更新时间 ：2021-03-09 09:50:53
人工智能主要有三个层面：计算智能、感知智能、认知智能。计算智能核心的是芯片，代表公司有英特尔、AMD、高通、华为、地平线等。感知智能现在热门的领域是机器视觉、语音、还有运动等，代表公司有旷视科技、海康威视、商汤、触景无限等。认知智能是人工智能比较难、也是比较好的领域，是人工智能的终极目标，代表公司有IBM、微软、谷歌、科大讯飞、小i机器人、百度、搜狗等。
是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和老师系统等。
python开发工程师需要理解项目和设计需求，为用户呈现比较的前台界面交互体验和后台的管理标准线，让程序在服务器稳定高效运行，实现较大化的商业价值。
Python游戏开发工程师是指通过Python语言对客户端架构设计、模块划分、编辑器规划、引擎维护等，完成游戏架构及各大功能的设计、开发、调试，负责游戏开发工具和运营维护工具的设计与开发。
负责搜索引擎相关项目的系统调研、代码编制、软件测试、软件维护、软件文档制作等与软件开发有关的工作。参与搜索引擎核心技术的研发工作；评估、分析、建议客户网站的关键词，开发网站的外部链接的方法和网址。
Python爬虫开发工程师负责抓取和管理网站数据，通过Python工具分析用户的商业机会，为公司和开发提供科学的数据依据。
课程设置层层递进，0基础入门也能掌握。重金聘请业内大牛，全职坐镇中公教育。小班制教学，制度规范，学习氛围浓厚。真实案例详解，学员必须亲手操刀实战。从入学到入职，整体跟踪反馈，提供帮助。
课程大纲拔苗助长，小白跟不上进度，知识点无法吸收掌握。低薪聘请python新手做讲师或大量兼职讲师，项目不新技术不熟。大班制教学讲师精力不够或者视频授课反馈不及时，没有学习氛围。教学大纲偏理论，实战项目早已过时。毕业前，就业辅导只告诉学员如何让面试；毕业后，对学员就职满意度不关心。
阿尔法
阿尔法围棋(AlphaGo)是一款通过大数据分析+人工智能编写的围棋程序，在2016年7月的世界围棋排行榜中位列第一名。
微软小冰
微软小冰是一款除智能聊天之外，还兼具提醒、星座、交通指南、餐饮点评等实用功能的人工智能机器人。
Libratus
Libratus是卡内基梅隆大学开发的人工智能系统。在“人脑VS人工智能”比赛中，与职业选手对战12万手牌，奖金为20万美元。
智能家居
智能家居是通过运用数据分析和人工智能将家中设备连接，实现智能化的一种生态系统。具有智能光控、安防监控等功能。
自动驾驶
自动驾驶汽车又称无人驾驶汽车，依靠人工智能、雷达等系统协同合作，让电脑在无人操作下自动控制机动车辆的智能汽车。
仿生眼
仿生眼也称仿生电子眼，是由美国麻省理工学院制作能帮助视障人士增强视力的科技产品，通过实时数据分析，做到人工智能化。
|
Python开发基础 |
||
| 课程内容 | 课程知识点 | 培养目标 |
| 基础语法 | Python简史、应用场景；Python当前发展、开发环境搭建 注释、输入和输出、变量与常量、Python数据类型、类型转换、运算符和表达式、条件控制语句 循环语句、break和continue控制语句、循环嵌套 字符串介绍、字符串的输出/输入、下标和切片、字符串常见操作 列表、深拷贝/浅拷贝、元组、字典、集合操作、推导式 函数的概念、函数的定义和调用；函数参数、关键字参数、不定长参数；函数的返回值、函数的嵌套调用、函数应用案例、递归函数、匿名函数；变量作用域、全局变量和局部变量、命名空间、闭包 异常概述、Try/except、Finally、Raise、with语句 Python模块基本使用、搜索路径、DIY自己的模块、包、常用模块 | 前期通过学习常量变量的使用，运算符的使用，流程控制的使用，函数的定义和使用，容器处理方法，字符串处理方法，日期时间处理方法等，掌握Python编程语言基础内容；中期主要涉及OOP基础知识，学习后应该能自己处理OOP问题，具有初步软件工程知识并树立模块化编程思想 |
| 面向对象与设计模式 | 面向对象编程介绍、类和对象、类的定义、对象的创建、self的作用、对象成员访问控制权限 单继承、多继承；实例属性和类属性；多态 魔法函数概述、构造类魔法函数、运算类魔法函数 装饰器、修饰符、迭代器、生成器 单例模式、策略模式、观察者模式 | |
| 文件系统 | 文件介绍、文件的打开与关闭、文件的读写 | |
| 网络编程 | 网络通信过程及tcp协议、udp协议、http协议；套接字、数据报套接字编程、广播和组播；poll方法和epoll方法 | |
| 多任务 | 进程、进程池、进程内的通信；GIL全局解释锁、线程、多线程数据同步、互斥锁、死锁、ThreadLocal、异步、协程 | |
| 数据结构+算法 | 数据结构的存储方式、逻辑结构与物理结构；线性表、线性表的顺序存取和链式存取、双向链表；栈和队列、循环队列；树、二叉树、满二叉树、构建二叉搜索树 查找算法：二分法查找；排序算法：冒泡排序、直接插入排序、选择排序、快速排序 | |
| 《消消乐》、《最强弹一弹》、《微信跳一跳》（任选其一） | 分析项目需求，理解项目的算法，熟练掌握python软件开发技术，深入理解python语言精髓 | |
|
Python全栈开发 |
||
| 课程内容 | 课程知识点 | 培养目标 |
| 静态页面 | HTML简介、基本语法、常用标签、表单元素 CSS简介、基本语法、选择器、常用样式、DIV+CSS布局 HTML5简介、视频、音频、HTML5表单；CSS3简介、常用样式 |
具备可掌握的核心能力： 1、可根据产品原型图开发网站的前端界面； 2、可根据业务流程图开发网站的后台业务； 3、可根据web框架设计，开发对应的数据库； 4、缓存服务器的操作和设计； 5、异步任务的实现 6、掌握Linux操作系统的基础知识 |
| 页面框架 | JavaScript简介、基本语法、变量、数据类型、运算符、流程控制、函数、数组、DOM操作、BOM操作、事件编程、内置对象、正则表达式等 jQuery简介、基本语法、常用选择器、jQuery事件、jQuery操作DOM、jQuery遍历、 Ajax、jQuery操作HTML、CSS，jQuery遍历等 Vue.js基础、模块化、单文件组件、路由、与服务器通信、状态管理、单元测试、生产发布 | |
| 数据库 | Mysql简介、常用操作、设计及复杂查询、事务、存储过程、触发器、日志、数据恢复、mysql优化、Python操作mysql | |
| Linux操作系统 | 常见Linux操作系统的介绍、Ubuntu操作系统使用、Ubuntu软件安装与卸载 文件和目录操作命令、文件属性修改命令、查找与检索命令、压缩包管理、其他命令、常用服务器ftp/ssh、编辑器vim/sublime/gedit/pycharm | |
| 服务器集群架构 | Docker、Nginx、集群、高可用网络、keepalive、zookeeper | |
|
网络爬虫 |
||
| 课程内容 | 课程知识点 | 培养目标 |
| 爬虫与数据 | 爬虫原理与数据爬取；B/S和C/S架构；Get/Post请求模式；网络请求模块：urllib和requests；代理服务器和伪造网络请求头；加密数据破解 结构化数据与非结构化数据提取、Fiddler代理器 数据提取模块：正则、xpath 反爬虫策略；Selenium/PhantomJS；模拟用户行为：登录状态、按钮点击、JS页面元素获取等操作 |
可掌握的核心能力 1、 掌握爬虫的工作原理和设计思想； 2、 掌握反爬虫机制； 3、 通过学习NoSql数据库和Scrapy-redis框架，可以独立运用分布式爬虫框架实现海量数据的爬取 4、 熟练掌握使用scrapy框架和Mongodb实现海量数据的爬取 |
| Scrapy框架 | Scrapy框架原理；自定义数据模型、请求中间件；爬虫去重；日志；下载中间件结合Selenium；代理服务器 | |
| Mongodb+Redis | Mongodb简介、安装、常见操作、高级特性以及在Python中操作Mongodb代码实现 | |
| Scrapy-redis框架 | 爬虫分布式原理解析；Scrapy-redis分布式组件；定制化的爬虫采集系统；处理数据的抓取和解析存储 | |
|
数据分析+人工智能 |
||
| 课程内容 | 课程知识点 | 培养目标 |
| 数据分析-基础内容 | 常用的随机变量的数字特征、根据随机变量的分布求解随机变量函数的数字特征 |
可掌握的核心能力
1、掌握常用的机器学习算法 2、掌握 PaddlePaddle 基本概念，计算模型和原理；
3、掌握训练过程优化方法与问题优化
|
| 数据分析-模块学习 | Numpy数值计算基础、Pandas统计分析、获取数据与特征工程、模型训练 | |
| 数据分析-数据清洗 | 检测处理重复、缺失、异常值；离散化连续型数据；特征选择、构建新特征等特征工程方法；熟悉数据预处理方法 | |
| 数据分析-特征工程和结果可视化 | Python绘图基本语法、参数设置、分析特征内部数据分布与分散情况；掌握常用的几种Python可视化的方法 | |
| 人工智能—机器学习 | map函数、filter函数、sorted函数、关联算法-掌握Apriori算法与FP-growth算法原理，熟悉频繁项的挖掘与常用剪枝策略、与关联规则 分类算法—掌握决策树算法、随机森林、KNN 、SVM及朴素贝叶斯算法原理，熟悉集成学习(Bagging、Boosing)对于分类算法的优化过程，掌握数据降维方法应用 聚类算法—掌握Kmeans，理解聚类算法与分类算法的区别，理解聚类算法的优缺点 回归算法—主流回归模型，线性回归，逻辑回归 LR 及其变种和扩展算法；梯度下降，逻辑回归比较化问题的求解 | |
| 人工智能—深度学习 | 基于PaddlePaddle深度学习框架讲解 深度学习正则化概述，模型拟合与过拟合问题 神经网络算法—垃圾邮件与反欺诈 图像识别技术—手写数字识别 强化深度学习—AlphaGo相关技术 | |
| 人工智能-拓展课程 | 人工智能-拓展课程 | |
