深圳北大青鳥教育
咨詢熱線 400-001-5729
課程詳情 學(xué)校簡介 學(xué)校地址 申請試聽
關(guān)鍵詞：深圳Python培訓(xùn)班
發(fā)展前景：
Python語言在學(xué)術(shù)上非常受歡迎，不是計算機專業(yè)的人，很多都在學(xué)習(xí)Python。因為這個語言的前景是不可限量的，而且他的語法非常的簡單易懂，這就讓很多一些提及編程就恐慌的人減去了擔(dān)心，熱門崗位有Linux運維、Python Web網(wǎng)站工程師、Python自動化測試、數(shù)據(jù)分析、人工智能
課程體系：
| 實訓(xùn)模塊 | 實訓(xùn)專題 |
| Python基礎(chǔ) | 1.Python 介紹與使用;Python 變量與數(shù)據(jù)型;Python 字符串與列表;Python 元組與字典、集合2.Python 條件判斷;Python 循環(huán)3.Python 函數(shù)、變量作用域、lambda 函數(shù)、常用的內(nèi)建函數(shù)4.認(rèn)識面向?qū)ο?類與對象：類的定義、類與對象、類的屬性、類與對象：類的方法、類與對象綜合案例;類的封裝和繼承5.模塊/包、常用模塊、文件讀寫與指針、文件和目錄操作6.異常處理、調(diào)試程序、測試程序7.GUI 編程;開發(fā)彈球游戲項目;開發(fā)城堡保衛(wèi)戰(zhàn)游戲項目;樹莓派智能小車項目(項目案例 |
| Web前端基礎(chǔ) | 1.走進 HTML，2.CSS+DIV，3.列表表格及表單;CSS 高級選擇器4.Javascript 基礎(chǔ)，5.Javascript 對象，6.jQuery 基礎(chǔ)，7.jQuery 選擇器與事件，8.Bootstrap 框架 |
| Web 框架開發(fā) | 1.Web 基礎(chǔ)、HTTP 協(xié)議分析、GET 和 POST 方法，2.搭建 Django Web 開發(fā)環(huán)境;MVC 模型;Django 的 MTV 框架，3.升級 Web 項目及應(yīng)用，4.Django 連接 MySQL 做增刪改查，5.Django 開發(fā) Blog(項目案例)，6.Django 開發(fā)通訊錄(項目案例)，7.開發(fā)并部署 BBS 論壇項目(項目案例)，8. Django 開發(fā)移動 Twitter 項目(項目案例)，9.Tornado 框架(項目案例)，1)Tornado 工作原理簡介，2)Tornado 各個模塊簡介，3)Tornado 完成新聞后臺編輯界面，4)Tornado Web 框架性能優(yōu)化；10. Flask 股票托管交易網(wǎng)站項目(項目案 |
| Python高級 | 1.Python 操作數(shù)據(jù)庫：python 操作 mysql;Python 操作 redis，2.Python 正則表達式 re 模塊，3.進程和線程;多進程、多線程、協(xié)程，4.Socket 網(wǎng)絡(luò)編程;Python 實現(xiàn)簡單的聊天程序，5.python 閉包;python 迭代器;python 裝飾器，6.列表生成式;python 生成器 yield 7.Python 同步、異步、阻塞、非阻塞，8.序列化&json、數(shù)據(jù)結(jié)構(gòu)，9.Logging 模塊，10.設(shè)計模式(了解 23 種設(shè)計模式，掌握單例、工廠、策略模式)，11.開發(fā)聊天機器人(項目案例) |
| Linux基礎(chǔ) | 1.計算機網(wǎng)絡(luò)參考模型 OSI 和 TCP/IP，2.搭建 VMware 虛擬環(huán)境，3.Linux 常用命令精講，4.目錄和文件管理，5.安裝及管理程序，6.賬號管理，北京課工場教育科技有限公司，7.權(quán)限及歸屬管理，8.Linux 基礎(chǔ)網(wǎng)絡(luò)設(shè)置，9.遠(yuǎn)程訪問及控制，10.部署 YUM 倉庫服務(wù);NFS 共享服務(wù)，11.MySQL 數(shù)據(jù)庫初體驗，12.MySQL 數(shù)據(jù)庫操作，13.Git 分布式版本控制系統(tǒng) |
| Linxu高級（運維開發(fā)） | 1.Docker 架構(gòu)、鏡像及容器操作2.Dockerfile 生成鏡像、數(shù)據(jù)卷與數(shù)據(jù)容器、Docker 網(wǎng)絡(luò)通信3.實現(xiàn)密鑰 SSH 遠(yuǎn)程登錄、構(gòu)建 Nginx、構(gòu)建 MySQL、構(gòu)建 LNAMP 架構(gòu)4.基于 kubernetes(K8S)構(gòu)建 Docker 集群(項目案例)5.高性能內(nèi)存對象緩存 Memcached 原理與部署、Memcached 群集部署(項目案例)6.Redis 系列1)參數(shù)配置、數(shù)據(jù)類型2)數(shù)據(jù)操作、集合排序3)Lua 腳本4)持久化策略5)事務(wù)和發(fā)布訂閱模式6)復(fù)制、集群；7.RabbitMQ 消息隊列(項目案例)8. Jmeter 壓力測試工具 |
| Python運維開發(fā) | 1.Python 實現(xiàn)子網(wǎng)劃分(項目案例)，2.開發(fā)端口掃描器;集中式病毒掃描案例(項目案例)，3.采集探測 Web 質(zhì)量數(shù)據(jù)到 Excel 表(項目案例)，4.saltstack 批量部署 nginx 并配置案例(項目案例)，5.批量管理 Linux 主機(項目案例)，1)命令行參數(shù)解析：getopt 模塊，2)并發(fā)執(zhí)行：threading 模塊，3)SSH 客戶端：paramiko 模塊，4)自定義設(shè)備組功能的文件操作技術(shù)，6.Django+Python+RabbitMQ 實現(xiàn) Tomcat 服務(wù)自動化部署(項目案例)，7.開源運維平臺介紹與使用(項目案例)，8.Django 快速搭建 CMDB;CMDB 開源軟件使用(項目案例)，9. Jenkins 持續(xù)集成(項目案例)，10. Python 實現(xiàn)微服務(wù)(項目案例) |
|
云計算 OpenStack(運維開發(fā)) |
1.Openstack 體系架構(gòu)、各個組件的功能2.部署 OpenStack 云平臺，完成相應(yīng)的配置和管理任務(wù)3.在 OpenStack 平臺內(nèi)部署系統(tǒng)鏡像，并安裝網(wǎng)絡(luò)服務(wù)4. OpenStack 自動化功能測試 |
| Python大數(shù)據(jù) | 1.Hadoop：1)Hadoop 架構(gòu)組成，2)離線安裝 Hadoop 生態(tài)環(huán)境并配置應(yīng)用，3)CDH 部署，北京課工場教育科技有限公司，4)使用 python 編寫 hadoop 程序，5)使用亞馬遜云 AWS 進行 hadoop 大數(shù)據(jù)操作實例介紹，6)Hadoop python 框架 mrjob 使用實例介紹，7)Hadoop 在 AWS 上運行的性能比較；2.Spark：1)Spark 簡介，2)Spark 的工作原理和特性，3)使用 python 對 Spark 進行操作實例，4)使用亞馬遜云 AWS 進行 Spark 大數(shù)據(jù)操作實例介紹，5)Spark MLlib 使用實例，6)Spark 在 AWS 上運行的性能比較， |
| Python 爬蟲項目 | 1.爬蟲項目整體框架概要介紹，2.爬蟲項目模塊之一----抓取爬蟲下載控制模塊：1)反爬取反封禁策略，2)爬取頻率控制策略，3)爬取去重控制策略，3.爬蟲項目模塊之二----抓取信息文件存儲模塊：1)海量圖片和文件存儲--mongodb 模塊，2)實現(xiàn)了 FilePipeline 可以將指定擴展名的文件下載到本地，3)實現(xiàn)了MongodbWoaiduBookFile 可以將文件以 gridfs 形式存儲在 mongodb 集群中，4)實現(xiàn)了SingleMongodbPipeline 和 ShardMongodbPipeline，用來將采集的信息分別以單服務(wù)器和集群方式保存到 mongodb 中，4.爬蟲項目模塊之三----抓取爬蟲抓取信息可視化模塊：1)將爬蟲 stats 信息保存到 redis 中，2)實現(xiàn)了一個針對分布式的 stats collector，并將其結(jié)果用 graphite 以圖表形式動態(tài)實時顯示 |
| Python數(shù)據(jù)分析&數(shù)據(jù)挖掘 | 1.數(shù)據(jù)驅(qū)動和指標(biāo)體系構(gòu)建，2.數(shù)據(jù)挖掘綜述，3.數(shù)據(jù)挖掘特征提取和特征選擇4.數(shù)據(jù)挖掘 Sklearn 的應(yīng)用，5.文本分類綜述，6.銀行壞賬用戶分析項目(項目案例) |
| AI（人工智能） | 1.機器學(xué)習(xí)分類算法介紹：1)機器學(xué)習(xí)分類器算法，2)KNN 算法分類器原理，3)使用 KNN 算法進行數(shù)字識別原理；2.使用 python 語言實現(xiàn) KNN 算法進行數(shù)字識別(項目案例)：1)數(shù)據(jù)準(zhǔn)備，2)構(gòu)建訓(xùn)練數(shù)據(jù)集，3)特征提取和特征選擇，4)測試集數(shù)據(jù)測試，5)針對新的數(shù)字樣本集合進行預(yù)測數(shù)字并得出結(jié)果；3.KNN 算法進行數(shù)字識別效果回歸分析：1)交叉驗證分析 KNN 算法性能，2)準(zhǔn)確率分析和召回率分析；4. Keras、Tensorflow 深度學(xué)習(xí)框架;人工神經(jīng)網(wǎng)絡(luò)、人臉識別項目(項目案例)，5. Kaggle 平臺肺癌研究數(shù)據(jù)競賽項目(項目案例) |
|
定制化項目 |
Python Suggestion 熱詞推薦項目，Python Correct 糾錯詞推薦項目，Python on HBase 項目，Python 基于 Elasticsearch 檢索框架項目，Python 基于 GFS 的分布式存儲項目，基于關(guān)聯(lián)與序列的推薦系統(tǒng)項目，基于內(nèi)容與用戶的電影推薦系統(tǒng)項目，互聯(lián)網(wǎng)事件抓取畫像和可視化展示項目，Go 緩存系統(tǒng)的實現(xiàn)Go 使用 weed-fs 進行大規(guī)模分布式存儲系統(tǒng)項目 |
