课程简介
本课程是一门全面、系统的Python全栈开发与人工智能算法实战课程。课程内容从Linux基础、Python语法入门开始，逐步深入Web开发（Django、DRF、Vue.js）、数据库（MySQL）、并发编程、数据结构与算法等核心后端技术。同时，课程重点覆盖数据分析（Pandas、NumPy、Tableau）、机器学习（Scikit-learn、特征工程、分类回归、集成学习）与深度学习（TensorFlow/Keras、CNN、RNN、Transformer、推荐系统）等前沿AI领域，并结合多个大型实战项目（如电商商城、推荐系统、头条新闻推荐、机器翻译）进行综合训练。通过本课程的学习，学员将构建完整的Python全栈知识体系，掌握从数据采集、处理、分析到模型构建与部署的全流程技能，具备解决复杂业务问题和从事AI算法开发的能力，为迈向高薪岗位打下坚实基础。
下载地址课程目录
01 课程导学与环境搭建
第1–5节：课程介绍、环境配置、Linux命令、Python基础语法与变量进阶。
02 Python核心语法与面向对象
第6–10节：函数、类与对象、继承、异常处理、模块与包、文件操作。
03 数据结构与算法
第11–14节：栈、队列、树、排序算法、红黑树、飞机大战项目解析。
04 网络编程与并发
第15–21节：TCP/UDP、Socket、多进程、多线程、协程、正则表达式、Git使用。
05 Web开发基础
第22–30节：HTTP协议、MySQL数据库、Django框架入门、博客项目实战、简历编写。
06 Django进阶与Web项目
第31–48节：Django高级特性、DRF框架、商城项目前后端开发、部署与第三方登录。
07 数据分析基础
第49–56节：数据分析指标、Excel/Power BI/Tableau工具、Pandas数据处理、电商数据分析项目。
08 机器学习入门
第57–63节：特征工程、分类与回归算法、决策树、集成学习、模型评估与调优。
09 深度学习与TensorFlow
第64–71节：TensorFlow基础、全连接网络、CNN原理与实战、图像分类与风格迁移。
10 自然语言处理与序列模型
第72–77节：文本分类、Word2Vec、RNN/LSTM、Seq2Seq、Attention机制、Transformer原理。
11 推荐系统基础
第78–82节：协同过滤、矩阵分解、用户画像、Hadoop/Hive大数据处理、Spark入门。
12 大数据与推荐系统项目
第83–91节：Spark SQL/Streaming、实时计算、召回与排序模型、深度学习推荐模型、项目架构解析。
13 前端开发与爬虫
前端部分与爬虫赠送内容：HTML/CSS/JavaScript、Vue.js、爬虫原理、Scrapy框架、数据存储。
14 课程资源与附录
配套课件、工具、项目代码等学习资源汇总。
--- 点击展开详细目录 ---
| 
发表于 昨天 22:12
|
查看: 3|
回复: 0
