第一階段（python基礎）

python入門 1、Python版本特性介紹 2、Python應用場景及趨勢發展 3、Python開發環境搭建 4、Python開發工具及運行環境 5、標識符與關鍵字，注釋 6、Python在各系統中的安裝 7、應用場景及數據存儲設計 8、Python程序開發基礎指南 9、如何運行python代碼

python基本語法 1、Python選擇與循環 2、Python字符串處理 3、可視化python編程 4、數據及類型操作 5、Python對象、數字、序列 6、Python映射和集合類型 7、Python條件和循環 8、Python文件和輸入輸出 9、python錯誤和異常

python高級語法 1、函數和函數式編程 2、Python面向對象編程 3、Python正則表達式 4、Python函數編程 5、Python多線程編程 6、Python圖形界面編程 7、Python數據庫編程創建 8、Python擴展

Python編程開發 1、PYQT實現GUI工具 2、如何運行python代碼 3、Python在Linux中的開發 4、GitHub的使用 5、python程序開發 6、Python api使用及二次開發

第二階段（關系型數據庫MySQL）

數據庫設計 1、數據庫設計及運行管理 2、數據庫設計過程講解 3、概念結構設計與ER圖 4、邏輯結構設計與ER轉換規則 5、數據流圖與數據字典 6、數據庫設計物理模型 7、數據庫事務與隔離級別

數據庫范式及ACID特性 1、數據庫的范式的實例 2、數據庫設計三大范式應用 3、數據庫管理系統事務 4、數據庫ACID的四大特性 5、數據庫四大特性應用 6、分庫分表大數據解決方案 7、分庫分表實施與分析

數據庫基礎 1、數據庫概念介紹 2、MySQL安裝與登錄 3、數據庫創建與刪除 4、表結構創建/查看 5、字段類型與數據類型 6、字段增加，重命名，刪除

視圖及索引 1、記錄的增加，修改，刪除 2、表查詢 3、條件查詢 4、模糊查詢 5、視圖創建與操作 6、索引創建與操作

第三階段（文檔數據庫MongoDB）

Mongodb初識與部署 1、Mongodb介紹 2、Mongodb應用場景 3、Mongodb快速部署 4、Mongodb配置指南

Mongodb基本操作 1、Mongodb數據庫操作 2、Mongodb collection操作 3、Mongodb文檔操作

Mongodb高級操作 1、Mongodb存儲過程 2、Mongodb聚合管道 3、Mongodb批量寫 4、Mongodb MapReduce

Mongodb運維與編程 1、Mongodb數據導入/導出/備份/恢復 2、Mongodb安全 3、Mongodb權限控制 4、Mongodb包引入 5、Mongodb Python API

第四階段（內存數據庫Redis）

Redis精講 1、REDIS分布式緩存介紹 2、REDIS網絡模型與內存管理 3、REDIS的數據一致性問題 4、REDIS支持的KEY類型 5、REDIS水平動態擴展 6、REDIS數據淘汰策略

Redis操作 1、REDIS訪問工具 2、REDIS shell api

Redis編程 1、REDIS包引入 2、REDIS Python API

第五階段（網絡爬蟲）

urllib.lib庫 1、Python urllib認識 2、urllib庫的基本操作 3、urllib基本get請求 4、urllib基本post請求 5、代理與API 6、超時配置與會話對象

requests庫 1、通過pip安裝requests 2、發送請求與傳遞參數 3、Response對象與文件上傳 4、身份驗證 5、Cookies與會話對象 6、超時與異常 7、CSS選擇器與bs4 8、BeautifulSoup基本介紹，安裝與基本語法 9、BeautifulSoup的基本運算符與語法定位

css選擇器與Xpath 1、CSS選擇器基本使用 2、Xpath基本介紹 3、Xpath基本語法 4、XPath 軸與表達式 5、Xpath的基本運算符 6、Xpath語法定位 7、常用的反爬蟲技術

爬蟲高級技術 1、多線程與多進程爬蟲 2、代理設置與Cookie操作 3、動態網頁內容的抓取 4、Selenium與PhantomJS 5、模擬表單登錄

第六階段（人工智能相關python包）

數值計算包學習 1、數值計算包工具介紹 2、Numpy多維數組 3、數組的屬性與操作 4、基本的數組運算 5、Scipy工作原理介紹 6、SciPy交互工作

數據處理包Pandas 1、本地環境安裝 2、加載工具庫 3、Pandas創建對象 4、操作行和塊 5、窺視數據 6、缺失值處理、合并于分組

數據加載與存儲 1、Pandas導入導出數據 2、與SQL/Excel 對比 3、數據體量與工具選擇 4、范式中的切片與分組 5、Pandas索引與排序 6、文本轉化為虛擬變量 7、Pandas數據回歸 8、讀取文本文件

Pandas與數據庫 1、函數解析 2、利用DataFrame 3、關系型數據庫驅動 4、非關系型數據庫驅動 5、Web API操作網絡資源

第七階段（機器學習算法）

聚類算法 1、有監督與無監督問題 2、k-means聚類算法原理 3、層次聚類算法 4、SOM聚類算法 5、FCM聚類算法 6、python實現k-means算法 7、聚類算法應用場景與特征工程

回歸算法 1、線性回歸算法原理推導 2、多元線性回歸問題推導 3、非線性回歸問題求解 4、實現簡易回歸算法 5、邏輯回歸算法原題 6、實戰梯度下降算法

貝葉斯分類與最近鄰分類 1、貝葉斯算法原理推導 2、基于貝葉斯理論的垃圾郵件攔截 3、基于貝葉斯理論的輿情系統設計 4、最近鄰（KNN）算法原理詳解 5、最近鄰算法在手寫體數字識別中的應用

支持向量機 1、SVM要解決的問題 2、線性SVM原理推導 3、SVM對偶問題與核變換 4、soft支持向量機問題 5、多類別分類問題解決方案

第八階段（機器項目學習實戰）

泰坦尼克船員獲救案例 1、泰坦尼克船員獲救預測 2、使用pandas庫進行數據讀取與缺失值預處理 3、使用scikit-learn庫對比回歸模型與隨機森林模型 4、GBDT構造原理 5、特征的選擇與重要性衡量指標 6、機器學習中的級聯模型 7、使用級聯模型再戰泰坦尼克

個人信用模型 1、個人信用模型分析 2、個人信用模型構建 3、數據收集與樣本設計 4、選擇構建模型工具 5、模型驗證與檢驗 6、選擇臨界值分值及修正 7、個人信用模型檢測

第九階段（深度學習）

神經網絡模型 1、神經網絡結構 2、前向傳播與反向傳播結構 3、激活函數、損失函數 4、正則化方法 5、梯度下降 6、深入神經網絡細節 7、神經網絡表現效果

卷積神經網絡 1、卷積神經網絡詳解-卷積層 2、卷積神經網絡詳解-池化層 3、激活層 4、全連接層 5、Softmax分類器

框架：tensorflow 1、Tensorflow安裝與簡介 2、Tensorflow簡單使用 3、tensorflow實戰技巧

框架：keras 1、1.keras安裝與環境配置 2、keras簡單使用 3、keras實戰技巧

第十階段（深度學習項目實戰）

Mnist手寫體識別 1、mnist手寫體數字簡介 2、mnist加載數據 3、keras數據預處理 4、預處理類標簽 5、定義模型架構與編譯模型 6、N數據模型擬合與數據評估 7、神經網絡表現效果

Cifar10 項目目標分類 1、cifar10數據集簡介 2、cifar10數據導入 3、cifar10網絡模型設計 4、cifar10分類模型調優