在線了解該學(xué)科
開發(fā)代碼少，明確表達(dá)需求邏輯
語法規(guī)則簡單，接近自然語言
一碼多用，可以用相同的代碼處理不同規(guī)模的數(shù)據(jù)
自動化運維
自動化測試
數(shù)據(jù)分析
Web應(yīng)用開發(fā)
桌面應(yīng)用開發(fā)
操作系統(tǒng)管理
服務(wù)器軟件
人工智能
01華信智原大數(shù)據(jù)分析專業(yè)體系
運算符與表達(dá)式、垃圾回收機制、函數(shù)式編程、類和對象、Git操作
Python內(nèi)存管理、引用計數(shù)、函數(shù)式編程定義、高階函數(shù)、遞歸、學(xué)生信息錄入、刪除、修改、成績排序、存儲等功能
網(wǎng)絡(luò)爬蟲基礎(chǔ)、Scrapy框架、Linux & 數(shù)據(jù)庫基礎(chǔ)
Mysql高級查詢、單表、多表、子查詢、分頁、聯(lián)表、視圖、函數(shù)、觸發(fā)器、索引、優(yōu)化；pipeline的介logging模塊的使用、構(gòu)造請求、item的介紹使用、debug信息的認(rèn)識、scrapy shell、scrapy settings存儲過程、事務(wù)
Excel數(shù)據(jù)分析、數(shù)據(jù)分析工具Numpy、數(shù)據(jù)分析工具Pandas、數(shù)據(jù)可視化工具matplotlib
ndarray對象、索引和切片、組合與拆分、數(shù)據(jù)類型、Pandas定義、Pandas功能、Pandas的安裝、Tableau圖表分析、Tableau地圖繪制與 圖像、Tableau高級圖表類型
Scikit-Learn機器學(xué)習(xí)、深度學(xué)習(xí)
掌握機器學(xué)習(xí)常用回歸、分類以及聚類算法原理及API使用；掌握機器學(xué)習(xí)算法超參數(shù)優(yōu)選方法，并訓(xùn)練模型；掌握深度學(xué)習(xí)框架Tensorflow的原理及常用API的使用；掌握神經(jīng)網(wǎng)絡(luò)的特點及原理；在數(shù)據(jù)分析師的基礎(chǔ)之上進(jìn)一步增加核心競爭力；邁進(jìn)數(shù)據(jù)挖掘和人工智能大門,掌握必備的入門條件
02理論+實踐 由淺入深逐級構(gòu)建開發(fā)能力
03行業(yè)大咖教學(xué)團隊，讓你所學(xué)即所用
開發(fā)了RainBoSoft監(jiān)管系統(tǒng)、車管所車輛信息監(jiān)管系統(tǒng)、某公司電子商務(wù)系統(tǒng)、北京市稅務(wù)局稅務(wù)申報系統(tǒng)、智能室內(nèi)設(shè)計系統(tǒng)、智能駕駛系統(tǒng)、票務(wù)智能檢票系統(tǒng)
通俗易懂，能夠使用淺顯的道理比喻、解決問題
參與多項教育、銀行、企業(yè)的OA系統(tǒng)開發(fā)
有豐富的經(jīng)驗，通過啟發(fā)式教學(xué)，讓學(xué)生更好接受知識點
04產(chǎn)學(xué)結(jié)合的項目化教學(xué)
基于Python數(shù)據(jù)分析工具Numpy、Pandas對多支股票進(jìn)行各項指標(biāo)分析，包括股票k線圖、移動平均線、布林帶、股票波動、股票相關(guān)性分析、股票趨勢性分析、股票交易風(fēng)險評估。利用Sciki-Learn機器學(xué)習(xí)建立模型，進(jìn)行股票價格預(yù)測、股票交易策略模擬、股票交易時機分析。利用數(shù)據(jù)可視化工具matplotlib、seabron對結(jié)果予以圖形化展示
Numpy、Pandas、機器學(xué)習(xí)、matplotlib、seabron
使用Scrapy框架爬取各大網(wǎng)站房屋數(shù)據(jù)，利用Python數(shù)據(jù)分析工具分析各城市房屋均價、房屋總價、房價走勢、房源數(shù)量、房屋面積分布、樓層、裝修等。利用機器學(xué)習(xí)建立模型，對房價影響因素進(jìn)行深度揭秘、并對房屋價格進(jìn)行預(yù)測。
Python爬蟲、Numpy、Pandas、機器學(xué)習(xí)、可視化工具matplotlib、seabron、pyecharts
收集用戶基本信息、用戶交易信息，構(gòu)建用戶畫像。構(gòu)建模型并進(jìn)行訓(xùn)練，基于K-Means算法對用戶進(jìn)行聚類分析，用戶相似度分析，基于用戶相似度進(jìn)行商品推薦，對不同用戶實現(xiàn)精準(zhǔn)營銷。
大型門戶網(wǎng)站和大型婚戀網(wǎng)站積累了海量信息，提取有用的價值，應(yīng)用于數(shù)據(jù)挖掘、海量數(shù)據(jù)分析、市場分析（包括熱點資訊、關(guān)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(shù)顯得尤為重要。
1、Python 多線程爬蟲及其機制
2、使用Python、requests等網(wǎng)絡(luò)模塊
3、使用Python lxml、BeautifulSoup、re、json模塊進(jìn)行數(shù)據(jù)提取
4、XPath語法規(guī)則和各CSS Selector的使用
5、使用Selenium+Chrome實施動態(tài)HTML抓取
6、掌握Scrapy框架，以及編寫各類中間件
7、掌握scrapy-redis分布式框架，了解各組件工作機制
使用Lambda架構(gòu)整合實時計算和離線計算，借助分布式環(huán)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(xué)習(xí)與深度學(xué)習(xí)、推薦算法進(jìn)行智能推薦，達(dá)到千人千面的用戶推薦效果。
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
