Python核心編程及可視化界面開(kāi)發(fā)實(shí)戰(zhàn)培訓(xùn)班

時(shí)間

培訓(xùn)模塊

培訓(xùn)內(nèi)容

第一天

上午

Python 函數(shù)與類

1.   PyCharm環(huán)境搭建與GIT使用

2.   變量、常量、邏輯語(yǔ)句介紹

3.   數(shù)據(jù)結(jié)構(gòu)之 List、Set、Tuple、Dict

4.   缺省參數(shù)、可變參數(shù)、關(guān)鍵字參數(shù)、

5.   Lambda函數(shù)、遞歸函數(shù)

6.   函數(shù)的封裝與隨機(jī)數(shù)生成器

7.   Python面向?qū)ο缶幊?span lang="EN-US">(封裝、繼承、多態(tài))

8.   模塊、包、Python標(biāo)準(zhǔn)庫(kù)介紹

第一天

下午

Scrapy框架實(shí)踐

1.  Http協(xié)議理論介紹

2.  Scrapy介紹與環(huán)境搭建

3.  框架結(jié)構(gòu)與工作原理介紹

4.  網(wǎng)頁(yè)數(shù)據(jù)解析之xpath

5.  Selenium與“幻影”瀏覽器-PhantomJS

6.  動(dòng)態(tài)IP設(shè)置與反爬蟲技術(shù)

7.  豆瓣電影站點(diǎn)爬取實(shí)踐

8.  分布式爬蟲與數(shù)據(jù)入庫(kù)實(shí)現(xiàn)

第二天

上午

Python常用科學(xué)庫(kù)

1.   Numpy科學(xué)庫(kù)介紹

2.   數(shù)組的索引和切片

3.   數(shù)組的運(yùn)算 (排序、通用函數(shù)、統(tǒng)計(jì)運(yùn)算)

4.   數(shù)組的存取操作

5.   綜合案例：圖像變換

6.   Pandas數(shù)據(jù)結(jié)構(gòu) (Series,DataFrame)

7.   數(shù)據(jù)運(yùn)算（算術(shù)、排序、分組）

第二天

下午

Python數(shù)據(jù)可視化

1.   Matplotlib庫(kù)

2.   Seaborn可視化庫(kù)介紹

3.   常用的數(shù)理統(tǒng)計(jì)公式介紹

4.   直方圖、餅圖

5.   折線圖、散點(diǎn)圖

6.   高級(jí)圖表 (散點(diǎn)圖、箱線圖、云圖)

7.   采用可視化實(shí)現(xiàn)銀行客戶畫像

第三天

上午

常見(jiàn)分析算法介紹

1.   歐式距離與K-近鄰算法介紹

2.   數(shù)據(jù)清理、特征值分析

3.   Train_test_split分割訓(xùn)練集與測(cè)試集

4.   模型訓(xùn)練與超參數(shù)介紹

5.   交叉驗(yàn)證與網(wǎng)格搜索

6.   K-近鄰實(shí)現(xiàn)就近酒店入住推薦系統(tǒng)

第三天

下午

Python + Hadoop數(shù)據(jù)推薦

1.   數(shù)據(jù)三種形態(tài)與分布式數(shù)據(jù)庫(kù)

2.   Hadoop安裝與啟動(dòng)

3.   Python + MapReduce編程實(shí)戰(zhàn)

4.   Hadoop中的Shuffle與Sort原理應(yīng)用

5.   MapReduce架構(gòu)分析

6.   電影相似度原理分析

7.   Python + Hadoop編寫電影推薦代碼