傳智播客旗下品牌：黑馬程序員|博學谷|傳智專修學院|傳智匯|院校邦|酷丁魚少兒編程

全國咨詢/投訴熱線：400-618-4000

傳智播客

一樣的教育，不一樣的品質

北京中心

 

Python+人工智能-Python開發特訓班課程大綱

目前課程版本：6.0   升級時間：2020.03.5   查看詳細

Python+人工智能-人工智能AI進階班課程大綱  點擊查看

Python開發特訓班課程設計理念

  •  

    全方位、全流程、一站式開發

    Python開發特訓班課程，以實戰項目出發， 將部署運維和測試開發內容整合的項目中，真正讓學員參與到實際開發中的各個流程環節，掌握完整Web開發中的各項技能，實現全方位、全流程、一站式開發，最終打造成為一個能測試會運維懂架構的Python開發工程師。

  •  

    全套Web解決方案

    現有Python行業內的解決方案參差不齊，通用性不強，無法滿足所有網站需求。研發團隊整合各種方案，形成一套完善的解決方案，在實際公司開發中能夠快速方便的解決實際問題。

  •  

    全新Web實戰項目

    Python Web課程全新Django框架美多商城項目、Flask框架黑馬頭條Web項目，美多商城支持前后臺分離技術，融合多項主流技術要點，增加就業熱點課程：ELK、高并發部署、Jenkins。黑馬頭條Web項目，以技術方案驅動講解，提供8大技術方案。

  •  

    豐富的Web項目庫

    研發團隊結合市場上各大類型網站，融合市場先進技術，不斷研發新類型的項目，經過4年的項目積累，產出項目數量已有10余個，涵蓋小說、電商、在線教育，醫療健康、生活服務、新聞資訊等多種類型的網站，提升豐富項目開發經驗，滿足公司中的不同業務場景的開發需求。

Python開發特訓班基礎班-課程大綱

學習對象

0基礎0經驗的小白人員；想通過最低的成本來試一下自己是否適合做Python編程相關工作的轉型人員。

注：獲取更多免費學習視頻+資料+筆記，請加QQ：2632311208。

上課方式

全日制脫產，每周5天上課（實際培訓時間可能因法定節假日等因素發生變化）

培訓時間

部分校區可能會根據實際情況有所調整，詳情可詢咨詢老師   點擊咨詢

培訓要求

自帶筆記本

培訓費用

Python+人工智能學費價格詳情（享受優惠價的條件是什么？）

 

Python開發特訓班基礎班課程大綱
所處階段 主講內容 技術要點 學習目標
第1階段：
python基礎編程		 Python第一個程序 變量、標識符和關鍵字、輸入和輸出、數據類型轉換 可掌握的核心能力：
1、掌握Python基礎語法, 具備基礎的編程能力；
2、建立起編程思維以及面向對象程序設計思想。

可解決的現實問題：
能夠熟練使用Python技術完成針對小問題的程序編寫。
條件控制語句和循環語句 比較關系運算符、邏輯運算符、三目運算符、while循環、for循環、break和continue
容器類型 列表、元組、字典、有序字典、公共函數、字符串
函數 函數的定義和調用、不定長參數函數、匿名函數、遞歸函數、可變和不可變類型
文件操作 文件打開和關閉、文件的讀寫、os模塊文件與目錄相關操作、文件應用案例
面向對象 面向對象介紹、類的定義和對象的創建、添加和獲取對象屬性、init方法、私有方法和私有屬性、繼承、多態、類方法、對象方法、靜態方法
異常處理 捕獲異常、異常的傳遞、自定義異常
模塊和包 模塊介紹、模塊的導入、模塊中的 __all__、模塊中 __name__ 的作用、包的介紹、包的導入

Python開發特訓班就業班-課程大綱

學習對象

本課程適合有Python語言基礎、面向對象編程思想，Linux基本操作基礎的人士，課上不講Python基礎知識。

上課方式

培訓時間及周期：全日制脫產，每周5天上課（實際培訓時間可能因法定節假日等因素發生變化）

培訓時間

部分校區可能會根據實際情況有所調整，詳情可詢咨詢老師 點擊咨詢

培訓費用

Python+人工智能學費價格詳情（享受優惠價的條件是什么？）



Python開發特訓班就業班課程大綱
所處階段 主講內容 技術要點 學習目標
第2階段：
Python高級		 Linux系統使用 CentOS操作系統介紹與使用、Linux命令使用、Linux命令選項的使用、遠程登錄和遠程拷貝、vi編輯器使用、CentOS軟件安裝和軟件卸載 可掌握的核心能力：
1. 能夠熟練使用Linux操作系統；
2. 掌握網絡編程相關技術, 能夠實現網絡間數據通信；
3. 掌握程序設計開發中多任務實現方式；
4. 能夠熟練掌握MySQL操作相關技術, 熟練編寫各種數據庫操作SQL語句, 并能夠進行Python與MySQL之間的數據交互；
5. 掌握Python中的re模塊的使用, 能夠實現對字符串進行復雜模式匹配；
6. 掌握Web服務器的工作流程, 以及Web框架的實現原理。

可解決的現實問題：
能夠使用面向對象的程序設計方法, 基于Linux操作系統開發多任務的網絡程序開發。

市場價值:
熟練掌握Python技術和常見網絡協議, 可滿足企業開發的初級需求,。
多任務編程 多任務介紹、進程的使用、線程的使用、線程同步與互斥鎖、死鎖介紹
網絡編程 IP地址的介紹、端口和端口號的介紹、socket的介紹、基于TCP通信程序開發
HTTP協議，靜態Web服務器 HTTP協議介紹、HTTP通訊過程、curl命令使用、urllib與requests模塊使用
MySQL數據庫   SQL編程，使用「員工管理系統案例」，強化SQL，強調SQL與Python的同等重要性
高級語法、正則表達式 閉包、裝飾器、迭代器、深淺拷貝、回收機制
HTML+CSS+JS+Jquery HTML概述及基本結構、HTML標簽介紹、CSS載入方式、CSS屬性入門、JavaScript語法介紹、jQuery介紹、JSON、AJAX
Mini-Web服務器 Web框架和Web服務器的關系介紹、模板替換、黑馬閱讀案例、路由列表、ajax請求數據渲染個人中心頁面、logging日志的使用
第3階段：
Web-Django框架與項目		 Django框架  Git源代碼管理、Redis緩存、VUE介紹、Vue基本語法、ES6語法、VUE 生命周期、Django框架介紹、Django模型、ORM及數據庫操作、視圖及模板、Django中間件 可掌握的核心能力：
1、 掌握Python Web主流框架-Django的使用；
2、 可根據Web框架設計，開發對應的數據庫；
3、 可根據業務流程圖，開發Web網站的前后臺業務。

可解決的現實問題：
1、能夠開發主流Web網站，并掌握常見的技術要點；
2、根據實際問題設計出相應數據庫表。

市場價值：
Web全棧工程師，獨立開發前端和后端業務。
項目：
美多商城-前臺		 購物電商平臺項目編碼、數據庫-讀寫分離、Django高級第三方模塊、FastDFS分布式文件系統、Celery異步操作、Vue雙向綁定、Docker 入門、Crontab定時任務、頁面靜態化、在線支付
項目：
美多商城-MIS系統		 VUE進階-組件式開發、Django REST framwork、統計、權限管理、商品數據管理、日志管理、用戶管理
第4階段：
項目部署和管理		 Docker 容器管理、鏡像管理、網絡管理、數據管理、倉庫管理、dockerfile 可掌握的核心能力：
1、掌握Shell基本語法；
2、掌握復雜Shell腳本開發
3、具備配置自動化及日志分析能力。
4、能夠熟練使用Docker容器。

可解決的現實問題：
1、具備一定的編程思維；
2、能夠熟練編寫復雜Shell腳本；
3、能使用ELK實現企業級日志分析；
4、能夠實現企業項目的部署。

市場價值：
熟練掌握和學習后，可滿足Linux運維開發行業的中級需求。
nginx 配置段配置、反向代理、負載均衡、日志處理、URL重寫
shell shell變量、表達式、流程控制、美多商城項目發布腳本
美多商城部署 美多商城項目部署
美多商城項目管理 jenkins認證配置、任務構建、持續集成
美多商城日志管理 ElasticSearch、Logstash、Filebeat、Kibana
第5階段：
項目測試和監控		 美多商城自動化測試 selenium、UnitTest框架、Xpath和CSS元素定位法、PO模式 可掌握的核心能力：
1、掌握selenium基本使用；
2、掌握UnitTest框架；
3、能夠熟練使用request模塊；
4、具備接口測試和接口測試框架開發能力；
5、掌握locust的使用。

可解決的現實問題：
1、web項目自動化測試。

可擁有的市場價值：
熟練掌握和學習后，可滿足測試開發行業的中級需求。
美多商城接口測試 接口規范、Request庫、接口測試框架開發、Mock測試
美多商城性能監控 locust、斷言、web性能測試、服務器性能監控
第6階段：
數據采集		 數據采集基礎 Http與Https的區別、常?請求頭與相應頭、響應狀態碼、瀏覽器運?過程 可掌握的核?能?：
1. ??數據爬??；
2. App數據爬??；
3. 反反爬解決?案；
4. MongoDB數據存儲。

可解決的現實問題：
?動化爬取瀏覽器?站數據或App應?數據，對爬取中遇到的反爬措施應?相應的反反爬?案解決處
理。

市場價值：
為企業爬取采集數據，勝任爬??程師職位。
數據提取 request模塊的使?、xml與html、jsonpath、xpath、lxml、selenium
反爬處理 反爬原理、驗證碼識別、js解析
數據存儲 mongodb的使?、mongodb插?數據、mongodb查詢數據、聚合管道、pymongo使?
scrapy框架 項?開發流程、請求對象使?、模擬登錄、管道使?、中間件使?
第7階段：
Web-Flask框架與項目		 Flask框架 Flask框架、路由定義及視圖函數、藍圖、SQLAlchemy 可掌握的核心能力：
1、 掌握Python Web主流框架-Flask的使用；
2、 掌握常見的性能優化技術；
3、 緩存服務器的操作和設計；
4、 異步任務的實現。

可解決的現實問題：
1、高并發全功能的Web網站開發；
2、提升數據處理響應速度，靈活運用緩存。


市場價值：
Web全棧工程師，獨立開發前端和后端業務。
黑馬頭條項目 Flask-RESTful、手機 APP + PC Web前端、MySQL業務數據存儲、Redis緩存層、第三方對象存儲、RabbitMQ + Celery 異步任務、APSchedule定時任務、socket.io及時通訊、Elasticsearch 5.6 搜索+自動補全、、supervisor進程管理
第8階段：
數據分析		 Python數據科學庫 Pandas，Numpy, matplotlib,seaborn 可掌握的核心能力：
1、 熟練掌握Pandas、HQL、Spark；
2、 熟悉常用數據挖掘算法與模型，熟悉邏輯回歸、決策樹、隨機森林、GBDT、XGBoost、聚類等建模方法；
3、 熟練使用時間序列、聚類分析、邏輯回歸、因果分析、關聯分析等統計方法。

可解決的現實問題：
1、 勝任相關的數據分析工作，對企業異常數據進行深入分析，對業務風險指標進行跟蹤分析及優化；
2、 搭建業務監控體系，及時發現、排查業務問題，并能提出有效的解決策略或方案；
3、 配合項目計劃，負責建模駐場項目，完成數據分析需求及任務；
4、 通過大數據算法對數據進行模型的構建、維護、和評估。

市場價值：
具備互聯網數據分析能力。
機器學習 線性回歸、邏輯回歸、決策樹、隨機森林、SVM、GBDT
金融風控 風控數據挖掘方法，機器學習評分卡、遷移學習
數據倉庫 Hadoop、Hive、數倉建模理論、電商數倉搭建
SQL強化 SQL多表查詢、常用HQL函數、常用指標計算
推薦算法 推薦系統架構，常用召回、排序、重排序算法，冷啟動問題處理


Python開發特訓班中級進修課-課程大綱

學習對象

具有一定開發經驗的Python Web工程師，爬蟲工程師，人工智能工程師，需要具備各個方向的專業知識基礎。

注：獲取更多免費學習視頻+資料+筆記，請加QQ：2632311208。

上課方式

在線學習

培訓時間

隨到隨學，詳情可詢咨詢老師   點擊咨詢

培訓費用

Python+人工智能學費價格詳情（享受優惠價的條件是什么？）

Python開發特訓班中級進修課--課程大綱
Web開發方向
課程內容 知識模塊 知識點
web專題 RPC原理與實踐 RPC原理、分布式RPC、Thrift、gRPC
代碼配置管理之工具&實踐 git基礎、git代碼管理
RabbitMQ實戰教程 RabbitMQ簡介、RabbitMQ使用
爬蟲開發方向
課程內容 知識模塊 知識點
爬蟲熱點項目庫 代理池 代理池介紹、代理池實現、數據庫模塊實現、爬蟲模塊實現、代理池檢測模塊實現
斗魚彈幕 asyncore介紹及使用、斗魚彈幕分析、斗魚彈幕基本實現、數據序列化、斗魚登錄及數據爬取
京東爬蟲 京東需求分析、商品數據獲取、商品數據保存、下載中間件
失信人被執行人名單 需求分析、百度失信人員信息、企業信用公告信息
Selenium深入使用 截取圖片驗證碼、獲取滑塊偏移、計算偏移步伐&拖動滑塊
爬蟲高薪課 Web爬蟲高級 數據抓包、基于Docker的爬蟲開發環境搭建；爬蟲去重原理、simhash、信息摘要算法、布隆過濾器；基于redis的持久化請求隊列、消息隊列技術、斷點續爬、增量采集；正則、jsonpath、xpath等數據提取、pyexecjs、js2py；基于mongodb、postgresql、mysql的數據存儲；IO設計模式、協程原理、Asyncio、Tornado、Gevent等異步IO庫；爬蟲架構實現、爬蟲反爬分析與應對
運維開發方向
課程內容 知識模塊 知識點
Ansible系統管理 Ansibl系統管理 Ansibl項目管理基礎、Ansible軟件環境搭建
Ansible基本使用 Ansible日常模塊使用、Ansible系統模塊使用、Ansible命令操作
Ansible進階 Playbook使用、Ansible變量使用、Ansible模板使用、Role使用
OpenStack云計算 云計算基礎 什么是云計算、云計算歷史、云計算實現方式、云計算分類、選用標準；云計算實現方式、云計算分類、選用標準；云計算基本架構；虛擬化與云計算
OpenStack Openstack簡介、架構設計、組件介紹；實驗環境搭建、支撐性服務、認證組件、鏡像組件、計算組件、網絡組件；VM創建、可視化界面、塊存儲部署、深入理解VM；定制映像、定制網絡、防火墻、節點維護
圖像識別與自然語言處理方向
課程內容 知識模塊 知識點
圖像與視覺處理基礎專業課 圖像與視覺處理介紹 計算機視覺定義、計算機視覺發展歷史；計算機視覺技術和應用場景、計算機視覺知識樹和幾大任務
目標分類和經典CV網絡 CNN：感受野、卷積、零填充、過濾器大小、多通道卷積、全連接層、卷積網絡結構：LeNet5、AlexNet、VGG、Inception、GoogleNet、殘差網絡、深度學習正則化與算法優化：L1、L2、DroupOut、BN、SGD、RMSProp、Adagrad、Adam、TF分布式訓練：TF Strategy；遷移學習：TensorFlow HUB、模型壓縮：模型剪枝、參數壓縮、二進制網絡、目標分類實戰案例：ImageNet分類；Apache Flink極客挑戰賽——垃圾圖片分類
目標檢測和經典CV網絡 目標檢測任務與數據集介紹：檢測任務目的、常見數據集、應用場景、RCNN：交并比、map、非極大抑制NMS、正負樣本；SPPNet：SPP層映射、FastRCNN：ROI Pooling；FasterRCNN：RPN、代價函數、訓練流程與結果分析、FPN與FasterRCNN結合、YOLOv1、YOLOv2、YOLOv3：結構與工作流程、代價函數、anchor、維度聚類、細粒度與多尺度特征、先驗框與代價函數、SSD：Detector & classifier、SSD代價函數、特征金字塔、目標檢測實戰案例：COCO數據集上目標檢測
目標分割和經典CV網絡 目標分割任務類型、數據集、全卷積FCN網絡：網絡結構、跳級連接、語義分割評價標準、結果分析、U-Net：拼接特征向量；Dilated Convolutions：聚合多尺度的信息、context module、PSPNet：金字塔池化模塊；Deeplab：串行部署 ASPP、Mask-RCNN：結構介紹、ROI Align與Pooling對比、代價函數介紹、端到端聯合訓練、目標分割實戰案例
OpenCV庫與圖像處理基礎 基本的OpenCV代碼、IplImage數據結構、讀寫圖像、基本的灰度變換函數 ：灰度直方圖、灰度的線性變換、灰度對數變換、伽瑪變換、灰度閾值變換、分段線性變換、直方圖處理：圖像矩特征點度量特征、全局直方圖、局部區域直方圖、散點圖和3D直方圖、OpenCV實踐、幾何變換：翻轉、剪裁、遮擋、圖像算數、圖像金字塔、OpenCV幾何變換操作、形態學：形態學定義、連通性、二值操作、平滑、梯度、紋理分割及OpenCV實踐
OpenCV庫與圖像處理進階 邊緣檢測技術：邊緣檢測的目的和模型、噪聲、導數算子、Marr-Hildreth邊緣檢測器、基于模板的邊緣檢測、Canny Edge邊緣檢測器、Shen-Castan(ISEF)邊緣檢測器、彩色邊緣、OpenCV邊緣檢測操作；特征檢測和描述：哈里斯角點檢測、Shi-Tomasi角落探測器、SIFT、SURF、FAST、ORB、霍夫變換；視頻操作：讀取攝像頭、讀取視頻、視頻寫入；空間濾波：平滑空間濾波器、銳化空間濾波器、拉普拉斯算子、空間濾波綜合及OpenCV實踐；OpenCV綜合實戰案例
推薦系統基礎專業課 推薦系統介紹 推薦系統概念、推薦系統架構、評估和常見問題
推薦系統算法 協同過濾推薦算法、基于內容推薦算法
Hadoop Hadoop簡介、HDFS、MapReduce和YARN
Hive Hive簡介、Hive數據模型及常用操作、Hive綜合案例
HBase HBase的原理和常用Shell命令、HappyBase操作HBase
SparkCore Spark簡介和RDD的常用算子介紹、SparkCore案例
SparkSQL SparkSQL概念和DataFrame簡介、Spark SQL案例
SparkStreaming SparkStreaming概念及常用API介紹、Spark Streaming處理有狀態操作
Python開發特訓班中級進修項目課--課程大綱
Web方向
傳智云課堂項目
傳智云課堂項目是提供IT職業在線課程的學習平臺，為即將和已經加入IT領域的技術人才提供在線學習服務。用戶通過錄播學習掌握IT技能。項目包括門戶、學習中心、評論系統、教學管理中心、系統管理中心等平臺構成，為學生提供學習服務。 技術方案：
1、CMS內容發布解決方案;
2、分布式圖片服務器解決方案;
3、資文件管理解決方案;
4、全文檢索服務解決方案;
5、分布式事務解決方案。

技術亮點：
1、RabbitMQ消息隊列;
2、Logstash+ElasticSearch 全文檢索;
3、Oauth2+JWT;
4、FastDFS+GridFS分布式文件系統;
5、Nuxt.js服務端渲染;
6、APScheduler+FFmpeg+Nginx+Video.js+ HLS視頻處理及點播技術方案;
7、大文件斷點續傳技術 WebUploader;
8、APScheduler+MQ完成分布式事務控制解決方案。
章節 課程 知識點
1 搭建開發環境 DRF開發環境搭建
2 CMS系統開發 CMS前端開發；CMS頁面管理開發；CMS頁面靜態化；RabbitMQ研究；MonoDB數據庫操作；GridFS使用；頁面預覽；頁面發布
3 課程管理 我的課程；課程管理實戰；課程文件管理；分布式文件系統FastFDS；課程詳情頁靜態化；課程預覽；課程發布
4 課程搜索 ElasticSearch研究；Logstash；課程搜索服務；搜索前端 Nuxt.js
5 媒資管理 媒體文件上傳斷點續傳;調用第三方程序; 視頻處理進程;我的媒資;媒資與課程計劃關聯；課程發布存儲媒資信息;
6 在線學習HLS 在線點播解決方案;播放器;學習頁面查詢課程計劃;學習頁面獲取視頻播放地址;
7 用戶授權認證 JWT認證；用戶登錄與注冊；用戶授權
8 分布式事務 分布式事務解決方案; Apscheduler定時任務;訂單服務定時發送消息;自動添加選課開發
9 項目部署 Git/Gitlab代碼管理,Gunicorn，Supervisor
律師在線項目
隨著時代的發展，人們的法律意識的提高，非法律專業人士對法律問題的需求，該平臺能夠提供法律咨詢問題信息，專業法律從業者的回答和建議，為非法律專業人士提供專業的法律知識了解渠道，解決自己在生活中，工作中，甚至事業上等遇到的涉及法律方面的問題。讓人們更知法，更懂法，從而減少社會上因法律知識淡薄而產生的觸犯法律的事跡，同時也增強人們的法律意識。 技術方案：
1、即時通訊解決方案;
2、文件存儲解決方案;
3、緩存解決方案。

技術亮點：
1、采用主流的前端混合開發技術uni-app的開發。實現從移動webH5頁面到微信小程序的開發;
2、采用Flask作為后端開發框架;
3、采用云通訊發送短信;
4、采用Redis做緩存;
5、采用七牛對象存儲服務作為圖片存儲;
6、登錄功能實現限制多點登錄;
7、GeventWebSocket即時通訊。
章節 課程 知識點
1 普通用戶問題模塊 問題列表、問題詳情頁、搜索問題、提問問題頁面
2 律師用戶問題模塊 問題列表、問題詳情頁、搜索問題、回答問題頁面
3 普通用戶找律師模塊 律師列表，律師信息展示頁面，關注律師，對關注的律師進行在線咨詢
4 在線咨詢(即時聊天)模塊 普通用戶只能對關注的律師進行在線咨詢；律師用戶無法主動咨詢未關注自己的用戶；普通用戶進行在線咨詢的時候，如果律師用戶在線，即可直接接收到消息，并可回復消息；普通用戶進行在線咨詢的時候，如果律師用戶不在線，則等到律師用戶登錄之后，才可收到普通用戶咨詢的消息
5 普通用戶個人中心 登錄、注冊、登錄區分用戶類型，我的提問，我的關注的律師，修改資料等
6 律師用戶個人中心 登錄、注冊、登錄區分用戶類型，我的解答，我的回復，修改資料；游客用戶只能查看到法律問題列表和律師列表，法律問題提問和在線咨詢律師需要登錄后才能操作
7 后臺模塊 律師注冊審核、普通用戶活躍情況、律師用戶活躍情況、對用戶提問進行審核、對未認證律師回答進行審核
8 審核機制 根據定位, 獲取所在的資源審核系統, 對律師資質進行校驗, 校驗執照唯一性和真實性
黑馬付費文學項目
黑馬文學是傳智播客開發的專注于電子書閱讀的客戶端，本著幫助用戶“多看書、多交朋友”的宗旨，多看以不斷滿足用戶需求、為世界各地的用戶提供更好的中文閱讀產品為己任，立志給廣大消費者提供更好的閱讀體驗。 技術亮點：
1. 前端使用微信小程序技術;
2. 采用Flask-RESTful作為后端開發框架;
3. 采用JWT完成用戶認證;
4. 采用七牛對象存儲服務;
5. 融入CORS跨域技術;
6. 采用RESTful接口設計;
7. 采用數據庫主從同步機制，實現讀寫分離;
8. 采用Redis Cluster集群;
9. 采用Nginx反向代理實現負載均衡。
章節 課程 知識點
1 搭建環境 Flask虛擬環境,擴展安裝
2 登錄注冊 captcha短信驗證, 云通訊,跨域解決方案,JWT用戶認證系統,郵件系統
3 小說中心 redis緩存系統方案, CDN網絡加速處理,負載均衡優化控制
4 通用功能 夜間模式控制,護眼默認,小說詳情分頁處理
5 書架開發 書架收藏最后閱讀,書架列表,書架移出,書籍分類處理
6 書籍搜索 熱詞搜索, 精準匹配, 模糊匹配, 熱銷書籍推薦
7 歷史足跡 添加用戶足跡, 足跡最大緩存設置, 清除足跡
8 書籍中心 偏好設置, 偏好書籍推薦, 閱讀模式設置
天天生鮮項目
天天生鮮圍繞著老百姓餐桌的生鮮B2C電商平臺。以品質生活為目標，服務每一個家庭，覆蓋了水果蔬菜、海鮮肉禽、牛奶零食等全品類。為每一位用戶帶來放心的食材、實惠的價格和品質的服務。 技術解決方案：
分布式存儲；
whosh搜索；
頁面靜態化；
第三方短信；
定時任務；
redis緩存；
celery異步任務；
負載均衡；
消息隊列；
第三方支付。

技術亮點：
1、采用前后端分離的技術；
2、使用最熱門的Django REST framework技術實現；
3、使用docker+nginx進行部署；
4、采用七牛對象存儲服務作為圖片存儲；
5、可掌握搜索相關技術的使用。
章節 課程 知識點
1 項目介紹及項目設計 電商項目介紹、功能模塊劃分、項目搭建
2 用戶模塊開發（1） 模型類設計、注冊、發送郵件、celery異步任務發送郵件、 登錄
3 用戶模塊開發（2） 個人信息展示、收貨地址管理、用戶登錄驗證、登錄狀態、退出功能
4 商品功能開發（1） 商品功能模型類設計、富文本編輯器、admin配置使用、首頁、列表頁
5 商品功能開發（2） 詳情頁、全文檢索、最近瀏覽
6 購物車功能 模型類設計、加入購物車、購車車列表、購物車顯示數量
7 訂單 模型類設計、訂單結算、訂單提交、全部訂單
8 部署 部署環境搭建、uwsgi配置使用、Nginx后端配置、Nginx前端配置
新經資訊項目
新經資訊網是一個新聞資訊類門戶網站，為用戶 提供優質的新聞資訊內容。項目使用前后端不分離方 式實現，后端采用Python Web開發框架Flask，前端使 用jQuery + AJAX技術。系統前臺主要由首頁、新聞詳情 頁、新聞評論、用戶個人頁等功能組成。 技術解決方案：
第三方短信；
定時任務；
redis緩存；
負載均衡；
消息隊列；
對象存儲。

技術亮點：
1.前端采用jQuery + AJAX 實現頁面局部刷新；
2.采用Flask作為后端開發框架；
3.采用Jinja2模板實現服務器端渲染；
4.采用云通訊發送短信；
5.采用Redis做緩存；
6.采用七牛對象存儲服務作為圖片存儲。
章節 課程 知識點
1 項目開發準備 項目分析、項目框架搭建、日志使用、數據庫表創建、靜態文件導入、注冊根路由
2 登錄注冊 圖片驗證碼、第三方短信驗證碼使用、注冊功能、登錄功能、退出功能
3 新聞首頁及詳情 首頁排行、新聞分類展示、新聞列表數據、詳情用戶數據展示、詳情新聞數據展示、新聞收藏功能、新聞評論
4 個人中心 基本資料設置、用戶頭像上傳、密碼修改、用戶新聞收藏、用戶新聞發布、用戶新聞列表、404頁面、關注與取消關注、我的關注
5 后臺登錄及后臺首頁 管理員登錄、管理員后臺首頁
6 用戶和權限管理 后臺訪問權限控制、用戶統計、用戶列表
7 新聞管理 新聞審核、新聞版式編輯、新聞分類管理
8 項目部署 阿里云服務器使用、環境搭建
愛家租房項目
愛家租房項目是一個生活類的移動O2O項目，提供一個方便房屋短租供需雙方交易的平臺。通過本項目，學生 可以掌握完整的企業項目開發流程。同時，項目中采用Web前端與后端完全分離的技術，可以讓學生掌握后端對接 不同前端產品的開發方法。在項目開發中，學生分別從后端開發工程師和前端開發工程師兩個角度開發產品，可以 加深學生對Web應用的理解，鞏固前面所學的前端知識。 技術解決方案：
緩存方案；
對象存儲解決方案；
短信解決方案；
支付方案；
異步任務方案；
客戶端渲染方案。

技術亮點：
1.采用前后端分離模式，前端使用art-template模板引擎；
2.采用jQuery + AJAX 實現頁面局部刷新；
3.采用Flask作為后端開發框架；
4.采用Jinja2模板實現服務器端渲染；
5.采用云通訊發送短信；
6.采用Redis做緩存；
7.采用七牛對象存儲服務作為圖片存儲；
8.采用Celery異步任務方案；
9.采用支付寶支付。
章節 課程 知識點
1 項目介紹及項目搭建 項目介紹 需求分析 項目搭建
2 登錄注冊 圖片驗證碼 短信驗證碼 注冊 登錄 退出
3 用戶中心 個人中心 個人頭像上傳 用戶名修改 用戶實名認證
4 房屋模塊 城區列表 發布房源 上傳房源圖片 我的房屋列表 首頁房屋推薦 房屋數據搜索 房屋詳情頁面
5 訂單模塊 添加訂單 獲取訂單列表 接單和拒單 評價訂單
6 項目部署 Uwsgi nginx
人工智能方向
泛娛樂推薦系統項目
推薦系統的在當下的火爆程度毋庸置疑，個性化推薦的需求也是每一個toC產品應該實現的目標。我們的泛娛樂推薦系統使用主流的Retrive-Ranking(召回-排序)架構。該推薦系統的主要目標: 通過向用戶推薦更合適的帖子, 增加用戶交互行為(點贊，評論，轉發，收藏等), 進而增加用戶平均使用時長。同時滿足的用戶體驗要求: 多樣性，新穎性和數據合理性。在排序模塊即AI部分，我們將從模型選擇，超參數調優，損失函數機器優化方法等多維度深層次進行剖析，詮釋為何我們能夠推薦出滿足用戶“嗨點”的作品。 技術亮點：
1、豐富的召回策略幫助我們盡可能多的覆蓋不同用戶對產品推薦的不同需求, 進而提升用戶粘度；
2、金字塔召回機制：海量數據下實時響應用戶行為變化；
3、更加科學合理的構建雙畫像，保證原始數據的準確，為模型收斂奠定基礎；
4、分布式訓練減少了大型模型訓練時間，加速模型調優效率, 更好的利用深度模型發掘海量數據價值；
5、使用wide-deep模型進行排序，在類似工程推薦項目中已經取得成功, eg, google play 提升3.9%。
章節 課程 知識點
1 整體系統概述與搭建 背景介紹；環境配置；系統搭建；業務流實現
2 構建雙畫像 neo4j安裝與使用；cypher語句學習與深入；標簽體系設計；用戶畫像與帖子畫像的實現
3 多召回策略 多召回策略的設計原理；多召回策略實現
4 召回金字塔 召回金字塔機制原理；召回金字塔實現
5 規則過濾器服務 規則過濾器的設計原理；規則過濾器實現
6 模型的選擇與實現 正負樣本的定義標準；正負樣本的采集與評估指標；模型特征的選擇準則；模型特征的定義與實現；wide-deep模型的選用
7 模型的結構與參數 LR與MLP學習；wide-deep模型結構與參數分析
8 損失函數與優化方法 二分類交叉熵損失函數詳解；FTRL優化方法詳解；Adagrad優化方法詳解
9 超參數調優 超參數調優理論發展；網格搜索與隨機搜索；貝葉斯優化
10 使用gcp進行模型訓練 gcp的基本使用方法；構建gcp規范下的模型；使用gcp進行超參數調優；使用gcp進行優化訓練方案
11 模型評估與部署 模型的評估；深度模型的部署方案；推薦系統的總體檢驗標準
12 基于圖像和視頻分析的人臉推薦解決方案 opencv 視頻處理：視頻解碼，圖像基本處理；mtcnn人臉檢測算法：p-net、r-net、o-net級聯，分類+框回歸+關鍵點回歸；inception resnet v2提取人臉特征：人臉區域提取出128/512個特征值；mlp 人臉特征分類：神經網絡基于人臉特征做分類；人臉特征提取用到的loss函數原理；model 服務器端部署：基于tensorflow serving
13 基于圖像和視頻分析的場景推薦解決方案 opencv 視頻處理：視頻解碼，圖像基本處理；nasnet/inception resnet v2 場景分類：cnn提取圖片特征進行分類；model 服務器端部署：基于tensorflow serving
14 基于圖像和視頻分析的表情推薦解決方案 opencv 視頻處理：視頻解碼，圖像基本處理；mtcnn人臉檢測算法：p-net、r-net、o-net級聯，分類+框回歸+關鍵點回歸；人臉矯正：基于人臉關鍵點對齊；cnn提取人臉特征進行分類；model 服務器端部署：基于tensorflow serving
15 基于圖像和視頻分析的姿態推薦解決方案 opencv 視頻處理：視頻解碼，圖像基本處理；mask r-cnn 檢測人體關鍵點：先檢測人體，然后檢測人體骨骼關鍵點；mlp關鍵點分類：神經網絡基于人體關鍵點做分類；model 服務器端部署：基于tensorflow serving
黑馬頭條推薦系統
黑馬頭條推薦建立在海量用戶與海量文章之上，主要在Feed流推薦、相關推薦、猜你喜歡應用場景。黑馬他頭條推薦使用Lambda大數據架構做為實時和離線計算整體架構，提供了大量數據的計算支持。并且通過使用分布式環境達到計算能力的提升。黑馬頭條使用Flume收集用戶在APP上的點擊行為、瀏覽行為、收藏行為等。建立用戶與文章之間的交互關系，建立起用戶畫像和文章畫像，并存儲在HDFS集群中。通過離線Spark SQL 計算建立HIVE特征中心，存儲到HBase集群。通過ALS、LR、FM等機器學習與深度學習推薦算法進行智能推薦。提高了優秀文章的點擊率，增加熱門文章和新文章的推薦占比，達到千人千面的用戶推薦效果。 技術亮點：
1、完整采用一套lambda大數據計算框架；
2、采用Flume進行日志采集工作；
3、采用Sqoop進行Mysql業務數據遷移；
4、使用hadoop分布式文件系統；
5、采用HIVE作為離線數據倉儲；
6、采用Spark SQL作為離線分析工具；
7、采取Spark Streaming實現流式計算；
8、采用TFIDF與TextRank完成文章關鍵詞計算；
9、采用spark LDA完成文章主題詞計算；
10、采用spark Word2Vec模型計算文章向量；
11、文章相似度計算使用BucketRandomProjectionLSH計算；
12、用戶畫像引入時間衰減因子計算關鍵詞權重結果；
13、采用Spark建立特征服務中心平臺，完成特征提供任務；
14、推薦部分采取召回、排序兩種策略任務；
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、熱門召回；
16、排序部分引入模型融合，使用LR排序、GBDT特征處理、FM模型推薦、Wide&Deep模型；
17、采用Hbase集群完成用戶畫像、特征結果、推薦結果存儲；
18、采用實時畫像與實施召回等解決用戶冷啟動問題；
19、采用GRPC作為用戶推薦接口；
20、引入ABTest實驗中心，完成埋點參數設置，實時推薦效果反饋和分析，以及模型替換方案；
21、使用Redis作為推薦結果的緩存。
章節 課程 知識點
1 離線計算 文章畫像構建、用戶畫像構建、用戶召回集合、離線spark排序模型、特征中心平臺
2 在線計算 實時日志分析、實時召回集、熱門與新文章
3 實時推薦 ABTest實驗中心、推薦中心服務
4 深度排序模型 TensorFlow基礎、TensorFlow進階、深度學習與排序模型、CTR模型部署與測試
智慧交通
本項目利用深度學習技術，跟蹤路面實時車輛通行狀況，并逐幀記錄不同行車道車流量數目。車輛自動計數系統由計數系統、圖像抓拍系統、實時監控錄像系統組成，可在視頻看出每個車輛的連續幀路徑。該項目可拓展性強，可根據企業業務，外接計費結算系統、LED顯示系統、語音播報系統、供電防雷系統等。 技術亮點：
1、利用卡爾曼濾波最優濾波方程對建立的交通流系統狀態方程、觀測方程；
2、采用背景差分法對在檢測區的車輛進行檢測和跟蹤；
3、利用DGPS/DR組合車輛定位中各子系統的模型對車輛定位提高精度；
4，利用Haar Adaboost 自定義目標檢測對過往的車輛進行檢測、計數和分類。
章節 課程 知識點
1 項目概述 系統架構設計、項目關鍵技術說明；項目業務需求分析、項目業務流程設計
2 環境部署 系統介紹項目開發環境概述、Tensorflow框架、項目工程文件創建；項目開發環境配置、項目性能優化設置；視頻數據源的Python讀入及逐幀識別；交通流量解決方案分析及數據源處理
3 道路車輛跟蹤及流量統計項目流程方案 業務理解，任務拆解；目標檢測模型實現；圖像理解框架及馬爾方法；圖像視頻理解：運動目標檢測與跟蹤主流工程實踐方法；視頻背景建模與前景選取實踐
4 車輛跟蹤核心技術 背景建模實現：基于視頻的運動目標分割；前景探測：運動目標車輛的檢測與跟蹤；基于光流的目標跟蹤實踐；基于均值偏移的目標跟蹤實踐；基于粒子濾波的目標跟蹤實踐；卡爾曼濾波實踐
5 流量統計核心技術 首先采用背景差分法和卡爾曼濾波算法對在檢測區的車輛進行檢測和跟蹤；使用經過檢測、處理的被測車輛圖像觸發距其最近的相機進行圖形分割；通過LDA分類器對分段車輛的幾何形狀及外觀特征進行正確地分類；實現濾波,參照DELOS算法實現對城市快速路的事故檢測
6 模型訓練及項目主流程 車輛區域特征樣本標注；車輛檢測模型訓練及測試；深度學習CNN建模，建立車輛分類器；系統逐幀采集視頻圖像并檢測車輛；為檢測到每個車輛目標初始化卡爾曼濾波器，通過卡爾曼濾波器逐幀匹配目標進行位置預測；對比檢測位置與預測位置，逐幀鏈接前景圖像，獲取車輛的跟蹤路徑
7 項目總結 HEVC壓縮域等的車流量檢測應用優劣比較總結、幀間差分法、圖像閾值分割和數學形態學的運動目標檢測方法總結、結合智能優化算法對其改進的遺傳算法—克隆選擇遺傳算法比較總結
在線商品檢測項目
在線商品檢測項目是一個基于圖像方向的一個目標檢測的項目。類似的項目應用如淘寶拍立淘等。該項目結合當前CV領域常用工具、深度學習、目標檢測算法、微信小程序對接、百度機器人對接等技術，能夠為用戶或者消費者拍攝的照片、視頻中存在的目標做出標記與類別判斷。
該項目使用的技術包括圖像領域中目標檢測YOLO,SSD等算法做模型訓練，輸入模型的數據使用OpenCV進行讀取處理，并進行data argumentation、多GPU模型訓練及部署等。通過學習該課程能夠掌握對物體檢測的技術點以及業務流程		 技術亮點：
1、使用OpenCV作為圖像與視頻的讀取工具；
2、基于端到端的目標檢測算法YOLO、SSD系統結構；
3、使用數據增強技術進行圖片的處理增加泛化能力；
4、使用Web server + TensorFlow serving Client完成前端對接；
5、使用Docker + TensorFlow serving部署模型；
6、使用Label image進行圖像的標注存儲；
7、進行微信公眾號接口開發；
8、使用百度機器人平臺對接項目檢測服務。
章節 課程 知識點
1 項目介紹和深度學習 目標檢測項目演示、目標檢測架構、技術介紹、神經網絡算法優化、神經網絡基礎與原理；案例: tf.keras實現神經網絡圖片分類
2 卷積網絡 卷積神經網絡介紹與原理、神經網絡調優與BN、經典分類網絡結構、CNN實戰與遷移學習；案例：VGG遷移學習進行圖像識別
3 深度學習正則化 偏差、方差、L1與L2、Dropout正則化、早停止法、數據增強、神經網絡調優、Batch Normal
4 CV目標檢測算法 物體檢測算法-RCNN、SPPNet、Fast-RCNN、Faster-RCNN、YOLO、SSD；案例：SSD算法進行圖片預測
5 項目構建 數據集的制作與處理、商品檢測模型訓練、多GPU訓練、NMS處理、Matplotib標記；商品檢測模型導出
6 項目部署對接 OpenCV Python、案例：視頻流數據物體檢測；Docker開啟Tensorflow serving服務、TensorFlow serving client實現、Docker開啟Web服務；百度機器人平臺接口對接
7 百度服務平臺拓展 服務訪問方式、人臉識別、物體識別、文字識別、
語音識別與合成、語言處理基礎技術

備注：該課程大綱僅供參考，實際課程內容可能在授課過程中發生更新或變化，具體授課內容最終以各班級課表為準。


基礎差？ 可免費學基礎班

申請試讀名額

基礎過關？ 可直接就讀就業班

基礎測試

Python+人工智能學科項目介紹

  • 新經資訊平臺

    項目簡介：

    一款新聞類型的Web項目，主要為用戶提供最新的金融資訊、數據，以抓取其他網站數據和用戶發布作為新聞的主要來源。

    項目特色：

    1、使用Flask Web框架 實現
    2、前后端不分離的形式實現具體業務邏輯
    3、常見的Web開發流程以及第三方平臺工具的集成和使用

  • 美多商城

    項目簡介：

    大型B2C電子商務平臺，包含用戶中心、商品展示、購物車、訂單、支付、評論、搜索等功能。

    項目特色：

    1、采用前后端分離的技術
    2、使用最熱門的Django REST framework +VUE技術實現
    3、采用數據庫讀寫分離技術
    4、使用FastDFS實現商品圖片數據的存儲
    5、可掌握支付相關業務的實現
    6、可掌握搜索相關技術的使用

  • 數據抓取-分布式爬蟲

    項目簡介：

    大型門戶網站和大型婚戀網站積累了海量信息，提取有用的價值，應用于數據挖掘、海量數據分析、市場分析（包括熱點資訊、關鍵詞點擊、輿情分析、全國婚戀市場、個人信息分析等情況），掌握爬蟲技術顯得尤為重要。

    項目特色：

    1、Python 多線程爬蟲及其機制
    2、使用Python urllib、urllib2、requests等網絡模塊
    3、使用Python lxml、BeautifulSoup、re、json模塊進行數據提取
    4、XPath語法規則和各CSS Selector的使用
    5、Tesseract機器圖像識別系統，并處理簡單的文字驗證碼
    6、使用Selenium+PhantomJS(headless)實施動態HTML抓取
    7、掌握Scrapy框架，以及編寫各類中間件
    8、掌握scrapy-redis分布式框架，了解各組件工作機制

  • 股票量化交易

    項目簡介：

    AI Quant是一個自動量化交易系統，主要用戶策略分析以及回測。通過高質量的預處理金融數據，分析數據中的因子，使用機器學習算法實現自動化策略產生，并且使用策略相關指標達到回測的能力，最后能夠進行模擬交易。該平臺能夠實現自動進行策略分析完成交易。

    項目特色：

    1、歷史數據、實時數據
    2、股票、期貨數據指標
    3、多因子模型
    4、量化交易策略
    5、回測框架
    6、交易框架

  • 黑馬頭條-Web

    項目簡介：

    黑馬頭條項目是一款匯集科技資訊、技術文章和問答交流的用戶移動終端產品。黑馬頭條提供用戶移動App端、自媒體PC Web端和系統MIS PC Web端三大應用，讓用戶輕松獲取最新資訊，發布資訊文章。對接推薦系統，收集埋點數據、獲取推薦結果；對接AI系統，提供聊天機器人通訊平臺。

    項目特色：

    1、使用Flask-RESTful實現REST API
    2、靈活使用SQLAlchemy的數據庫ORM解決方案
    3、采用企業的Gitflow工作流開發
    4、采用企業級的緩存方案
    5、使用gRPC與推薦系統和AI系統對接
    6、采用Elasticsearch搜索引擎
    7、使用socket.io實現即時通訊
    8、使用APScheduler實現定時任務
    9、使用RabbitMQ消息隊列
    10、引入極驗行為驗證

  • 黑馬頭條-推薦系統

    項目簡介：

    黑馬頭條推薦系統建立在海量用戶與海量文章之上，使用Lambda架構整合實時計算和離線計算，借助分布式環境提升計算能力；使用Flume收集用戶的點擊、瀏覽、收藏等行為，建立用戶畫像和文章畫像，并存儲于HDFS集群；通過離線Spark SQL計算建立HIVE特征中心，存儲到HBase集群；通過ALS、LR、Wide&Deep等機器學習與深度學習、推薦算法進行智能推薦，達到千人千面的用戶推薦效果。

    項目特色：

    1、ABTest實驗平臺
    2、用戶反饋收集
    3、實時計算平臺
    4、離線計算分析平臺
    5、召回算法模型
    6、排序算法模型
    7、用戶畫像建模
    8、文章畫像建模
    9、基于Lambda大數據架構進行數據處理

  • 小智同學聊天機器人

    項目簡介：

    小智聊天機器人，使用了自然語言處理的技術，實現人機對話。實現的是一個類似智能客服的系統，實現了閑聊功能和問答功能，在App上提供了入口，能夠和機器人閑聊和編程相關的問題。

    項目特色：

    1、接受用戶的輸入
    2、對輸入內容進行預處理和特征提取
    3、使用分類方法判斷用戶輸入的內容
    4、如果意圖為閑聊，調用閑聊的模型返回結果
    5、如果意圖為提問，調用問答模型返回結果

 

Python+人工智能面授視頻試聽

  •

    if判斷白富美

  •

    批量文件重命名

  •

    裝飾器原理

  •

    反爬蟲攻防-代理處理器

  •

    tornado簡介

  •

    異步代碼實現原理

申請免費線下基礎班試聽名額

教學服務

  • 每日測評

    每晚對學員當天知識的吸收程度、老師授課內容難易程度進行評分，老師會根據學員反饋進行分析，對學員吸收情況調整授課內容、課程節奏，最終讓每位學員都可以跟上班級學習的整體節奏。

  • 技術輔導

    為每個就業班都安排了一名優秀的技術指導老師，不管是白天還是晚自習時間，隨時解答學員問題，進一步鞏固和加強課上知識。

  • 學習系統

    為了能輔助學員掌握所學知識，黑馬程序員自主研發了6大學習系統，包括教學反饋系統、學習難易和吸收分析系統、學習測試系統、在線作業系統、學習任務手冊、學員綜合能力評定分析等。

  • 末位輔導

    末位輔導隊列的學員，將會得到重點關心。技術輔導老師會在學員休息時間，針對學員的疑惑進行知識點梳理、答疑、輔導。以確保知識點掌握上沒有一個學員掉隊，真正落實不拋棄，不放棄任何一個學員。

  • 生活關懷

    從學員學習中的心態調整，到生活中的困難協助，從課上班級氛圍塑造到課下多彩的班級活動，班主任360度暖心鼓勵相伴。

  • 就業輔導

    小到五險一金的解釋、面試禮儀的培訓；大到500強企業面試實訓及如何針對性地制定復習計劃，幫助學員拿到高薪Offer。

久久婷婷五月综合色啪,好好热精品视频6,天天玩,天天鲁,天天曰,,超频99免费观看视频