重共線性與嶺回歸、Lasso | |||
| 非線性問題及處理方法 | |||
| 多項式回歸 | |||
| MSE、R^2、最小二乘法、梯度下降 | |||
| 名為"回歸"的分類器 | |||
| 二元邏輯回歸的損失函數(shù) | |||
| 邏輯回歸的重要參數(shù) | |||
| 梯度下降求解邏輯回歸最小損失函數(shù) | |||
| 概率分類器概述 | |||
| 樸素貝葉斯概述 | |||
| 不同分布下的樸素貝葉斯 | |||
| 高斯貝葉斯下的擬合效果與運算速度 | |||
| 多項式樸素貝葉斯及優(yōu)化 | |||
| AUC、ROC、TF-IDF | |||
| 關(guān)聯(lián)規(guī)則概述：頻繁項集的產(chǎn)生與關(guān)聯(lián)發(fā)現(xiàn) | |||
| Apriori算法原理 | |||
| 使用Apriori算法發(fā)現(xiàn)頻率項集 | |||
| 協(xié)同過濾概述 | |||
| 協(xié)同過濾算法分類 | |||
| 基于商品的協(xié)同過濾 | |||
| 基于協(xié)同過濾的商品個性化推薦 | |||
| Python機器學(xué)習(xí)高級 | 集成算法概述 | ||
| 隨機森林分類器的實現(xiàn) | |||
| 機器學(xué)習(xí)調(diào)參思路 | |||
| MSE、R^2、最小二乘法、梯度下降 | |||
| 數(shù)據(jù)處理概述 | |||
| 數(shù)據(jù)量綱處理：歸一化、標準化、缺失值處理 | |||
| 分類型數(shù)據(jù)處理：數(shù)據(jù)編碼和啞變量 | |||
| 連續(xù)型數(shù)據(jù)處理：二值化與分箱 | |||
| 特征選擇：過濾法、嵌入法、包裝法 | |||
| SVM概述：SVM工作原理 | |||
| SVM模型構(gòu)建 | |||
| 線性SVM | |||
| AUC、ROC、TF-IDF | |||
| 梯度提升樹概述 | |||
| XGBoost選擇若分類器 | |||
| 求解目標函數(shù) | |||
| 參數(shù)化決策樹 | |||
| 目標函數(shù)與樹結(jié)構(gòu)的直接關(guān)系 | |||
| XGBoost的剪枝參數(shù) | |||
| XGBoost分類樣本不均勻 | |||
| XGBoost客戶成交量預(yù)測 | |||
|
勝任職位：爬蟲工程師 薪資待遇：12K-15K |
|||
| 數(shù)據(jù)采集（1周） | 數(shù)據(jù)采集 | 爬蟲類庫requests介紹及使用 |
xpath\bs4\sjon slenium requests 多線程 scrapy |
| 常見網(wǎng)絡(luò)請求策略及解析（xpath\bs4\json) | |||
| 動態(tài)網(wǎng)頁提取 | |||
| 驗證碼、IP池（打碼平臺介紹、驗證碼解決方案） | |||
| 多線程爬蟲 | |||
| scrapy框架（一） | |||
| scrapy框架（二） | |||
| 項目類別 | 項目描述 | 可解決的問題 | 可掌握的核心能力 |
|---|---|---|---|
|
數(shù)據(jù)采集項目實戰(zhàn) 項目周期：2天 開發(fā)時間：第16周 |
項目背景&業(yè)務(wù)邏輯 | 使用python的數(shù)據(jù)采集技術(shù)，對精品數(shù)據(jù)進行商品全信息的抓取及保存，為行業(yè)精品分析提供數(shù)據(jù)準備 |
理解數(shù)據(jù)分析師采集數(shù)據(jù)常用解決方案 掌握數(shù)據(jù)采集的開發(fā)流程 具備數(shù)據(jù)采集的開發(fā)能力 |
| 指定采集方案 | |||
| 并發(fā)采集處理 | |||
| 并發(fā)采集處理 | |||
|
用戶訂單預(yù)測項目實戰(zhàn) 項目周期：3天 開發(fā)時間：第16周 |
項目背景 | 對目標客戶的運營數(shù)據(jù)，以行業(yè)常見指標對用戶行為進行分析，包括UV、PV、新增用戶分析、漏斗流失分析、留存分析、用戶價值分析、復(fù)購分析等內(nèi)容；并對數(shù)據(jù)進行建模實現(xiàn)用戶訂單的預(yù)測功能 |
理解用戶訂單預(yù)測的分析體系 掌握用戶價值分析的基本方法 掌握用戶訂單預(yù)測的常用建模方法 熟練常用數(shù)據(jù)清洗與特征工程的處理辦法 |
| 用戶價值分析 | |||
| 數(shù)據(jù)清洗與特征工程 | |||
| 模型建立 | |||
| 方法與實現(xiàn)結(jié)果 | |||
|
電商市場數(shù)據(jù)挖掘項目實戰(zhàn) 項目周期：1周 開發(fā)時間：第17周 |
項目背景&業(yè)務(wù)邏輯（1天） | 通過對目標客戶（拜耳官方旗艦店）的蚊香市場的驅(qū)蟲市場的潛力分析、滅鼠殺蟲劑市場的機會點分析、相關(guān)競爭的產(chǎn)品分析及輿情分析，進而對目標客戶給出產(chǎn)品的調(diào)整方案 |
理解電商系統(tǒng)數(shù)據(jù)分析體系 掌握電商市場數(shù)據(jù)分析的基本思路 掌握文本分析在電商類數(shù)據(jù)分析中的應(yīng)用場景 掌握常用特征預(yù)處理的思路和方法 |
| 指定分析策略（1天） | |||
| 方法實現(xiàn)與結(jié)果（1天） | |||
| 營銷活動設(shè)計及結(jié)果評價（1天） | |||
| 撰寫數(shù)據(jù)分析報告（1天） | |||
|
金融風(fēng)險信用評估項目實戰(zhàn) 項目周期：1周 開發(fā)時間：第18周 |
項目背景&業(yè)務(wù)邏輯（1天） | 信用風(fēng)險是對交易對手未能履行約定合同中的義務(wù)造成經(jīng)濟損失的風(fēng)險，即受信人不能履行還 本付息的責(zé)任而使授信人的預(yù)期收益與實際收益發(fā)生偏離的可能性，它是金融風(fēng)險的主要類型。借貸 場景中的評分卡是一種以分數(shù)的形式來衡量風(fēng)險幾率的一種手段，也是對未來一段時間內(nèi)違約、逾期、 失聯(lián)概率的預(yù)測。一般來說，分數(shù)越高，風(fēng)險越小。 |
理解金融風(fēng)控系統(tǒng)的完整體系 掌握時間窗口類型的數(shù)據(jù)分析數(shù)據(jù)思路 掌握Logisitc回歸在風(fēng)控系統(tǒng)的使用方法 掌握風(fēng)控系統(tǒng)建模類的常用評估指標 熟練常用特征處理的操作方法 |
| 建模準備（1天） | |||
| 數(shù)據(jù)清洗（1天） | |||
| 模型訓(xùn)練（0.5天） | |||
| 模型評估（0.5天） | |||
| 模型部署與更新（1天） |
| 課程階段 | 課程內(nèi)容 | 掌握能力 | 解決問題 |
|---|---|---|---|
| 團隊企業(yè)拓展訓(xùn)練 | 參觀企業(yè) | 企業(yè)經(jīng)歷，感同身受 |
融入企業(yè) 對企業(yè)、公司全方位了解 |
| 企業(yè)文化 | |||
| 程序員工作場景體驗 | |||
| 企業(yè)合作項目課程 | 項目經(jīng)理職責(zé)介紹 | 項目開發(fā)流程 |
提升面試經(jīng)驗 提升工作經(jīng)驗 提升項目經(jīng)驗 |
| 項目介紹 | |||
| 項目分工 | |||
| 項目開發(fā)市場 | |||
| 項目上線部署問題 | |||
| 項目運行管理 | |||
| 項目管理課程 | 項目需求分析 | 企業(yè)真實項目管理經(jīng)驗 | 快速進入公司項目開發(fā)角色 |
| 項目管理 | |||
| 項目代碼分工合作 | |||
| 項目上線管理 | |||
| 項目迭代管理 | |||
| 職業(yè)素養(yǎng)課程 | 專業(yè)與素養(yǎng) | 職場專業(yè)人士 只會寫代碼的不一定是程序員 專業(yè)的程序員 | 職業(yè)程序員 程序開發(fā)職業(yè)‘殺手’ |
| 培養(yǎng)自己職業(yè)素養(yǎng) | |||
| 該說‘不’就說‘不’ | |||
| 只說‘是’不說‘試一試’ |
| 課程階段 | 課程目錄 | 課程介紹 | 掌握能力 |
|---|---|---|---|
| 《企業(yè)初認知》 |
1、公司類型 2、企業(yè)組織架構(gòu) 3、企業(yè)崗位發(fā)布及招聘流程 4、企業(yè)招聘途徑 5、對標IT職業(yè)人的綜合素養(yǎng)和技術(shù) |
從準職業(yè)人到標準職業(yè)人，綜合素養(yǎng)和技能缺一不可，如何選擇適合自己的平臺成就以后的職業(yè)提升? 本課程以當下IT企業(yè)公司的文化、架構(gòu)、管理、要求為切入點，并結(jié)合當下公司招聘的流程和招聘要點進行分析，讓學(xué)員一開始樹立未來職場目標的同時，更能提前做到知己知彼，穩(wěn)握進入職場的入場券。 | 通過本課程學(xué)習(xí)熟悉公司類型，組織架構(gòu)和本職位相關(guān)的工作流程以及公司招聘常用哪些招聘平臺等信息，讓學(xué)員對公司有了初步認知，清晰目標，走出舒服區(qū)，努力修煉技能，拿到職場入場券。 |
| 《市場行情分析及職業(yè)發(fā)展》 |
1、市場行情分析 2、崗位招聘需求分析 3、職業(yè)生涯規(guī)劃 4、技術(shù)網(wǎng)站拓展 |
本課程通過分析市場行情，把握每一季的行業(yè)動態(tài)以及深度剖析招聘崗位需求，直擊招聘需求背后的需求，在把握時機、掌握企業(yè)招人動機的前提下規(guī)劃學(xué)習(xí)從而規(guī)劃自己的職業(yè)生涯，走上事業(yè)巔峰。 | 通過本課程的學(xué)習(xí)了解當下知名招聘平臺全國各個城市的招聘需求數(shù)量、薪資分布崗位職責(zé)等內(nèi)容并且360度解讀一名程序員的職業(yè)生涯發(fā)展路線。對從事崗位有了具體、細致的了解，從而有了清晰的規(guī)劃職業(yè)。 |
| 《企業(yè)需求及職場規(guī)則》 |
1、企業(yè)軟需求 2、情商提升 3、職場規(guī)則 |
當代大學(xué)生常說的一句話“畢業(yè)即失業(yè)”，隨著市場經(jīng)濟的深入，正在進入“后學(xué)歷時代”，企業(yè)用人目的明確，本課程重點講職場“潛規(guī)則”讓學(xué)員在進入職場之前掌握職場生存、提升的精華，從而規(guī)避掉職場陷阱，穿越事業(yè)成功的新途徑。 | 本課程重點從公司考察的硬實力和軟實力出發(fā)分析需要掌握的技能，同時縱向橫向三位一體的從態(tài)度、言行、微笑等細節(jié)及職場潛規(guī)則等方面解讀讓準職業(yè)人了解職場法則。 |
| 《求職禮儀及面試常見問題》 |
1、求職禮儀 2、薪資構(gòu)成解讀 3、社保及合同解讀 4、其他職場常見問題 |
職場禮儀可以提高人文素質(zhì),塑造你具有高尚的精神境界和高品位的文化境界。本課程核心關(guān)鍵字：溝通、情緒、壓力、態(tài)度等旨在改變?nèi)说膬r值觀、人生觀、個性，提高并維護自我職業(yè)形象，并延伸了很多學(xué)員在薪資以及社保等常識問題進行精講，全方位360度為職場護航。 | 本課程重點講解著裝、談話、儀容、薪資構(gòu)成以及五險一金、合同等方面講解，從個人形象的打造到熟悉法律法規(guī)保護個人權(quán)益，進行全方位解讀，為能進入職場保駕護航。 |
| 課程階段 | 學(xué)習(xí)內(nèi)容 | 掌握能力 | 解決問題 |
|---|---|---|---|
| 數(shù)據(jù)挖掘 | 數(shù)據(jù)挖掘策略分析 | 掌握數(shù)據(jù)分析、數(shù)據(jù)挖掘、分析商業(yè)數(shù)據(jù)的綜合能力 | 企業(yè)中數(shù)據(jù)挖掘遇到的瓶頸 |
| 數(shù)據(jù)挖掘常用指標 | |||
| 數(shù)據(jù)挖掘業(yè)務(wù)分析 | |||
| 大數(shù)據(jù)處理分析 | hadoop | 掌握海量數(shù)據(jù)存儲、處理、機器學(xué)習(xí)能力 | 人工智能海量數(shù)據(jù)數(shù)據(jù)挖掘 |
| 大數(shù)據(jù)處理技術(shù) | |||
| spark | |||
| hive | |||
| 商業(yè)BI決策師 | Power BI | 學(xué)過商業(yè)數(shù)據(jù)收集、管理、分析從而為公司決策提供支持 |
提升公司決策效率和質(zhì)量 數(shù)據(jù)是企業(yè)的眼睛 使企業(yè)以更快的反應(yīng)應(yīng)對市場變化 |
| Tableau | |||
| 商業(yè)決策案例 | |||
| 數(shù)據(jù)質(zhì)量控制 | |||
| 收集、管理、分析 | |||
| Android移動開發(fā) | 基礎(chǔ)UI學(xué)習(xí) | 了解基本的移動端Adroid開發(fā) | 項目中移動端問題，溝通和解決得心應(yīng)手 |
| 六大布局 | |||
| 四大組件 | |||
| 用戶交互界面視圖 | |||
| 數(shù)據(jù)存儲 | |||
| 動畫 | |||
| 自定義View | |||
| 多媒體和相機 | |||
| 高級UI組件 | |||
| 網(wǎng)絡(luò)訪問 | |||
| 樣式開發(fā) | |||
| 多線程通信 | |||
| IOS移動開發(fā) | UIKit | 了解基本的移動端IOS開發(fā) | 技不壓身，移動端問題 溝通和解決得心應(yīng)手 |
| JSON | |||
| AFNetworking | |||
| UITableView | |||
| UITableViewcell | |||
| MJRefresh | |||
| MJExcetions | |||
| 社交分享與登錄 | |||
| 消息推送 | |||
| 自定義控件 | |||
| 面向?qū)ο? | |||
| 內(nèi)存管理 | |||
| Category protocol block copy KVC/KVO ,Foundation框架 | |||
| 自動化運維開發(fā) | 監(jiān)控目標 | 掌握自動化運維概念和操作 Python應(yīng)用的另一種方面 | 提升個人全面技能 深度了解項目整體運行情況 |
| 監(jiān)控方法 | |||
| 監(jiān)控核心 | |||
| 監(jiān)控工具 | |||
| 監(jiān)控指標 | |||
| 監(jiān)控流程 | |||
| 監(jiān)控報警 | |||
| 報警處理 | |||
| 自動化測試開發(fā) | 對Web UI的自動化測試程序 | 掌握自動化測試基本技術(shù) | 提升全面技術(shù)棧 |
| 對Windows窗體UI的自動化測試程序 | |||
| API測試 | |||
| 數(shù)據(jù)庫測試 | |||
| 接口測試，也叫業(yè)務(wù)流程測試（包括功能模塊之間、模塊與模塊之間、子系統(tǒng)之間） | |||
| 單元測試 | |||
| 性能測試（TPS吞吐量、響應(yīng)速度、cpu占用率、內(nèi)存占用率） | |||
| 負載測試（壓力測試、強度測試、容量測試） |
千鋒全學(xué)科覆蓋企業(yè)項目開發(fā)前端、中臺、后臺全流程，真實承接上下游需求，高效協(xié)作。
跨平臺實施
項目交叉融合，PC端、移動端、智能終端，各平臺功能實現(xiàn)，技能進步看得見！
真場景實操
還原企業(yè)真實開發(fā)場景，從項目立項到部署上線全程參與，不落下每一個開發(fā)環(huán)節(jié)。
高標準驗收
超高驗收標準，以真實企業(yè)需求要求功能實現(xiàn)，確保項目無BUG，流暢運行。
項目描述：只給出半張人臉，使用算法，自動補全另一半人臉，想要掌握這項技能，刑偵部門素描室，往往需要經(jīng)過十幾年的訓(xùn)練，我們使用算法，以非常核心技術(shù)：主要用到一系列回歸算法
業(yè)務(wù)：1.pandas數(shù)據(jù)讀取2.異常數(shù)據(jù)清晰、空值處理3.根據(jù)評分表打分4.本地化
技術(shù)應(yīng)用點：1.pandas數(shù)據(jù)分組groupby 2.2.map映射3.pandas數(shù)據(jù)預(yù)處理4.4.Excel數(shù)據(jù)預(yù)處理5.數(shù)據(jù)分析報告
淘寶用戶行為數(shù)據(jù)分析：
介紹：針對淘寶app的運營數(shù)據(jù)，以行業(yè)常見指標對用戶行為進行分析，包括UV、PV、新增用戶分析、漏斗流失分析、留存分析、用戶價值分析、復(fù)購分析等內(nèi)容；本文使用的分析工具以MySQL為主，涉及分組匯總，引用變量，視圖，關(guān)聯(lián)查詢等內(nèi)容。
業(yè)務(wù)：1.基于AARRR漏斗模型，使用常見電商分析指標，從新增用戶數(shù)量、各環(huán)節(jié)轉(zhuǎn)化率、新用戶留存率三個方面進行分析2.確定影響新增用戶數(shù)量的因素，找到需要改進的轉(zhuǎn)化環(huán)節(jié)，發(fā)現(xiàn)留存現(xiàn)存問題3.研究用戶在不同時間尺度下的行為規(guī)律，找到用戶在不同時間周期下的活躍規(guī)律4.找出價值的核心付費用戶群，對這部分用戶的行為進行分析5.找到用戶對不同種類商品的偏好，制定針對不同商品的營銷策略
技術(shù)應(yīng)用點：1.AARRR模型2.電商分析常用指標3.Pandas數(shù)據(jù)清洗4.Groupby函數(shù)、交叉表、透視表5.Matplotlib+Searborn可視化
金融公司風(fēng)控系統(tǒng)：
介紹：信用風(fēng)險指的是交易對手未能履行約定合同中的義務(wù)造成經(jīng)濟損失的風(fēng)險，即受信人不能履行還本付息的責(zé)任而使授信人的預(yù)期收益與實際收益發(fā)生偏離的可能性，它是金融風(fēng)險的主要類型。借貸場景中的評分卡是一種以分數(shù)的形式來衡量風(fēng)險幾率的一種手段，也是對未來一段時間內(nèi)違約、逾期、失聯(lián)概率的預(yù)測。一般來說，分數(shù)越高，風(fēng)險越小。
業(yè)務(wù)：1.獲取存量客戶及潛在客戶的數(shù)據(jù)2.EDA探索性數(shù)據(jù)分析3.數(shù)據(jù)預(yù)處理4.特征選擇+LDA分析5.模型開發(fā)6.模型評估7.模型實施與檢測報告
技術(shù)應(yīng)用點：1.Pandas數(shù)據(jù)分箱操作2.OneHotEncoder獨熱編碼3.Pandas數(shù)據(jù)清洗4.Logistic邏輯斯蒂回歸5.GBDT 6.LDA
購物網(wǎng)站用戶畫像：
介紹：用戶點擊流日志收集、用戶畫像建模、推薦對象畫像建模、數(shù)據(jù)實時計算平臺、數(shù)據(jù)離線計算平臺、推薦算法模型、協(xié)同過濾算法，使用python最流行的scikit-learn實現(xiàn)的聚類分析項目。聚類分析是機器學(xué)習(xí)中非常重要的算法，此項目主要利用KMeans對附近的用戶進行聚類分析，達到針對不同用戶采用不同的商業(yè)推廣方案的目的。
業(yè)務(wù)：1.構(gòu)建用戶畫像2.用戶行為分析3.用戶推薦系統(tǒng)4.潛在客戶挖掘
技術(shù)應(yīng)用點：1.RFM 2.Kmeans 3.Apriori關(guān)聯(lián)分析4.協(xié)同過濾
基于電商用戶文本挖掘：
介紹：想要用產(chǎn)品價值撬動一個用戶，同緯度競爭別家的先發(fā)優(yōu)勢門檻太高，如果別家體量很大，基本可以放棄。創(chuàng)新可能就是剩下的活路，而面對互聯(lián)網(wǎng)的高速發(fā)展，線下需求基本都被互聯(lián)網(wǎng)化，切入點可能就轉(zhuǎn)移到細分市場。
業(yè)務(wù)：1.了解項目公司的背景和對接人員情況2.溝通明確實際的項目需求3.根據(jù)項目需求梳理分析思路4.確定分析工具和人員配置,進行數(shù)據(jù)分析5.撰寫分析結(jié)論和方案
技術(shù)應(yīng)用點：1.Jieba分詞2.WordCloud詞云3.樸素貝葉斯4.波士頓矩陣5.Pandas數(shù)據(jù)處理6.Matplotlib+Seaborn可視化處理7.Logistic回歸
目標檢測介紹：
介紹：目標檢測，人臉識別在企業(yè)方方面面都有廣泛應(yīng)用。在安防，智能家居更是前景廣闊，本案例通過學(xué)習(xí)Opencv與dlib進行目標檢測與人臉識別。
業(yè)務(wù)：1.環(huán)境安裝2.人臉識別，人臉關(guān)鍵點識別3.視頻和攝像頭人臉識別4.自己訓(xùn)練分類器
技術(shù)應(yīng)用點：1.Tensorflow 2.神經(jīng)網(wǎng)絡(luò)3.Opencv 4.dlib
（深度學(xué)習(xí)）圖片風(fēng)格遷移：
介紹：通過深度學(xué)習(xí)算法，制作自己的藝術(shù)抽象畫。
業(yè)務(wù)：1.數(shù)據(jù)準備2.Tensorflow深度神經(jīng)網(wǎng)絡(luò)搭建訓(xùn)練3.模型預(yù)測
技術(shù)應(yīng)用點：1.Tensorflow 2.神經(jīng)網(wǎng)絡(luò)3.Opencv 4.CNNRNN
上一篇:鄭州Java培訓(xùn)
課程導(dǎo)航
鄭州鄭州IT培訓(xùn)學(xué)校開課校區(qū)
