人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,主要包括计算机实现智能的原理、制造类似于人脑智能的计算机,使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科,其范围已远远超出了计算机科学的范畴,人工智能与思维科学的关系是实践和理论的关系,人工智能是处于思维科学的技术应用层次,是它的一个应用分支。
课程阶段 | 课程内容 |
第一阶段 Python开发基础 |
计算机硬件、操作系统原理;安装Linux操作系统;Linux操作系统维护常用命令;Python语言介绍、环境安装;Python基本语法、基本数据类型;二进制运算、流程控制;字符编码、文件处理;数据类型、用户认证、函数;三级菜单程序、购物车程序开发;员工信息表开发、内置方法;递归、迭代器、装饰器;模块的跨目录导入;b加密\re正则\logging日志模块;常用标准库学习;软件开发规范学习;计算器程序;ATM程序开发 |
第二阶段 Python高级编程&数据库开发 |
面向对象介绍、特性、成员变量;方法、封装、继承、多态;累的生成原理、MetaClass;__new__的作用、抽象类;静态方法、类方法、属性方法;如何使用面向对象思想写程序;选课程序开发;TCP/IP协议介绍;Socket网络套接字模块学习;简单远程命令执行客户端开发;C/S架构FTP服务器开发;线程、进程、队列;基于数据库的学员管理系统开发;特性介绍、表字段类型;表结构构建语句;常用增删改查语句;索引、存储过程、视图、触发器;IO多路模型、数据库类型;事务、分组、聚合、分页、连接池 |
第三阶段 前端开发 |
HTML\CSS\JS学习、DOM操作;JSONP、原生Ajax异步加载;购物商城开发;HTML5\CSS3语法学习;Jquery动画效果、事件、定时器;轮播图、跑马灯 bootstrap、抽屉新热榜开发;流行前端框架介绍;Vue架构刨析、mvvm开发思想;Vue数据绑定与计算属性;条件渲染类与样式绑定;表单控件绑定、事件绑定;web pack使用、vue-router使用;vuex actions\mutations热重载;vue单向数据流与应用结构;vue单页面项目实战开发 |
第四阶段 WEB框架开发 |
Web框架原理刨析、请求生命周期;自行开发简单的Web框架;MTV\MVC框架介绍;Django框架使用、路由系统;模版引擎、FBV\CBV视图;Models ORM、FORM;表单验证、CSRF验证、XSS;Django session & cookie;中间件、分页、自定义tags;Django Admin、cache系统;信号、message;自定义用户认证;Memcached、redis缓存学习;RabbitMQ队列学习;Celery分布式任务队列学习;Flask框架、Tornado框架;Restful API、BBS+Blog实战项目开发 |
第五阶段 爬虫开发 |
Request模块、BeautifulSoup;PhantomJS模块学习;Selenium模块;基于requests实现登录:抽屉;GitHub、知乎、博客园;爬取拉钩职位信息;开发Web版微信;高性能IO性能相关模块;自定义开发一个异步非阻塞模块;asyncio、aiohttp、grequests;Twisted、验证码图像识别;Scrqpy框架以及源码刨析;框架组件介绍(engine、spider、downloader、scheduler、pipeline)分布式爬虫实战 |
第六阶段 全栈项目实战 |
互联网企业专业开发流程讲解;Git、GitHub协作开发工具讲解;任务管理系统讲解;接口单元测试;敏捷开发与持续集成介绍;接口文档便携示;Django + uwsgi + nginx生产环境部署学习;互联网企业大型项目架构图深度讲解;路飞学城在线教育平台开发;CRM客户关系管理系统 |
第七阶段 数据分析 |
金融、股票知识入门;股票基本概念;常见投资工具介绍;市基本交易规则、A股构成;K线、平均线、KDJ、MACD等;指标分析、股票操作模拟盘演示;量化策略的开发流程;金融量化于Python、numpy pandas、matplotlib模块学习;在线量化投资平台介绍和使用;常见量化策略学习;如双均线策略、因子选股策略;因子选股策略、小市值策略;海龟交易法则、均值回归、策略;动量策略、反转策略;驼交易法则、PEG策略;开发一个简单的量化策略平台;实现选股、择时、仓位管理 止盈止损、回测结果展示等功能 |
第八阶段 人工智能 |
机器学习要素、常见流派;自然语言识别、分析原理;词向量模型word2vec;刨析分类、聚类、决策树;随机森林、回归以及神经网络;测试集以及评价标准;机器学习常用库scikit=learn;数据预处理、Tensorflow学习;基于Tensorflow的CNN与RNN模型;Caffe两种常用数据源制作;OpenCV库详解、人脸识别技术;车牌自动提取和遮蔽;Keras深度学习、贝叶斯模型;无人驾驶模拟器使用和开发;特斯拉远程控制API和自动化驾驶开发 |
第九阶段 自动化运维&开发 |
如安全API接口开发和使用;IT审计+主机管理系统开发;设计符合企业实际去求的CMDB资产管理系统;开发支持windows和Linux平台的客户端;对其他系统开放灵活的api设计与开发IT资产的上线、下线、变更流程等业务流程;真实企业系统的用户行为;管理权限、批量文件操作;用户登录报表;分布式主机监控系统开发;监控多个服务、多种设备、报警机制;给予http+restful架构开发;实现水平扩展;可轻松实现分布式监控等功能 |
第十阶段 高并发语言GO开发 |
Golang的发展介绍、开发环境搭建;golang和其他语言对比;字符串详解、条件判断、循环;go程序编译和Makefile;使用数组和map数据类型;godoc文档生成工具详解;gofmt工具、斐波那契数列;数据和切片、make&new;字符串、go程序调试、slice&map map排序、常用标准库使用;文件增删改查操作;函数和面向对象详解;并发、并行于goroute;channel详解、goroute同步;channel、超时于定时器reover捕获异常、Go高并发模型;Lazy生成器、并发数控制、高并发web服务器的开发 |
人工智能是一个比较大的范畴,基本还有很多边界没有十分清晰的确定下来,甚至可以说,能不能实现人工智能或者能实现到什么程度,还是个未知数。这样也就无法计算出学会的时间。不过如果说人工智能的一个主要内涵:机器学习,那么问题就简单很多。机器学习目前有相对清晰的目标,并且有跟明晰的方法论,唯一不确定的地方是,有许多的流派,不一定都有前途。基于这种情况,我们可以很好的去指定自己的学习计划。如果是理工科背景,需三个月到半年时间把高数和概率相关的部分学会,接下去可以搞监督学习的常见概念和实现,大约三个月,最后搞神经网络,大约三个月可以实现第一份代码,也就入门了。
只要涉及到软件、平台开发,各行各业热门行业,都需要你
精于一个方向以后,再往全栈发展,你的路将越走越宽
年内突破7亿的互联网用户需求高达800万的Python人才缺口
根据TIOBE最新排名, Python成为全球火爆语言,市场需求巨大